Grandes científicos y pensadores a lo largo de toda la historia de nuestra humanidad han conseguido desentrañar esos misterios que parecían ocultos, viniéndonos a la cabeza algunos como Isaac Newton o bien Albert Einstein.

De hecho, estos grandes físicos y pensadores nos han ayudado a explicar, no solo el origen y el funcionamiento de nuestro planeta, sino también nos han ayudado a predecir con precisión el movimiento de otros planetas, la Luna y distintos objetos celestes.

Y ahora un conjunto de investigadores han entrenado con éxito una inteligencia artificial para que piense como grandes científicos e investigadores como los mencionados Albert Einstein o bien Isaac Newton.

Así lo han conseguido científicos del Forschungszentrum Jülich que para entrenar a la IA utilizaron una red neuronal para mapear comportamientos complejos con cierta precisión y todo en un sistema más simple.

Luego la inteligencia artificial hizo todo esto simplificando interacciones complejas entre varios componentes del sistema.

El equipo hizo uso de un sistema simplificado para crear un mapa inverso con esta inteligencia artificial ya entrenada. Este sistema, mientras pasó de componentes simples a más complejos, pudo desarrollar distintas teorías.

Lo que querían básicamente con este comportamiento, es que la inteligencia artificial fuera similar a un físico real a la hora de plasmar distintos enfoques.

Para dar a conocer este nuevo modelo, primero querían dejar bien claro en qué se diferencia su modelo de inteligencia artificial de otros que ya conocemos en el mercado.

Para ello investigaron cómo las estructuras más pequeñas de distintos escritos a mano se componen de interacciones entre píxeles. Así que con ayuda de esta IA pudieron teorizar sobre los grupos de píxeles más brillantes que contribuían a la forma del número escrito a mano.

Gracias a la inteligencia artificial, se permitió estudiar una gran cantidad de interacciones al mismo tiempo. Así que la diferencia entre este sistema y otros es cómo se entrena.

En general estos modelos aprenden la teoría de los datos utilizada para entrenarlos. En lugar de utilizar el enfoque general, han extraído la teoría aprendida por el ordenador y el lenguaje que utiliza para explicar las interacciones entre los componentes del sistema.

Esto luego puede usarse para construir un nexo entre el funcionamiento de la IA y las teorías que los humanos pueden entender.