Un algoritmo de machine-learning inspirado en la estructura del cerebro y entrenado en el estudio de la física&nbsp;determinó que,&nbsp;de acuerdo a&nbsp;cómo aparecen los movimientos del Sol y Marte desde la Tierra, el Sol debe ubicarse en el centro del Sistema Solar; interrogante que a los astrónomos les llevó siglos resolver. 
<div style="text-align:center"> 
 <figure class="image" style="display:inline-block"> 
 <img alt="" data-height="450" data-size="w:1566,h:881" data-width="800" hspace="5" src="https://assets.dev-filo.dift.io/img/2019/11/11/180131-francis-planets-lede_jml5fr.jpg_674994428.jpg" title="" vspace="5"> 
 <figcaption>
 Planetas del Sistema Solar. 
 </figcaption> 
 </figure> 
</div> 
El primer modelo astronómico en entrar en vigencia fue aquel propuesto en&nbsp;el&nbsp;siglo&nbsp;II d. C. por el matemático griego Ptolomeo y postulaba a la Tierra como el centro del universo.&nbsp;Ya en el siglo XVI esta teoría geocéntrica sería reemplazada por el heliocentrismo,&nbsp;modelo presentado por Nicolás Copérnico que, en oposición al primero, describe cómo&nbsp;la Tierra y los planetas giran alrededor del Sol en el centro del Sistema Solar&nbsp;y que marcaría&nbsp;el inicio de lo que hoy se conoce como revolución copernicana. 
En este <a href="https://journals.aps.org/prl/accepted/9e07eY09T2e1fd7f88ae46166090ef41fa6ad4c34" target="_blank">trabajo</a>,&nbsp;publicado en la Sociedad Americana de Física bajo el título "Descubriendo conceptos físicos con redes neuronales", los investigadores buscaban&nbsp;diseñar un algoritmo que pudiera resumir grandes conjuntos de datos en algunas fórmulas básicas; de la misma manera en que Einstein, por ejemplo, sintetizó sus observaciones en ecuaciones como E=mc2. 
<div style="text-align:center"> 
 <figure class="image" style="display:inline-block"> 
 <img alt="" data-height="450" data-size="w:1280,h:720" data-width="800" hspace="5" src="https://assets.dev-filo.dift.io/img/2019/11/11/einstein__1280x720.jpg_674994428.jpg" title="" vspace="5"> 
 <figcaption>
 Albert Einstein. 
 </figcaption> 
 </figure> 
</div> 
Las redes neuronales convencionales lo que hacen es, a partir de la información que se les proporciona, descubrir patrones y/o características generales;&nbsp;pero el inconveniente es que estas algunas veces son muy difíciles de interpretar.&nbsp; 
Por eso esta vez&nbsp;los investigadores fueron un poco más allá: desarrollaron una especie de red neuronal "lobotomizada" que consistía de&nbsp;dos subredes conectadas entre sí. Por un lado se tenía una subred típica que "aprendía" de los datos a su disposición —como la descrita arriba—;&nbsp;por otro, una segunda subred&nbsp;usaría esa "experiencia" para hacer y probar nuevas predicciones. 
Esto permitiría un proceso similar al de&nbsp;un profesor que le transmite&nbsp;sus conocimientos adquiridos a un estudiante, según describe&nbsp;el físico y autor del paper Renato Renner. 
De esta manera,&nbsp;la red neuronal&nbsp;ideó fórmulas al estilo de Copérnico para la trayectoria de Marte redescubriendo&nbsp;el modelo heliocéntrico del universo. 
<div style="text-align:center"> 
 <div class="ckeditor-em" style="display: inline-block;"> 
 <iframe allowfullscreen class="giphy-embed" frameborder="0" height="320" src="https://giphy.com/embed/xT0xeJpnrWC4XWblEk" width="480"></iframe> 
 &nbsp; 
 </div> 
</div> 
Estas demostraciones son importantes porque pueden ayudar a&nbsp;comprender y mantener el ritmo de fenómenos de la mecánica cuántica&nbsp;cada vez más complejos. Renner y su equipo esperan desarrollar otra versión de la red que sea capaz no solo de interpretar datos sino también proponer nuevos experimentos para probar sus hipótesis.

nicolas-copérnico

Al igual que Copérnico, una AI descubre que la Tierra orbita alrededor del Sol

¡No te pierdas las últimas noticias!

nicolas-copérnico

Al igual que Copérnico, una AI descubre que la Tierra orbita alrededor del Sol