Un algoritmo de machine-learning inspirado en la estructura del cerebro y entrenado en el estudio de la física determinó que, de acuerdo a 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.

El primer modelo astronómico en entrar en vigencia fue aquel propuesto en el siglo II d. C. por el matemático griego Ptolomeo y postulaba a la Tierra como el centro del universo. Ya en el siglo XVI esta teoría geocéntrica sería reemplazada por el heliocentrismo, modelo presentado por Nicolás Copérnico que, en oposición al primero, describe cómo la Tierra y los planetas giran alrededor del Sol en el centro del Sistema Solar y que marcaría el inicio de lo que hoy se conoce como revolución copernicana.

En este trabajo, publicado en la Sociedad Americana de Física bajo el título "Descubriendo conceptos físicos con redes neuronales", los investigadores buscaban 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.

Las redes neuronales convencionales lo que hacen es, a partir de la información que se les proporciona, descubrir patrones y/o características generales; pero el inconveniente es que estas algunas veces son muy difíciles de interpretar. 

Por eso esta vez los investigadores fueron un poco más allá: desarrollaron una especie de red neuronal "lobotomizada" que consistía de 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—; por otro, una segunda subred usaría esa "experiencia" para hacer y probar nuevas predicciones.

Esto permitiría un proceso similar al de un profesor que le transmite sus conocimientos adquiridos a un estudiante, según describe el físico y autor del paper Renato Renner.

De esta manera, la red neuronal ideó fórmulas al estilo de Copérnico para la trayectoria de Marte redescubriendo el modelo heliocéntrico del universo.

Estas demostraciones son importantes porque pueden ayudar a comprender y mantener el ritmo de fenómenos de la mecánica cuántica 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.