Facebook entrena a una inteligencia artificial capaz de resolver ecuaciones

A los algoritmos se les da bien sumar, restar y multiplicar n¨²meros enteros, pero hacer operaciones matem¨¢ticas como las ecuaciones diferenciales o las integrales todav¨ªa es un reto para ellos. Al menos, para la mayor¨ªa de ellos. Los investigadores de Facebook AI Research en Par¨ªs (Francia) han conseguido desarrollar un algoritmo capaz de hacerlo en solo unos segundos. Por primera vez, han entrenado a una red neuronal para que sea capaz de hacer el razonamiento simb¨®lico necesario para diferenciar e integrar las expresiones matem¨¢ticas. "Su trabajo supone un importante paso hacia un razonamiento matem¨¢tico m¨¢s potente y una nueva forma de aplicar las redes neuronales m¨¢s all¨¢ de las tareas tradicionales de reconocimiento de patrones", asegura la publicaci¨®n MIT Technology Review.

M¨¢s informaci¨®n

¡°Compa?¨ªas de todo el mundo siguen usando t¨¢cticas como las que emple¨¢bamos en Cambridge Analytica¡±

Una nueva red social m¨¢s adictiva que Facebook

Las redes neuronales son capaces de realizar de forma muy eficiente tareas diversas bas¨¢ndose en habilidades concretas como el reconocimiento de patrones, de rostros y objetos, el an¨¢lisis de datos, ciertos tipos de procesamiento del lenguaje natural e incluso juegos como el ajedrez. Pero hasta ahora, nadie hab¨ªa sido capaz de entrenarlas para resolver problemas matem¨¢ticos complejos.

Una de mayores las dificultades con las matem¨¢ticas, tanto para humanos como para m¨¢quinas, son las abreviaturas que se usan. "Por ejemplo, la expresi¨®n x³ es una forma abreviada de escribir x multiplicado por x multiplicado por x. En este ejemplo, la multiplicaci¨®n es la abreviatura de la suma repetida, que es en s¨ª misma la abreviatura del valor total de dos cantidades juntas", explican en MIT Technology Review. Si las redes neuronales no entienden estas abreviaturas, hay pocas posibilidades de que aprendan a usarla. Lo mismo pasa con las personas.

As¨ª que los investigadores Guillaume Lample y Fran?ois Charton han ideado una forma simple de descomponer las abreviaturas matem¨¢ticas para que sean m¨¢s comprensibles. Lo han hecho representando las expresiones como estructuras en forma de ¨¢rbol. De esta manera, los datos pueden ser procesados por una red llamada Seq2seq. "Curiosamente, este enfoque a menudo se usa tambi¨¦n para la traducci¨®n autom¨¢tica, donde una secuencia de palabras en un idioma tiene que traducirse a una secuencia de palabras en otro idioma". De hecho, Lample y Charton subrayan que su enfoque b¨¢sicamente trata las matem¨¢ticas como un lenguaje natural.

La siguiente fase consisti¨® en el proceso de entrenamiento. Los investigadores recopilaron una gran base de datos: 80 millones de ejemplos de ecuaciones diferenciales de primer y segundo grado y 20 millones de ejemplos de expresiones integradas. Al procesar este conjunto de datos, la red neuronal aprendi¨® a calcular la derivaci¨®n o integral de una expresi¨®n matem¨¢tica dada. Al final, Lample y Charton pusieron a prueba su red neuronal con 5.000 expresiones que nunca antes hab¨ªa visto y compararon los resultados creados en 500 casos con los de los programas disponibles comercialmente, como Maple, Matlab y Mathematica.

Estos programas utilizan un algoritmo de 100 p¨¢ginas solo para integraci¨®n. En muchos casos, los programas convencionales no pueden encontrar ninguna soluci¨®n, despu¨¦s de intentarlo durante 30 segundos. En comparaci¨®n, la red neuronal tarda aproximadamente un segundo en encontrar sus soluciones. Charton detalla: "En todas las tareas, observamos que nuestro modelo supera significativamente a Mathematica. En la integraci¨®n de funciones, nuestro modelo obtiene una precisi¨®n cercana al 100 %, mientras que Mathematica apenas alcanza el 85%".

"Hasta donde sabemos, ning¨²n estudio ha investigado la capacidad de las redes neuronales para detectar patrones en las expresiones matem¨¢ticas", explica Charton. El resultado tiene un enorme potencial, seg¨²n el MIT, aunque los investigadores no han revelado los planes de Facebook para este enfoque. "Pero no es dif¨ªcil ver c¨®mo podr¨ªa ofrecer su propio servicio de ¨¢lgebra simb¨®lica que supere a los l¨ªderes actuales del mercado".