Los científicos han enfrentado durante mucho tiempo un rompecabezas fundamental: cómo aprender las reglas ocultas del universo cuando solo pueden ver los resultados. Imagine mirar una sombra en una pared e intentar averiguar la forma exacta del objeto que la proyecta. En campos que van desde la astronomía hasta la física de partículas, los investigadores observan datos —luz de estrellas distantes, colisiones de partículas subatómicas o patrones en la atmósfera— y deben trabajar hacia atrás para deducir las propiedades que los crearon. Esto se conoce como un problema inverso. Durante décadas, los científicos dependieron de complejas fórmulas matemáticas para realizar estas deducciones, pero a medida que nuestros instrumentos se han vuelto más potentes, generando enormes cantidades de datos de alta resolución, esas viejas fórmulas a menudo se han vuelto demasiado lentas o difíciles de usar. En respuesta, muchos han recurrido a la inteligencia artificial generativa. Estos son sistemas informáticos entrenados en ejemplos que pueden aprender a predecir las causas ocultas de los datos observados con una velocidad increíble. Se han convertido en herramientas esenciales para analizar desde las imágenes del Telescopio Espacial James Webb del universo temprano hasta la caótica lluvia de partículas en detectores subterráneos.

Sin embargo, ha surgido un fallo crítico en este nuevo enfoque. Si bien estos modelos de inteligencia artificial son excelentes para adivinar la respuesta más probable, a menudo no logran decirle a los científicos qué tan seguros deben estar. Cuando un modelo es entrenado con un conjunto específico de ejemplos, puede volverse excesivamente confiado, ofreciendo respuestas estrechas y de apariencia precisa que en realidad son erróneas, especialmente cuando los datos del mundo real que encuentra son ligeramente diferentes de su entrenamiento. Esto es peligroso para el descubrimiento. Si un científico cree que una medición es precisa cuando no lo es, podría extraer conclusiones falsas sobre la existencia de nuevas partículas o la historia de una galaxia. El desafío central no es solo hacer una predicción, sino asegurar que el rango de posibles respuestas proporcionado por la computadora contenga realmente el valor verdadero con una probabilidad conocida y fiable, sin importar cuál sea el valor verdadero.

Un equipo de investigadores ha desarrollado ahora una solución a este problema, introduciendo un nuevo protocolo llamado Frequentista-Bayesiano, o FreB. Este método actúa como un riguroso control de calidad para los resultados de la IA generativa. En lugar de simplemente aceptar la suposición inicial de la IA, FreB remodela el mapa de probabilidad de la computadora en una región de confianza estadísticamente confiable. El proceso comienza entrenando a la IA con un gran conjunto de ejemplos etiquetados, donde tanto las propiedades ocultas como los datos resultantes son conocidos. La IA aprende a crear una distribución "posterior", que es esencialmente un mapa que muestra dónde es probable que se encuentre la respuesta verdadera. Los investigadores luego utilizan un conjunto separado de datos de calibración para enseñar al sistema cómo ajustar este mapa. Transforman las probabilidades puras de la IA en lo que se conocen como funciones de valor p. Estas funciones actúan como una regla calibrada, asegurando que cuando el sistema dibuje un límite alrededor de un conjunto de posibles respuestas, ese límite contendrá el valor verdadero exactamente tan a menudo como los científicos afirman que lo hará.

El poder de este enfoque radica en su capacidad para manejar las imperfecciones del mundo real. En muchos estudios científicos, los datos utilizados para entrenar la IA no coinciden perfectamente con los datos que se están estudiando. Este desajuste, conocido como desplazamiento de conjunto de datos (dataset shift), puede ocurrir debido a cómo se construyen los telescopios, qué estrellas pueden ver, o porque los modelos teóricos utilizados para el entrenamiento son ligeramente inexactos. Los métodos tradicionales de IA a menudo producen resultados sesgados en estas situaciones, inclinándose demasiado hacia los datos de entrenamiento. FreB, sin embargo, está diseñado para corregir estas diferencias. Al usar los datos de calibración para aprender los ajustes necesarios, el método asegura que las regiones de confianza finales sigan siendo válidas incluso cuando los datos de entrenamiento y los datos objetivo provienen de distribidades diferentes. Los investigadores demostraron que esto funciona incluso cuando el propio modelo de IA está ligeramente mal especificado, es decir, cuando el modelo de física subyacente utilizado para generar los ejemplos de entrenamiento no es una representación perfecta de la realidad.

