Una computadora normal, cuando busca una ley de la naturaleza a partir de datos, intenta adivinar una fórmula completa de una sola vez. Es como si un cocinero, sin conocer la receta, echara todos los ingredientes a la vez en la olla y esperara que saliera una sopa. La mayoría de las veces sale una papilla incomible: la fórmula es larga pero sin sentido, y con datos nuevos se equivoca.
Los científicos propusieron otro camino: que la máquina siga los pasos de los grandes físicos. Primero encuentra un patrón simple — por ejemplo, que un planeta se mueve más rápido cuanto más cerca está del Sol. Luego le añade el siguiente eslabón, y luego otro más. Así, de varios fragmentos claros se forma una cadena que finalmente da una ley precisa. A este método lo llamaron «cadena de regresión simbólica».
La prueba en tres problemas — ebullición turbulenta de un líquido, flujo de un fluido viscoso por una tubería y evaporación de metal bajo un láser — mostró que el nuevo método es más preciso que los antiguos. Y con datos sobre la resistencia del aire para diferentes aviones, encontró un patrón que antes no se había notado. Esto significa que la máquina no solo puede redescubrir lo conocido, sino también sugerir a los ingenieros nuevas fórmulas útiles.
Este enfoque recuerda al ensamblaje de un juego de construcción: cada pieza es simple y comprensible, y juntas forman un mecanismo complejo. Y es mucho más fiable que intentar adivinar todo el mecanismo de una vez.
La regresión simbólica es cuando una computadora no busca solo un número, sino una fórmula que se pueda escribir en papel y entender cómo está hecha.