La Inteligencia Artificial de Google Deepmind Demuestra Teoremas Matemáticos y Supera a Competidores de las Olimpiadas
Actualizado: 1 junio, 2024
Explora el avance revolucionario de la IA de Google Deepmind en el ámbito de las matemáticas, demostrando teoremas complejos.
En un acontecimiento sin precedentes, una inteligencia artificial (IA) desarrollada por Google Deepmind ha demostrado su capacidad excepcional al resolver problemas geométricos, superando así a muchos de los participantes en las prestigiosas Olimpiadas Matemáticas Internacionales. Este logro, publicado en la revista Nature, marca un hito significativo en la capacidad de la IA para abordar y resolver complejos desafíos lógicos, consolidando su posición en el campo de la investigación avanzada.
AlphaGeometry, el nombre con el que se conoce a este sistema, ha resuelto de manera correcta 25 de 30 problemas de geometría plana propuestos en ediciones recientes de las Olimpiadas, un logro que sólo ha sido superado por los medallistas de oro de esta competición. Además, este sistema ha descubierto un nuevo y más eficiente método para resolver uno de estos problemas, una proeza que su predecesor más destacado no logró.
Un Reto Notable para la Inteligencia Artificial
Alcanzar el nivel de los mejores participantes en las Olimpiadas Matemáticas ha sido uno de los principales objetivos en el campo de la inteligencia artificial. Aunque el éxito de AlphaGeometry es específico para los teoremas de geometría plana, un área familiar en el nivel de bachillerato, su logro es notable debido a la complejidad inherente en la traducción de problemas geométricos a un lenguaje computacional.
Esta dificultad se extiende a otros tipos de demostraciones matemáticas, y es una de las razones por las cuales la IA aún no ha logrado superar consistentemente a los mejores especialistas humanos en este campo.
Innovación en el Entrenamiento de la IA
Para alcanzar este nivel de competencia, los investigadores de Google Deepmind desarrollaron un innovador sistema de entrenamiento para la IA. Este método implicó enseñar al sistema normas geométricas y algebraicas básicas, permitiendo a la máquina realizar razonamientos lógicos a partir de un conjunto de premisas. Por ejemplo, dada la premisa «la distancia de un punto A a un punto B es la misma que del punto B al punto C», la máquina puede concluir que «la distancia entre A y C es el doble de la de A a B».
Este entrenamiento involucró proporcionar a AlphaGeometry un conjunto aleatorio de premisas y permitirle generar todas las conclusiones posibles a partir de ellas. Luego, la máquina analizaba su propio resultado, identificando qué premisas llevaban a cada conclusión y los procedimientos lógicos para pasar de unas a otras. Este proceso se repitió innumerables veces, con casi mil millones de premisas geométricas proporcionadas, resultando en 100 millones de conclusiones y demostraciones.
AlphaGeometry en Acción: Resolviendo Problemas Reales
El método utilizado por AlphaGeometry para demostrar teoremas en las Olimpiadas Matemáticas Internacionales sigue un patrón similar al de su entrenamiento. Se basa en la aplicación de normas geométricas y algebraicas para extraer el máximo de conclusiones posibles de las premisas de cada problema. Cuando la máquina se encuentra con un punto muerto, utiliza los datos acumulados durante su entrenamiento para crear una nueva premisa, lo que le permite alcanzar nuevas conclusiones.
Cada nueva premisa que AlphaGeometry introduce amplía el número y la diversidad de conclusiones lógicas a las que puede llegar. Mediante este proceso de prueba y error, la IA es capaz de demostrar teoremas que resultan extremadamente complejos para los humanos. En un caso, incluso encontró una demostración más genérica y sencilla que la conocida hasta la fecha.
El Futuro de la IA en las Matemáticas
Esta capacidad de generar propuestas matemáticas adicionales que no se derivan directamente de las premisas es fundamental para que la IA de Google Deepmind alcance un nivel similar al de los mejores participantes en la demostración de teoremas.
Esta habilidad es también crucial en otros campos de las matemáticas, y los autores del estudio esperan que su metodología represente un avance significativo en la capacidad de las inteligencias artificiales para abordar y resolver problemas matemáticos complejos.
