Mucho antes de que la inteligencia artificial se volviera parte de la vida cotidiana, la física ya la utilizaba como aliada para resolver problemas complejos. Así lo plantea la doctora Georgina Olivares Rentería, investigadora posdoctoral del Instituto de Física de la UASLP, quien recuerda que esta disciplina recurrió desde hace décadas a modelos computacionales y algoritmos avanzados para enfrentar retos matemáticos que excedían el cálculo tradicional.

La especialista en Óptica e Información Cuántica explica que el corazón de la IA son las redes neuronales, sistemas inspirados en la estructura del cerebro humano. Estas redes, formadas por capas de modelos matemáticos, permiten identificar patrones y procesar información de manera similar al pensamiento humano, una lógica que ha resultado especialmente útil para interpretar grandes volúmenes de datos científicos.

El vínculo entre la física y la inteligencia artificial quedó subrayado en 2024 con el Premio Nobel otorgado a John J. Hopfield y Geoffrey E. Hinton, cuyas investigaciones sentaron bases clave para el desarrollo de las redes neuronales modernas. Sus aportes impulsaron el llamado aprendizaje profundo, una técnica que hoy permite a las máquinas analizar cantidades masivas de información y que ha transformado múltiples campos del conocimiento.

De cara al futuro, Olivares Rentería considera que la IA permitirá a la física ampliar sus horizontes, resolviendo algoritmos antes impensables y abordando problemas de enorme complejidad. Sin embargo, advierte que su uso —tanto en la ciencia como en la vida diaria— debe ir acompañado de una revisión crítica de los resultados, recordando que estas herramientas, aunque poderosas, no sustituyen el criterio humano ni la verificación responsable de la información.