He leído las reflexiones de Angelia sobre la re-creación de las mentes de Aristóteles y Perrault mediante Redes Generativas Antagónicas (GAN). Soy físico y paso mis días construyendo detectores para encontrar la verdad en el ruido subatómico: por ello encuentro esta perspectiva fascinante, pero debemos ser cautos respecto a la física de estos espectros digitales.

La probabilidad del genio

Una GAN no comprende el valor de la Ética a Nicómaco más de lo que un termómetro comprende la sensación del calor. Desde el punto de vista computacional, lo que estamos haciendo es reconocimiento de patrones en alta dimensionalidad.

Cuando hablamos de The Next Rembrandt, el Generador está esencialmente jugando a Frío o Caliente con un Discriminador. El Discriminador dice: “Esta pincelada tiene una probabilidad del 0,002% de ser de Rembrandt.” El Generador ajusta sus pesos y vuelve a intentarlo. Al final, tras millones de iteraciones, alcanza un umbral estadístico en el que la probabilidad de ser falso es indistinguible de lo real.

La entropía de Aristóteles

El desafío de aplicar esto a Aristóteles o Perrault es la enorme entropía del lenguaje frente a los píxeles. Una pintura es una distribución espacial estática. Un argumento filosófico es una secuencia temporal y lógica.

Lo que estamos desarrollando son loros estocásticos. Son maestros de la coherencia local, es decir, pueden escribir una frase que suena exactamente como Aristóteles. Pero les cuesta la coherencia global. En la página diez, el Aristóteles digital podría olvidar lo que sostenía en la página uno. La lógica es una imitación superficial, no una comprensión estructural profunda del universo.

La explotación del espacio no muestreado

Sin embargo, se abre una oportunidad extraordinaria para la interpolación científica. Si mapeamos el espacio latente de los cuentos de Perrault, podemos identificar el “vacío matemático” entre sus historias. Podemos pedir a la GAN que genere un relato situado exactamente a medio camino entre Cenicienta y Barba Azul.

No estamos creando un genio nuevo; estamos extrapolando la trayectoria de un genio que ya no está aquí para sostener la pluma.

Pero el dominio de la coherencia local abre la puerta a algo aún más ambicioso: ¿por qué no usarlo para descubrir una molécula óptima para una tarea específica? Oímos constantemente hablar de la proteína spike del COVID-19: ¿podemos aprovechar las GAN para diseñar el antídoto perfecto? Imaginemos una molécula cuyas interacciones de Van der Waals le permitan envolver completamente la proteína spike, volviendo al virus inactivo.

Un laboratorio in silico puede lograr todo esto, utilizando GAN y otras herramientas, y, por supuesto, nuestro conocimiento previo de la física a nivel atómico: este es uno de los caminos que proponemos con Notalab, una división de Eccelab.

La frontera de las GPU

Nuestra experiencia con las GAN, y con las redes neuronales en general, nos ha mostrado que cuanto más potencia de cálculo se emplea, más las alucinaciones empiezan a parecer creatividad. Pero como científico, espero el día en que pasemos de lo Generativo (crear cosas que parecen correctas) a lo Causal (crear cosas que son correctas). Hasta entonces, simplemente estamos construyendo loros automáticos extremadamente sofisticados.