Por Canuto  

Physical Superintelligence presentó Get Physics Done, un sistema de IA agéntica y de código abierto diseñado para cubrir flujos completos de investigación en física, desde la formulación del problema hasta la verificación numérica y la revisión previa al envío de manuscritos.
***

  • PSI lanzó GPD como un copiloto para físicos capaz de planificar proyectos, derivar ecuaciones, generar archivos LaTeX y scripts en Python.
  • La herramienta también actúa como revisor por pares de IA al comprobar consistencia dimensional, simetrías, leyes de conservación y estabilidad numérica.
  • El sistema es gratuito, tiene licencia Apache 2.0 y funciona dentro de Claude Code, Gemini CLI, Codex y OpenCode.

 

Physical Superintelligence PBC, o PSI, anunció el lanzamiento de Get Physics Done, también llamado GPD, una herramienta que la empresa describe como el primer físico de IA agéntica y de código abierto. Según explicó Alex Wang en una publicación compartida en X, el sistema fue creado para cubrir investigación física de extremo a extremo, un terreno donde, a su juicio, la automatización basada en IA todavía no había entrado de lleno.

El anuncio plantea que la IA ya escribe código, negocia acciones y ayuda en diagnósticos médicos, pero que aún no había logrado ejecutar un flujo completo de investigación en física. En ese marco, PSI sostiene que GPD puede delimitar un problema, planificar el trabajo, desarrollar derivaciones, realizar comprobaciones numéricas y verificar sus propios resultados frente a restricciones físicas reales.

La propuesta tiene un ángulo relevante para quienes siguen la evolución de la IA aplicada a sectores de alta complejidad. Mientras muchas herramientas actuales se concentran en programación, automatización empresarial o productividad general, GPD apunta a una disciplina donde los errores de signo, notación o consistencia matemática pueden retrasar meses una publicación o afectar líneas enteras de investigación experimental.

De acuerdo con la fuente, el proyecto fue desarrollado dentro de PSI por físicos que necesitaban este tipo de herramienta para su propio trabajo. Ahora quedó disponible para la comunidad de investigación global a través del repositorio oficial Get Physics Done, con licencia Apache 2.0 y sin costo.

Un copiloto de IA pensado para proyectos de física completos

Uno de los puntos centrales del lanzamiento es que GPD no fue diseñado como un simple chatbot técnico. PSI lo presenta como un copiloto orientado a físicos en ejercicio, con una unidad de trabajo basada en proyectos completos y no en sesiones aisladas de conversación.

Según la descripción difundida por Alex Wang, el proceso comienza cuando el investigador plantea una pregunta. A partir de allí, el sistema hace preguntas aclaratorias para delimitar alcance, supuestos, notación y objetivos de verificación. Luego construye una hoja de ruta por fases antes de ejecutar las tareas.

Entre esas tareas se incluyen derivaciones matemáticas, comprobaciones numéricas, revisión bibliográfica y redacción. El resultado puede entregarse en archivos LaTeX, scripts de verificación en Python, figuras y documentación estructurada, de modo que el físico humano mantenga la dirección del proyecto, pero con un flujo de trabajo más rápido y consistente.

La consistencia interna es presentada como una ventaja clave. PSI asegura que GPD fija la notación y las convenciones de signo desde el inicio para evitar fallas que suelen aparecer cuando los proyectos se alargan. La publicación ilustra ese problema con un ejemplo concreto: descubrir demasiado tarde que un colaborador trabajó con una signatura métrica opuesta desde páginas iniciales del manuscrito.

Esa promesa puede resultar especialmente atractiva en áreas donde una variación mínima en notación altera de forma significativa la interpretación de ecuaciones o predicciones. Para investigadores y equipos distribuidos, un sistema que mantenga coherencia documental y matemática podría reducir fricción en etapas largas de desarrollo teórico.

Revisión por pares asistida por IA antes del envío

El segundo gran componente de GPD es su función como revisor por pares de IA para manuscritos de física. PSI sostiene que, antes de enviar un trabajo a una revista, los autores pueden pedir al sistema una revisión independiente enfocada en la robustez técnica del contenido.

La herramienta, según la fuente, puede revisar consistencia dimensional, casos límite, restricciones de simetría, leyes de conservación y estabilidad numérica. La tesis detrás de esta capacidad es que la física contiene un marco de corrección de errores incorporado en la propia estructura de la realidad, y que GPD fue construido precisamente para aprovechar ese marco.

