geekzillos, AI4Science es el equipo de Microsoft que utiliza análisis de datos, inteligencia artificial y aprendizaje profundo para resolver los desafíos de la humanidad. Todo esto con el objetivo de transformar la ciencia en la próxima década. Esto permitiría a la humanidad encontrar nuevas sustancias y mejorar medicamentos, entre otros beneficios, ¡increíble! ¿no es así? Acá les contamos de qué se trata.
El equipo global de AI4Science, compuesto por expertos en aprendizaje automático, física cuántica, ingeniería de software y otras disciplinas, tiene como objetivo desarrollar nuevas herramientas para abordar los diversos desafíos que enfrenta la humanidad, como el descubrimiento de nuevos materiales y la mejora de medicamentos. Para lograr esto, es necesario ir más allá del aprendizaje automático y hacer más análisis de datos.
Los cuatro paradigmas de Jim Gray
A lo largo de la historia, se han producido descubrimientos a través de lo que el informático estadounidense Jim Gray llama los cuatro paradigmas: Los científicos pasan de la observación directa de los fenómenos naturales a la creación de modelos, como las teorías y leyes de Newton. Luego, las computadoras transformaron la ciencia, primero resolviendo ecuaciones más complejas y luego recopilando, almacenando y procesando grandes cantidades de datos.
Sin embargo, para Christopher Bishop, el nuevo director de AI4Science en Microsoft Research, el aprendizaje profundo será crucial durante la próxima década para cambiar la ciencia y permitirá, entre otras cosas, predecir fenómenos naturales a escala de tiempo y espacio. Lo que lleva a la humanidad al quinto paradigma del descubrimiento científico.
El aprendizaje profundo en Microsoft Research
Una forma de diferenciar el aprendizaje profundo del aprendizaje automático es la manera en la que se hace uso de los datos. En el aprendizaje automático se usa la información conocida para entrenar las propias redes neuronales que provienen de una solución numérica obtenida desde una ecuación fundamental para la ciencia. Éstas funcionan como simuladores del mundo natural y pueden usarse para fines como pronosticar el clima o modelar la colisión de galaxias.
Datos de entrenamiento
Pero desde la perspectiva del aprendizaje profundo, los detalles intermedios de una simulación pueden usarse como “datos de entrenamiento” en emuladores. Una vez entrenado, dicho emulador puede realizar nuevos cálculos en menor tiempo y con alta eficiencia.
Si bien todavía queda un largo camino por recorrer antes de que los simuladores se pongan al día pronto, el impacto potencial del aprendizaje profundo podría conducir al descubrimiento no solo de nuevos materiales y mejores fármacos, sino también a la creación de nuevas sustancias. Así como, desarrollo de sustratos para capturar el dióxido de carbono atmosférico y búsqueda de materiales alternativos para usarlos como baterías y que generen una menor cantidad de desechos.
Así es como Microsoft y su equipo global de científicos de IA4Science trabaja para alcanzar el quinto paradigma científico que representa una de las fronteras más emocionantes para el aprendizaje automático, así como para las ciencias naturales, encontrando soluciones a muchos desafíos a nivel mundial. ¿Están emocionados por lo que nos espera en el futuro con AI4Science? ¡Es una forma optimista de verlo!
Si quieren leer más noticias sobre tecnología y ciencia, sólo tienen que activar las notificaciones de geekzilla.tech.
