El modelo imita el proceso científico humano al construir de forma incremental una base de conocimientos de conceptos y leyes, afirma Yan-Qing Ma, físico de la Universidad de Pekín que ayudó a desarrollar el sistema. Ser capaz de identificar conceptos útiles significa que el sistema puede descubrir potencialmente conocimientos científicos sin necesidad de una programación previa por parte de los humanos, añade Ma. Utiliza regresión simbólica con la que el modelo busca la mejor ecuación matemática para representar los fenómenos físicos.
|
etiquetas: ia , ai , newton , bruto , fisica , descubrimiento , leyes , nature , ecuacion
Por si acaso, no tiene absolutamente nada que ver con la IA generativa.
Por ejemplo tomas la permitividad eléctrica del espacio y la permeabilidad magnética, y a partir de esos símbolos conoces la velocidad de la luz.
No son símbolos, son conceptos. Lo que pasa es que en la lógica formal, para poder usar un símbolo necesitas asignarle un concepto.
Este es el problema de la IA generativa. No es capaz de hacer razonamientos porque para ello son necesarios los conceptos, algo que no tiene. Sólo tiene palabras. Aunque le metieras dentro una ontología, no puedes hacer una paralelismo entre eso y los… » ver todo el comentario
Respecto a la IA generativa, primero deberíamos saber bién qué es razonar. Lo que observamos es que modelos matemáticos que intentan simular el cerebro biológico muestran comportamientos que si los hace un humano decimos, sin lugar a dudas, que está razonando.