Para probar que su método funciona, el equipo lo probó en tres desafíos distintos en las ciencias físicas. En el primer caso, abordaron la reconstrucción de rayos gamma, que son partículas de alta energía provenientes del espacio que no pueden verse directamente, sino que se infieren a partir de las lluvias de partículas secundarias que crean en la atmósfera terrestre. La IA fue entrenada con datos de la Nebulosa del Cangrejo, una fuente bien conocida, pero luego se le pidió identificar señales de una fuente de materia oscura, que produce patrones muy diferentes y más raros. Los métodos de IA estándar fallaron aquí, produciendo estimaciones sesgadas hacia los niveles de energía de los datos de entrenamiento y perdiendo los eventos de mayor energía reales. El método FreB, sin embargo, remodeló con éxito la salida de la IA para proporcionar intervalos de confianza válidos que capturaron correctamente la energía real de los eventos raros, permitiendo a los científicos distinguir entre diferentes fuentes astrofísicas con fiabilidad.

La segunda prueba involucró la comprensión de la historia de nuestra propia galaxia, la Vía Láctea. Los astrónomos utilizan diferentes modelos teóricos para describir cómo se distribuyen y se mueven las estrellas. Estos modelos a veces pueden conducir a conclusiones conflictivas sobre la edad o la composición química de una estrella. Cuando los investigadores aplicaron la inferencia de IA estándar, los diferentes modelos produjeron resultados que discrepaban drástamente entre sí y con los valores reales, sin ofrecer una forma clara de resolver la tensión. Al aplicar FreB, el equipo pudo ajustar las salidas de ambos modelos. El resultado fue un conjunto de regiones de confianza que, a pesar de provenir de diferentes supuestos iniciales, contenían correctamente las propiedades reales de la estrella. Esto demostró que FreB podía reconciliar teorías competidoras, asegurando que las estimaciones de incertidumbre fueran honestas y consistentes independientemente del modelo subyacente utilizado.

El desafío final abordó el problema del sesgo de selección, un problema común en los grandes sondeos astronómicos. Los telescopios a menudo no pueden ver todas las estrellas por igual; son mejores detectando estrellas grandes y brillantes que estrellas pequeñas y tenues. Esto significa que los datos utilizados para entrenar los modelos de IA suelen estar sesgados, perdiendo precisamente los objetos que los científicos más desean estudiar. En este experimento, los investigadores simularon un escenario en el que la IA fue entrenada con datos dominados por estrellas grandes y brillantes, pero luego se le pidió estimar las propiedades de estrellas más pequeñas y tenues como nuestro Sol. La IA sin ajustar produjo estimaciones sistemáticamente erróneas, fallando en cubrir los valores reales para estas estrellas más pequeñas. FreB corrigió este sesgo utilizando un pequeño conjunto de datos de seguimiento para recalibrar el sistema. El método ajustado produjo regiones de confianza que fueron tanto estrechas como precisas, cubriendo con éxito los parámetros reales de las estrellas tenues, a pesar de que los datos de entrenamiento habían estado fuertemente sesgados contra ellas.

La importancia de este trabajo se extiende más allá de estos ejemplos específicos. Proporciona una garantía matemática de que los intervalos de confianza generados por estas poderosas herramientas de IA son confiables. En el pasado, los científicos tenían que esperar que sus modelos fueran lo suficientemente precisos como para proporcionar estimaciones de incertidumbre válidas. Ahora, tienen un protocolo que puede tomar un modelo de IA rápido y flexible y remodelar su salida para cumplir con los estrictos estándares de la prueba científica. Esto significa que en campos donde el cálculo directo es imposible o demasiado costoso, los investigadores pueden usar la IA generativa para explorar sistemas complejos con el mismo nivel de rigor estadístico que esperarían de los métodos tradicionales. El método es eficiente, no requiere reentrenamiento al aplicarse a nuevos datos, y funciona incluso cuando los datos de entrenamiento son imperfectos. Al cerrar la brecha entre la velocidad de la inteligencia artificial moderna y la fiabilidad de la estadística clásica, FreB ofrece un camino hacia un descubrimiento científico más confiable, asegurando que cuando los científicos miran las sombras en la pared, puedan estar seguros de la forma del objeto que las proyecta.