Con los avances en inteligencia artificial y deep learning parecería que resolver una ecuación sería fácil, pero no lo es, y Facebook lo ha logrado
29.12.2019 • 15:23hs • Cuentas inteligentes
Cuentas inteligentes
Resolver ecuaciones matemáticas: así ha aprendido a hacerlo una inteligencia artificial de Facebook
/https://assets.iproup.com/assets/jpg/2019/12/7689.jpg)
Uno de los desafíos a los que se enfrentan los desarrolladores de inteligencia artificial es que sus sistemas sean capaces de aprender y deducir todo tipo de operaciones.
Pero hasta ahora, por más que con una simple calculadora o programa ad-hoc se puede hacer, los sistemas artificiales no son lo mejor para lograrlo, hasta el punto que una inteligencia artificial de DeepMind no fue capaz de superar una prueba que consistía en sumar 1+1+1+1+1+1+1, pero ahora Facebook parece haberlo conseguido.
En un artículo, Guillaume Lample y François Charton, investigadores de Facebook AI Research, han conseguido que una inteligencia artificial resuelva ecuaciones complejas en las que intervienen símbolos, por ejemplo, y=4x2-8x6. Lo han hecho entrenando a una red neuronal para que sea capaz de integrar símbolos y resolver ecuaciones diferenciales.
Entender lo que hay detrás de los símbolos
Como cualquier persona con conocimientos básicos de matemáticas sabrá, la mayoría de ecuaciones se expresan usando abreviaturas. "cos" es coseno, x2 es x multiplicado por x, y así sucesivamente. El logro de los investigadores de Facebook AI Research ha sido conseguir que la inteligencia artificial entienda dichas abreviaturas haciéndolas más básicas y construyendo árboles de expresión.
Los investigadores ponen los siguientes ejemplos. 2+3x(5+2) y 3x2+cos(2x)-1 se pueden expresar así o se pueden simplificar para hacerlas más sencillas. Según los investigadores, representar las fórmulas en forma de árbol desambigua el orden de las operaciones, elimina la necesidad de usar paréntesis y mejora la compresión de las operaciones. En otras palabras, usando este método las fórmulas se convierten en secuencias, y eso es más fácil de manejar para una inteligencia artificial.
Estas secuencias se procesan usando un modelo seq2seq, que es el que se usa en los sistemas de traducción automática. Con un ejemplo se entiende mucho mejor. 2+3x(5+2) son, realmente, tres secuencias. Siguiendo la jerarquía de las matemáticas, primero se suman 5+2, luego eso se multiplica por tres y luego a eso se le suman 2. Si la inteligencia artificial aprende a identificar esos patrones, puede simplificar las expresiones y resolverlas.
Con eso claro, el modelo estaba listo para ser entrenado. Los investigadores crearon un dataset con expresiones de hasta 15 nodos internos (15 ramificaciones), cuatro operadores binarios (suma, resta, multiplicación y división) y quince operadores unarios (exp, log, sin, cos, tan....). Tras filtrar los resultados para eliminar cualquier expresión que no se pudiera integrar, se consiguió un dataset de 80 millones de ecuaciones diferenciales de primer y segundo grado y 20 millones de expresiones integradas por partes.
La inteligencia artificial aprendió a resolverlas, ergo aprendió a derivar e integrar una expresión matemática compleja. Finalmente, la inteligencia artificial se puso a prueba con un 5.000 expresiones que no conocía y se compararon sus resultados con los obtenidos por Maple, Matlab y Mathematica, tres softwares que cualquiera puede usar para los mismos fines.
Los resultados son que el modelo desarrollado por los investigadores de Facebook obtiene una precisión cercana al 100% en tareas como la integración de funciones, mientras que Mathematica se queda en un 85%. Además, los programas mencionados anteriormente no consiguen solucionar las ecuaciones tras 30 segundos de cálculo, mientras que la red neuronal de Facebook suele encontrar una solución precisa en menos de un segundo, en muchas ocasiones descubriendo varias soluciones equivalentes al mismo problema.
Poco a poco, la inteligencia artificial va mejorando su desempeño en matemáticas, y parece que este enfoque centrado en simplificar las ecuaciones y hacerlas "comprensibles" funciona. De hecho, un enfoque similar fue el que siguió Google cuando a principios de año desarrolló una inteligencia artificial capaz de demostrar más de 1.200 teoremas matemáticos. El hito no es tanto que la inteligencia artificial sepa matemáticas, sino que, de alguna forma, es capaz de desarrollar una suerte de razonamiento matemático, indicó Xataka.
