Google DeepMind ha dado un paso crucial en el campo de la inteligencia artificial al demostrar que sus modelos no solo replican conocimiento existente, sino que pueden generar ideas genuinamente novedosas. Su último proyecto, AlphaEvolve, combina las capacidades de codificación de Gemini con técnicas evolutivas para diseñar algoritmos más eficientes que los creados por humanos. Entre sus logros destaca la mejora del algoritmo de Strassen, utilizado durante 56 años para cálculos matriciales, reduciendo la cantidad de operaciones necesarias. Además, ha optimizado tareas prácticas como la programación en centros de datos y el diseño de chips, áreas críticas para el desarrollo de la propia IA.
Pushmeet Kohli, líder de IA científica en DeepMind, describe a AlphaEvolve como un «agente de codificación sobrehumano» capaz de superar soluciones conocidas. Matej Balog, investigador del proyecto, enfatiza que, a diferencia de otros modelos cuyo output puede ser incierto, aquí se demuestra con precisión la novedad y eficacia de los algoritmos generados: «Puedes estar seguro de que no estaban en los datos de entrenamiento». Este avance desafía la noción de que la IA solo remezcla información previa y sugiere su potencial para la verdadera innovación.
Aunque expertos como Sanjeev Arora, de Princeton, señalan que las mejoras son modestas y aplicables a problemas específicos, resaltan que la metodología —basada en exploración sistemática— podría extenderse a otros campos. AlphaEvolve no trabaja en aislamiento: Josh Alman, de la Universidad de Columbia, destaca su capacidad para colaborar con científicos humanos, recibir ideas iniciales y refinarlas hasta producir resultados inesperados. Esto abre la puerta a una simbiosis entre la creatividad humana y la exploración algorítmica.
El proyecto se enmarca en una tradición de innovación de DeepMind. Herramientas como AlphaZero —que revolucionó estrategias en juegos como el ajedrez— y AlphaTensor —diseñadora de algoritmos matemáticos— ya habían mostrado destellos de originalidad. AlphaEvolve lleva esto más lejos al integrar evolución algorítmica y aprendizaje automático, sugiriendo que la IA podría, con el tiempo, abordar problemas más amplios y menos estructurados. Neil Thompson, del MIT, subraya que el verdadero impacto radicará en escalar estas capacidades para acelerar la innovación científica y tecnológica.
El éxito de AlphaEvolve plantea preguntas profundas sobre el futuro de la investigación. Si la IA puede generar conocimiento probadamente nuevo en áreas técnicas, ¿hasta dónde llegará su capacidad para resolver desafíos complejos? DeepMind ya vislumbra un horizonte donde los sistemas no solo optimizan tareas, sino que contribuyen activamente al descubrimiento.
Con información de: Wired en español.com
