Inteligencia Artificial para predecir la forma del Universo

La aplicación de la inteligencia artificial (IA) ha causado importantes avances en una variedad de sectores. Su enorme capacidad de procesamiento, entre otras características, la han convertido en una de las tendencias tecnológicas más relevantes. Sin embargo, al tiempo que esta tecnología cobra relevancia, también surgen interrogantes sobre su impacto. 

El propio Elon Musk, CEO de Tesla, ha mostrado su preocupación frente al avance imparable de la IA, mientras que otras figuras claves del sector opinan que su desarrollo permitirá mejorar el estilo de vida de todas las personas. 

En ese sentido, una función interesante de la inteligencia artificial sería, por ejemplo, la creación predictiva de un modelo del Universo. Algo que ha sido confirmado por investigadores de la Universidad Carnegie Mellon en Pensilvania.

En este artículo te contamos los usos más conocidos de la IA y los dilemas a los que se enfrenta esta nueva tecnología.

Inteligencia artificial para predecir el Universo

La noticia no es nueva, pero su impacto sigue produciendo eco hasta el día de hoy. En el mes de mayo del año pasado, la Facultad de Ciencias de la Universidad Carnegie Mellon publicó un completo artículo en donde contaba cómo sus investigadores habían encontrado una forma de predecir la forma del Universo.

Para ello usaron un algoritmo de aprendizaje automático que puede coger imágenes de baja resolución para luego reconstruir la imagen con una calidad excepcional.

Esto que suena muy sencillo en realidad no lo es. Para llegar a ese punto, los investigadores tuvieron que entrenar a una IA empleando sistemas de redes neuronales GAN. Un sistema que permite crear simulaciones de vastas regiones del Universo, utilizando un algoritmo que enfrenta a dos sistemas que tienen que competir por convencer al otro.

Uno de ellos genera las simulaciones y el otro intenta analizar si esas simulaciones calzan con las imágenes que tiene en su enorme base de datos. El resultado es una imagen de alta resolución de los huecos del Universo que el ser humano no puede mirar directamente.

¿Qué es GAN?

GAN es el nombre que reciben las Redes Generativas antagónicas. Un tipo de algoritmo de inteligencia artificial que funciona como un juego en donde una red neuronal compite con otra para generar imágenes o contenido nuevo.

Podemos usar un ejemplo sencillo para entenderlo. Supongamos que tenemos una red con infinidad de fotos de gatos en su base de datos. Por otro lado, tenemos una red que genera imágenes de gatos que no existen en ninguna foto.

En este punto, el sistema que produce gatos digitales intenta colar como real sus gatos, mientras que la otra red discrimina y rechaza cualquiera que no cumpla con los requisitos de lo que debería ser un gato real según su base de datos.

A medida que ambas redes, la antagónica y la generadora, compiten, van mejorando hasta que llega un momento en que la generadora se hace tan buena que produce una imagen de un gato digital que es aceptada. Literalmente, cuela su resultado en el otro sistema.

En este caso, el gato digital que es aceptado, podría representar esa imagen de alta resolución que se obtiene de algunas áreas del Universo. Es decir, una imagen completamente realista y que contiene todos los aspectos necesarios para ser reconocida como una imagen real.

El dilema de las redes GAN

La primera pregunta que surge cuando hablamos de redes GAN es si sus imágenes o resultados son reales. Es decir, podemos obtener imágenes completamente realistas del Universo, pero ¿son verdaderas o son inventadas?

Cabe señalar que la imagen ha sido producida por un algoritmo que, literalmente, quiere colar su resultado.

Es cierto que la imagen que se obtiene del Universo considera un montón de variables de lo que debería ser el espacio y su composición. Todo esto para crear una imagen predictiva, una simulación de lo que debería ser el espacio. Pero, sin lugar a dudas, sigue siendo una simulación.

Redes generativas antagónicas y Deepfake

Deepfake es el nombre que reciben algunos vídeos que han sido manipulados con el uso de inteligencia artificial. Específicamente, utilizando redes GAN. Esto permite la creación de escenas o discursos falsos dados por un personaje digital que no representa a la persona que aparece en ellos.

El caso más conocido de deepfake es el de un vídeo que circula hace un par de años en internet y en donde aparece el expresidente de Estados Unidos, Barack Obama, dando un discurso. Obviamente, el que aparece en el vídeo no es él, sino una imagen en movimiento que es el resultado de las últimas tecnologías de inteligencia artificial.

En este caso, como también en otros tipos de deepfake, la utilización de redes generativas antagónicas es clave. Tenemos, por un lado, un sistema que discrimina y revisa el contenido, mientras que otro hace todo lo posible por colar el contenido que acaba de generar.

El resultado son imágenes con un nivel de refinación tan alto que ni siquiera el sistema antagónico puede identificar. Misma tecnología utilizada en las deepfake cuya misión es, en el peor de los casos, la desinformación y ataque al honor de las personas usando imágenes falsas.

Volviendo a la exploración del espacio con ayuda de la IA

En el caso de la aplicación de redes GAN por parte de los investigadores de Carnegie Mellon, este proceso permitiría construir modelos sobre la formación de galaxias u otros eventos cosmológicos. Lo que no deja de ser un gran avance para entender y comprender en profundidad aquellas vastas áreas del espacio que no se pueden observar directamente.

Sin embargo, la investigación ha dejado claro que el contraste de las imágenes obtenidas por su sistema es algo esencial para el avance científico.

Es decir, las simulaciones predictivas no deben considerarse una base definitiva, sino una aproximación a la realidad que luego, con el tiempo, tendrá que ser verificada. Cuando tengamos la tecnología necesaria para revisar aquellas áreas que, por ahora, nos es imposible vislumbrar con la tecnología actual.

Mismo procedimiento que aplicaríamos sobre un contenido deepfake. Puede parecerse mucho a la realidad. Pero por muy increíble que sea su resultado, no podemos considerarlo un argumento o imagen definitiva.

Será necesario buscar fuentes, contrastar en profundidad, para concluir y diferenciar un contenido real y observable de una simulación creada de forma artificial.

Inteligencia artificial para mejorar la observación del cosmos

Más allá de los dilemas sobre la IA lo cierto es que su buen uso permite colaborar al estudio del Universo.

Ejemplo de ello es el proyecto llevado a cabo por unos astrónomos japoneses que utilizando el sistema de redes GAN lograron eliminar el ruido en los datos astronómicos que tenían.

Gracias a ello obtuvieron imágenes limpias, solventando problemas técnicos como la distorsión producida por la gravedad u otros fenómenos cósmicos. Todo esto les permitió confirmar la estructura de las galaxias de manera mucho más precisa, además de confirmar la influencia de la materia oscura.

El estudio fue publicado en el mes de abril del año pasado en la revista mensual de la Real Sociedad Astronómica.

Foto de NASA en Unsplash