PSI aclara que el sistema no busca reemplazar a revisores humanos. Más bien, su utilidad estaría en detectar antes del envío los errores que consumen tiempo de arbitraje y retrasan publicaciones. Ese punto apunta a un cuello de botella conocido en la academia, donde pequeños fallos técnicos pueden llevar a rechazos tras meses de espera.

La publicación menciona dos casos que ayudan a ilustrar el problema. Por un lado, el físico teórico que enfrenta una devolución negativa por un simple error de signo. Por otro, el experimentalista que construye durante seis meses un programa de medición sobre una predicción defectuosa. En ambos escenarios, una revisión automatizada temprana podría tener valor práctico inmediato.

Modo autónomo para investigación acotada

El tercer elemento destacado es un modo de piloto automático orientado a investigación física autónoma y dirigida. En la descripción de PSI, si el usuario define un problema bien delimitado, GPD puede formular el proyecto, organizar las fases, ejecutar derivaciones y validaciones numéricas, y empaquetar el resultado con intervención humana mínima.

La empresa asegura que esto comprime el tiempo entre una buena pregunta y una respuesta verificada, pasando de semanas a horas. Aunque la afirmación parte de la propia presentación del producto y no de una validación independiente expuesta en la publicación, deja claro cuál es la ambición del proyecto: acelerar la productividad intelectual en una disciplina con ciclos de trabajo históricamente lentos.

El nombre Get Physics Done es además una referencia directa a GSD, abreviatura de Get S*** Done. Según la fuente, esa alusión busca conectar con la idea de flujos de trabajo nativos de IA basados en comandos, cuyo uso práctico ya había mostrado adopción en otros contextos técnicos.

En términos operativos, GPD puede funcionar dentro de Claude Code, Gemini CLI, Codex y OpenCode. Esa compatibilidad sugiere que PSI no intenta crear un ecosistema cerrado, sino ubicarse sobre herramientas de desarrollo ya utilizadas por investigadores y perfiles técnicos.

Áreas compatibles y la apuesta por una física más productiva

PSI afirmó que los subcampos y temas actualmente compatibles ya abarcan teoría cuántica de campos, gravedad cuántica, teoría de cuerdas, materia condensada, relatividad general y cosmología. También incluye mecánica estadística, AMO, física nuclear y de partículas, información cuántica, fluidos y plasma, física matemática, QFT algebraica, teoría de campos de cuerdas, mecánica clásica, materia blanda, biofísica y astrofísica.

La amplitud de esa lista busca mostrar que GPD no fue concebido para un nicho único. Si el sistema funciona con solidez en una fracción significativa de esas áreas, el impacto potencial podría extenderse a universidades, centros de investigación y laboratorios que combinan teoría, simulación y verificación computacional.

La publicación también introduce un argumento más amplio sobre el papel de la física en la cadena de innovación científica. Alex Wang sostuvo, junto con Peter Diamandis en la obra Solve Everything, que la física es la ficha de dominó clave en la ola de soluciones impulsadas por IA para el resto de las disciplinas.

Desde esa perspectiva, avances posteriores en química, ciencia de materiales, biología y energía dependerían de progresos previos en física que no siempre son alcanzables por una sola mente humana. Por eso, un físico de IA abierto que eleve la productividad de cada investigador en activo sería, según esa visión, un catalizador con efectos compuestos sobre múltiples campos científicos.

La empresa subraya además la ventaja del enfoque abierto frente a uno propietario. Si la comunidad construye sobre GPD, lo extiende y lo somete a pruebas exigentes con problemas reales, el beneficio no quedaría concentrado en una sola compañía. Ese llamado viene acompañado de una invitación explícita a marcar el repositorio con una estrella, reportar issues y abrir pull requests.

El mensaje final del anuncio es ambicioso: durante un siglo, el cuello de botella para una nueva edad dorada de la física habría sido la escasez de horas de físicos. Para PSI, ese déficit no afecta solo a los departamentos universitarios, sino que ayuda a explicar por qué el mundo físico no avanzó al ritmo del mundo digital. La publicación cierra con una divulgación de conflicto de interés: Alex Wang indicó que integra el consejo de PSI y mantiene un interés financiero en la empresa.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados