La inteligencia artificial, capaz de combinar conceptos igual (o mejor) que la mente humana
Dos investigadores, uno de ellos de la UPF, desarrollan una red neuronal capaz de aprender nuevos conceptos y asociarlos con otros ya existentes
BarcelonaDurante las últimas tres décadas se ha consolidado la idea de que la inteligencia artificial (IA) no sería capaz de competir con la mente humana, pero un equipo de investigadores ha demostrado ahora que el método de IA que han desarrollado sí muestra una capacidad de generalización similar, ya veces mejor, a la humana. Dos investigadores, Brenden Lake (Universidad de Nueva York) y Marco Baroni (Universidad Pompeu Fabra de Barcelona) han liderado una investigación en la que aseguran que la red neuronal que han desarrollado tiene habilidades similares a las humanas a la hora de aprender nuevos conceptos y de combinarlos con otros ya existentes, según recoge la agencia Efe.
Los humanos somos capaces de aprender un concepto nuevo y utilizarlo después para comprender otros usos relacionados. Por ejemplo, cuando un niño aprende a saltar, inmediatamente también aprende a dar saltos alrededor de una habitación, saltar con los brazos hacia arriba o saltar hacia delante y hacia atrás. ¿Pero las máquinas pueden emular este comportamiento? Estos investigadores han desarrollado una técnica –que han bautizado como meta-learning for compositionality (MLC)– capaz de mejorar algunas herramientas basadas en la inteligencia artificial (como el ChatGPT) para realizar estas generalizaciones y han comprobado no sólo que está al mismo nivel que el rendimiento humano, sino también que en algunos casos es mejor.
La técnica se basa en el entrenamiento de las redes neuronales artificiales (sistemas computacionales sofisticados interconectados entre sí para favorecer el aprendizaje y el procesamiento automático) y otras tecnologías relacionadas con el reconocimiento del habla y el procesamiento del lenguaje natural.
Los investigadores han observado que hasta ahora los creadores de sistemas de inteligencia artificial, incluidos los grandes modelos lingüísticos, han esperado a que esta "generalización composicional" surgiera de métodos de entrenamiento estándar, pero mantienen que la técnica que han desarrollado muestra cómo la práctica explícita de estas habilidades permite a estos sistemas desbloquear nuevas facultades. "Hemos demostrado, por primera vez, que una red neuronal genérica puede imitar o superar la generalización sistemática humana en una comparación frente a frente", ha afirmado Brenden Lake, profesor adjunto del Centro de Ciencia de Datos y del Departamento de Psicología de la Universidad de Nueva York.
Actualización constante
Los investigadores crearon un nuevo sistema de aprendizaje en el que una red neuronal se actualizaba de forma constante para mejorar las habilidades. Siguiendo el ejemplo anterior, después de enseñarle la palabra saltar el sistema crea combinaciones de palabras (saltar dos veces; saltar a la izquierda; a la derecha, etc.). Luego, en otro episodio, aprende otras palabras y el sistema termina mejorando las habilidades de la red. Además, los investigadores compararon el rendimiento de su máquina con el de varias personas y comprobaron que en algunos casos el comportamiento de su sistema era mejor que el de los humanos. Y que tanto el MLC como personas superaban al ChatGPT porque, pese a sus "sorprendentes capacidades", tenía dificultades en esta labor de aprendizaje.
Marco Baroni, profesor del Departamento de Traducción y Ciencias del Lenguaje de la Universidad Pompeu Fabra, ha observado que los grandes modelos lingüísticos como el ChatGPT "siguen teniendo dificultades con la generalización composicional, aunque han mejorado en los últimos años". Y está convencido de que este nuevo sistema puede contribuir a mejorar las habilidades compositivas de los grandes modelos lingísticos. La red neuronal, de la que hoy se hace eco la revista Nature, tiene habilidades similares a las humanas en esta generalización sistemática –la capacidad de aprender nuevos conceptos y de combinarlos con otros ya existentes–. Los investigadores mantienen que este método puede ser prometedor para desarrollar sistemas de inteligencia artificial que se asemejen más al comportamiento humano.