Avances en inteligencia artificial: herramientas que resuelven problemas matemáticos complejos, mejoran la educación y optimizan procesos empresariales

En el panorama actual de la inteligencia artificial (IA), diversas investigaciones están demostrando cómo esta tecnología puede transformar disciplinas fundamentales como las matemáticas, la educación y los procesos empresariales. Desde el desarrollo de herramientas avanzadas que desentrañan problemas matemáticos complejos hasta aplicaciones prácticas en la enseñanza y la optimización empresarial, los avances recientes ofrecen un vistazo al futuro de la colaboración entre humanos y máquinas.

Según un estudio publicado en New Scientist, el equipo Fundamental AI Research (FAIR) de Meta, liderado por François Charton, presentó una herramienta denominada PatternBoost diseñada para abordar problemas matemáticos de alta complejidad que habían permanecido sin resolver durante décadas. Esta herramienta opera mediante un sistema de búsqueda local aleatoria que genera soluciones iniciales prometedoras. Estas soluciones son luego analizadas por un modelo de IA basado en algoritmos de transformadores, que mejora las propuestas originales y retroalimenta el proceso hasta obtener resultados óptimos.

Los investigadores aplicaron PatternBoost a problemas de combinatoria extremal, como el conocido “no-sphere problem”, y lograron descubrir una solución previamente desconocida que sorprendió incluso a los expertos. Aunque el estudio se enfocó en problemas específicos, sus creadores consideran que podría ser útil en otros campos de las matemáticas. Jordan Ellenberg, colaborador en este proyecto desde la Universidad de Wisconsin-Madison, destacó a New Scientist, que aún se desconoce el alcance total de esta tecnología, pero se abre una puerta para abordar problemas matemáticos más amplios.

En el ámbito educativo, una investigación liderada por la Universidad de Stanford y publicada en MIT Technology Review explora cómo la inteligencia artificial puede mejorar la enseñanza personalizada. El sistema Tutor CoPilot, basado en el modelo GPT-4, se integró a la plataforma virtual FEV Tutor para proporcionar apoyo a tutores que trabajan con estudiantes de comunidades históricamente desatendidas.

Durante el estudio, se analizó el impacto del sistema en sesiones de tutoría con estudiantes de entre 5 y 13 años. Los resultados mostraron que los estudiantes cuyos tutores usaron esta herramienta tenían un 66% de probabilidad de aprobar evaluaciones clave, en comparación con el 62% de aquellos cuyas tutorías no contaban con este apoyo. Este avance, que permite a los tutores identificar errores de los estudiantes y fomentar un aprendizaje más profundo, ha sido bien recibido por expertos.

Mina Lee, de la Universidad de Chicago, destacó a New Scientist, que el sistema optimiza la relación entre tutores y estudiantes y reduce los costos de formación docente, estimados en 20 dólares por tutor anualmente.

Por otro lado, un artículo del Instituto de Tecnología de Massachusetts (MIT, por sus siglas en inglés) analiza el papel complementario entre la inteligencia artificial generativa y los análisis predictivos en el ámbito empresarial. Si bien los modelos de lenguaje como GPT-4 han capturado la atención por sus capacidades de generación de texto y comprensión del lenguaje natural, el MIT subraya la necesidad de equilibrar los recursos destinados a estas tecnologías y los análisis avanzados tradicionales, que son cruciales para procesos como la optimización de cadenas de suministro o la predicción de comportamiento del cliente.

Según los investigadores, los modelos generativos pueden enriquecer los análisis predictivos al integrar fuentes de datos no estructurados y traducir problemas empresariales en modelos matemáticos más comprensibles. No obstante, recalcan la importancia de monitorear y verificar los resultados, dado que estos modelos aún pueden generar información errónea si no son adecuadamente supervisados. Este enfoque híbrido podría ofrecer a las empresas herramientas más robustas para la toma de decisiones basadas en datos.