La primera simulación del universo creada con Inteligencia Artificial es tan precisa y compleja que ni sus creadores entienden muy bien cómo funciona

• Un equipo de científicos ha creado por primera vez una simulación tridimensional del universo con inteligencia artificial. 
• D3M ofrece resultados en menos tiempo y más precisos que cualquier otro modelo. 
• Además, es capaz de predecir qué ocurrirá cuando se introducen variaciones en las que nunca ha sido entrenado, lo que es un misterio para sus propios creadores. 
• Descubre más historias en Business Insider.

Un grupo de astrofísicos del Centro de Astrofísica Computacional del Instituto Flatiron, en Nueva York ha creado por primera vez un simulación en 3D del universo utilizando inteligencia artificial, un proyecto que han bautizado como D3M.  

Es una de las simulaciones más rápidas, capaz de ofrecer resultados en 30 milisegundos y con un error relativo de 2,8 por ciento. En otros modelos, las simulaciones tardan como mínimo dos minutos  y la mayor precisión registrada ofrecía un error relativo del 9,3 por ciento, según explica el estudio, publicado en Proceedings of the National Academy of Sciences.

D3M se utiliza, como otros modelos de simulación en este campo, para conocer las variaciones que sufre el universo en determinadas circunstancias. En concreto, los científicos han diseñado esta simulación centrándose en la gravedad, "la fuerza más importante cuando se trata de la evolución a gran escala del cosmos", según explica el comunicado. 

Leer más: 7 grandes obstáculos para la colonización del universo según la mayor investigación de la NASA sobre los efectos de vivir en el espacio

Para ello, D3M fue entrenado con más de 8.000 simulaciones del modelo de más alta precisión que había disponible, hasta conseguir ofrecer resultados mucho mejores que los de sus predecesores. 

Para los científicos, la verdadera sorpresa fue que el algoritmo era capaz de ofrecer resultados precisos cuando algunos parámetros eran modificados, y eso sin haber obtenido entrenamiento anterior en dichas variaciones. 

"Es como enseñar software de reconocimiento de imágenes con muchas fotos de perros y gatos, pero que luego sea capaz de reconocer elefantes", explica Shirley Ho, co autora del estudio. "Nadie sabe cómo lo hace, y es el gran misterio a resolver", añade.

Para Ho, el misterioso comportamiento del modelo, capaz de ofrecer resultados correctos con datos en los que no había sido entrenado supone un puente entre la ciencia y el deep learning. "Podemos ser un campo de juego interesante para que que el machine learning vea por qué este modelo extrapola tan bien, por qué extrapola a los elefantes en lugar de simplemente reconocer a los perros y a los gatos", dice.