Desde diversas disciplinas se ha intentado indagar en aquello que hemos dado por sentado desde hace décadas. Por ejemplo, que la realidad existe, y que es material y objetiva. Pero cada vez hay más pruebas de que lo que concebimos como realidad podría ser algo muy diferente. Un investigador del Laboratorio de Física del Plasma, de la Universidad de Princeton ha creado un algoritmo de Inteligencia Artificial, cuya mera existencia aumenta la probabilidad de que la realidad pueda resultar una simulación.

Hong Qin creó un algoritmo que emplea un proceso de Inteligencia Artificial llamado aprendizaje automático. Este, mejora el conocimiento de la red neuronal artificial de forma automatizada a través de la experiencia. El objetivo principal del algoritmo es predecir las órbitas de los planetas en el Sistema Solar, entrenándolo con datos reales de las órbitas de Mercurio, Venus, Tierra, Marte, Ceres y Júpiter.

algoritmo simulación realidad
James White

Descifrando las leyes planetarias

A partir de estos datos y gracias al aprendizaje automático, la red neuronal artificial puede predecir correctamente otras órbitas planetarias. Incluidas las órbitas de escape parabólicas e hiperbólicas. Incluso cuando ni siquiera se le han introducido los cálculos de las leyes de Kepler, la Inteligencia Artificial es capaz de descifrarlas por sí sola.

Qin quiere llevar su creación a otro nivel y está adaptándola para predecir y controlar otros comportamientos, como el del plasma que alimenta las instalaciones de fusión diseñadas para cosechar en la Tierra, la fusión. Esta última es la energía que en el espacio nutre las explosiones del Sol y las estrellas.

Simulación de la realidad algoritmo
fesq.project

El mismo científico explica que su proyecto está cambiando el enfoque con el que se trabaja usualmente cuando se trata de ciencia:

“Por lo general, en física, haces observaciones, creas una teoría basada en esas observaciones y luego usas esa teoría para predecir nuevas observaciones. Lo que estoy haciendo es reemplazar este proceso con un tipo de caja negra que puede producir predicciones precisas sin usar una teoría o ley tradicional. Esencialmente, pasé por alto todos los ingredientes fundamentales de la física. Paso directamente de los datos a los datos (…) No hay una ley de la física en el medio”.

¿Simulación o realidad?

Pueden que el algoritmo que Qin está desarrollando sea una posible comprobación de que la realidad es de hecho, una simulación. Su inspiración la halló en la filosofía del sueco Nick Bostrom, quien argumenta que el mundo en el que vivimos puede ser una simulación artificial, algo así como la película The Matrix.

El algoritmo no se basa en predicciones precisas por accidente “Hong enseñó al programa el principio subyacente utilizado por la naturaleza para determinar la dinámica de cualquier sistema físico”, explica Joshua Burby, estudiante de Qin. Estaríamos frente a una Inteligencia Artificial capaz de aprender las leyes de la física, por sí sola. Y que su creador piensa, que el éxito del algoritmo podría significar que vivimos una simulación. 

realidad aumentada

El proyecto de predicciones complejas utiliza el enfoque de la “teoría de campos discretos”. En realidad, es un sistema intrincado y complicado de comprender. Él mismo explica que “una teoría de campo discreto puede verse como un marco algorítmico con parámetros ajustables que se pueden entrenar utilizando datos de observación”. Añadió que “una vez entrenada, la teoría de campo discreto se convierte en un algoritmo de la naturaleza que las computadoras pueden ejecutar para predecir nuevas observaciones”.

algoritmo simulación
fesq.project

Hong piensa que la física con la que comprendemos el mundo real representa un obstáculo y que si las leyes de la física se basaran en un espacio-tiempo discreto, muchas dificultades teóricas serían más fáciles de superar. Mientras tanto, tendremos que seguir explorando no sólo con afanes científicos, sino incluso filosóficos y hasta pragmáticos, que nos puedan ayudar a repensar el mundo y las formas como lo habitamos.

Referencias: 
Qin, H. Machine learning and serving of discrete field theories. Sci Rep 10, 19329 (2020). DOI

Sigue leyendo: ¿Simulación tecnológica o mental? En busca del origen de la realidad