Este artículo explora la conexión entre la inteligencia artificial (IA) y la física teórica. Específicamente, nos centramos en el enfoque de Gravedad a partir de Entropía (GfE), donde la gravedad se deriva de la entropía relativa cuántica geométrica (GQRE) de dos espacio-tiempos lorentzianos. Demostramos que el conocido algoritmo Perona-Malik, utilizado en el procesamiento de imágenes, es simplemente una acción GfE de flujo de gradiente. Específicamente, este algoritmo es el resultado de minimizar GQRE entre el soporte de la imagen y dos métricas euclidianas inducidas por la imagen. Se sabe que el algoritmo Perona-Malik preserva los contornos nítidos, lo que significa que la acción GfE no produce una imagen uniforme, como cabría esperar al repetir la dinámica de flujo de gradiente. Más bien, el resultado de la minimización de GQRE es compatible con la preservación de la estructura compleja. Estos resultados proporcionan fundamentos geométricos y de teoría de la información para el algoritmo Perona-Malik y podrían contribuir a construir conexiones más profundas entre GfE, el aprendizaje automático y la investigación cerebral.
