Publicado el 16 de enero de 2024 Actualizado el 14 de enero de 2026
En marzo de 2016, la inteligencia artificial AlphaGo de DeepMind derrotó de forma inequívoca al entonces campeón de Go, el coreano Lee Sedol. La cuestión de cómo sería útil algún día una inteligencia artificial experta en Go no estaba oficialmente en el orden del día, pero la experiencia desarrollada no iba a permanecer sin explotar durante mucho tiempo.
Para quienes no estén familiarizados con los principios del juego del Go, cada jugador intenta rodear las piezas de su oponente. A medida que cada jugador coloca una pieza por turno, la forma en que se disponen las piezas representa la esencia de la estrategia, ya que cada forma dibujada por las piezas tiene propiedades diferentes. Una línea, una T, una U, todas tienen ventajas diferentes según la ubicación y la vecindad.
En el mundo de los átomos y las moléculas, los constituyentes de un material pueden ser los mismos, pero su disposición e interrelación dan lugar a propiedades diferentes. Mientras que el juego del Go se desarrolla en un plano bidimensional con dos elementos diferentes, el mundo material es tridimensional y está formado por cerca de 100 átomos diferentes y millones de moléculas, cada una de las cuales tiene una masa, una carga, una forma y unas características que dan lugar a propiedades, afinidades y comportamientos particulares, únicos para cada combinación.
Los compuestos estables constituyen la mayor parte de la materia que conocemos.
Por ejemplo, el cloruro sódico (NaCl, la sal) es un compuesto que cristaliza con facilidad y se disuelve con la misma facilidad; es un compuesto común en nuestras condiciones. Compuestos tan simples como el carbono pueden organizarse de muchas formas diferentes para dar lugar a materiales tan comunes como el grafito, tan raros como el diamante o tan sofisticados como el grafeno o los fullerenos. Las combinaciones complejas, como las que forman la base del cemento (ácido silícico, alúmina, óxido de hierro y cal), están formadas por moléculas estables cuyas interacciones determinan las propiedades del producto final.
En resumen, de los billones de billones de formas en que pueden combinarse átomos y moléculas, sólo un cierto número puede producir compuestos estables, y de éstos, aún menos poseen características específicas como conductividad, elasticidad, magnetismo, solidez, resistencia, etcétera.
El reto de la investigación de materiales consiste en determinar primero si una combinación de átomos será estable y luego tratar de predecir sus propiedades.
Utilizando datos sobre los 40.000 materiales conocidos y teorías existentes como la teoría funcional de la densidad (DFT), GNoME, una inteligencia artificial desarrollada por DeepMind, la misma empresa que está detrás de AlphaGo y AlphaFold, la base de datos de proteínas, se entrenó a sí misma y luego modeló más de 2,2 millones de cristales potenciales, lo que a la velocidad de la investigación hasta la fecha habría llevado unos 600 años.
De estos 2,2 millones de cristales, la inteligencia artificial determinó que unos 421.000 serían lo suficientemente estables como para sintetizarlos, y 738 de ellos se sintetizaron realmente, con propiedades que coincidían con las predicciones en un 80% aproximadamente. Frente al 33% de los mejores casos hasta la fecha o el 1% de hace no tanto tiempo, se trata de un hecho sin precedentes que abre perspectivas desestabilizadoras. La IA aún no tiene en cuenta los efectos de estos hipotéticos compuestos sobre el medio ambiente, la salud o la vida. ¿Proporcionará con el tiempo las fórmulas para su reciclaje o recuperación?
De momento, la Inteligencia Artificial se limita a compuestos que no contienen más de 5 tipos de átomos y a estrategias de sustitución, estimación de niveles de energía de enlace y formas estructurales. A medida que avanza el aprendizaje, se acumulan cada vez más datos y otros enfoques más atrevidos aumentarán radicalmente el número de posibilidades. Suficiente para mantener ocupada a toda la industria durante muchos años.
En la historia de la Inteligencia Artificial y el juego del Go, en 2023, Kellin Pelrine, un estudiante de doctorado en Aprendizaje Automático de la Universidad McGill, venció a AlphaGo por 14 partidas a 1 simplemente estudiando la forma de trabajar de AlphaGo y utilizando una estrategia de confusión (recomendada por otra Inteligencia Artificial), una estrategia que cualquier humano habría detectado inmediatamente.
GNoME tiene limitaciones similares, y su potencial solo mejora con la intervención humana para proporcionarle teorías, datos y objetivos que perseguir. Es una herramienta extraordinaria cuyos límites somos capaces de reconocer... y superar.
Referencias
Ampliación del aprendizaje profundo para el descubrimiento de materiales
https://www.nature.com/articles/s41586-023-06735-9
Millones de nuevos materiales descubiertos con aprendizaje profundo - Amil Merchant y Ekin Dogus Cubuk - DeepMind
https://deepmind.google/discover/blog/millions-of-new-materials-discovered-with-deep-learning/
AphaFold - https://alphafold.ebi.ac.uk/
Grafeno - https://fr.wikipedia.org/wiki/Graph%C3%A8ne
Kellin Pelrine - https://www.linkedin.com/posts/kellin-pelrine_kellin-pelrine-how-he-crushed-a-superhuman-activity-7073179974484021248-hr_F/
Una inteligencia artificial pierde una partida de go contra un humano (ayudada por una IA)
https://www.20minutes.fr/high-tech/4024717-20230221-intelligence-artificielle-perdu-jeu-go-face-humain-aide-ia
Art of Go - Reglas del juego del Go - https://artdugo.fr/regles-du-jeu-de-go/
Más información sobre esta tecnología
También te puede gustar:
El futuro de los megadatos, los datos masivos, el "Big data"
Desde hace media década, el big data forma parte de la realidad digital. ¿Qué futuro podemos prever con su creciente uso? ¿Y si la educación la utilizara como fuente pedagógica o para ofrecer un seguimiento personalizado a cada alumno?
La fuerza de la humanidad ha sido su capacidad de adaptación. Hacer frente al cambio climático
Los medios de comunicación y las personalidades políticas comparten con frecuencia previsiones sobre el clima futuro, que pueden suscitar legítimas inquietudes. ¿Cómo responder a la ansiedad ecológica de los jóvenes?
test Test
Razones por las que no podemos desaprender y razones por las que no podemos aprender
Evaluación en las escuelas primarias
Reducir el estrés durante la evaluación significa optar por la evaluación formativa.
Indagación, diálogo y confrontación: las nuevas palancas del pensamiento crítico en la formación
Los adultos se enfrentan a una inflación de información sin precedentes, a discursos de expertos que compiten entre sí y a dispositivos digitales cuya lógica sigue siendo opaca. El pensamiento crítico es esencial para que puedan hacer frente a los errores de los algoritmos. ¿Qué métodos pedagógicos son los más adecuados?
Superprof: la plataforma para encontrar los mejores profesores particulares en España.
