Las matemáticas son aburridas.. Las Redes Neuronales resuelven ecuaciones avanzadas por vos!

Facebook AI ha creado el primer sistema de inteligencia artificial que puede resolver ecuaciones matemáticas avanzadas utilizando el razonamiento simbólico. Al desarrollar una nueva forma de representar expresiones matemáticas complejas como un tipo de lenguaje y luego tratar las soluciones como un problema de traducción para redes neuronales de secuencia a secuencia, Facebook AI creo un sistema que supera a los sistemas de computación tradicionales para resolver problemas de integración y ecuaciones diferenciales de segundo orden.

Anteriormente, este tipo de problemas se consideraba fuera del alcance de los modelos de aprendizaje profundo, porque resolver ecuaciones complejas requiere precisión en lugar de aproximación. Las redes neuronales se destacan en aprender a tener éxito mediante la aproximación, como reconocer que un patrón particular de píxeles es probable que sea la imagen de un perro o que las características de una oración en un idioma coincidan con las de otro. La resolución de ecuaciones complejas también requiere la capacidad de trabajar con datos simbólicos, como las letras en la fórmula b – 4ac = 7 y es por eso que hasta ahora, las redes neuronales se limitaron a problemas matemáticos extremadamente simples.

Solución

Tratar ecuaciones complejas como oraciones en un idioma. Esto permite aprovechar técnicas comprobadas en traducción automática neuronal (NMT), y de esta manera, los modelos «traducen» los problemas en soluciones. La implementación de este enfoque requirió desarrollar un método para dividir las expresiones matemáticas existentes en una sintaxis similar al lenguaje, así como generar un conjunto de datos de entrenamiento a gran escala de más de 100 millones de ecuaciones y soluciones emparejadas.

Aunque puede que no parezca un lenguaje tradicional, la organización de expresiones de esta manera proporciona una sintaxis similar al lenguaje para las ecuaciones: los números y las variables son sustantivos, mientras que los operadores actúan como verbos. Este enfoque permite que un modelo NMT aprenda a alinear los patrones de un problema estructurado en árbol dado con su solución de coincidencia (también expresada como un árbol), similar a la coincidencia de una oración en un idioma con su traducción confirmada.

Siguientes pasos

El modelo actualmente trabaja en problemas con una sola variable. Facebook AI planea expandirlo a ecuaciones de variables múltiples. Este enfoque también podría aplicarse a otros campos basados en la matemática y la lógica, como la física, lo que podría conducir a un software que ayude a los científicos en una amplia gama de trabajos.

El sistema tiene implicaciones más amplias para el estudio y el uso de redes neuronales. Al descubrir una forma de utilizar el aprendizaje profundo donde antes se consideraba inviable, este trabajo sugiere que otras tareas podrían beneficiarse de la IA.

Dejar un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Accedé al descuento del15%

Suscribiéndote a Nuestro Newsletter, y recibí el cupón para tu inscripción.