Última actualización el 20 de octubre de 2024

El Próximo Paso para las Máquinas Inteligentes

El Aprendizaje Automático Actual en el Contenido Generado por IA

Los modelos generativos para texto, imágenes, videos y música dependen de mecanismos similares, ya que comparten principios comunes en su arquitectura y procesos de aprendizaje, a pesar de la diversidad de los tipos de datos que manejan.

Para la IA que genera texto, los grandes modelos de lenguaje (LLMs) son indudablemente aplicaciones avanzadas de aprendizaje automático. Los LLMs se preentrenan con vastas cantidades de texto, lo que les permite aprender estructuras lingüísticas, relaciones entre palabras y contextos de uso. En otras palabras, pueden predecir la siguiente palabra en una oración con notable precisión. Estos modelos sobresalen en la generación de texto, traducción automática, chatbots y asistentes virtuales, pero carecen de la capacidad de razonar para formar ideas, emitir juicios o tomar decisiones.

¿Cuál es el Futuro de la Inteligencia Artificial?

Las máquinas del futuro necesitarán aprender sobre el Mundo Físico de manera similar a los humanos y los animales. Al hacerlo, podrían volverse más eficientes y acercarse a la inteligencia a nivel humano.

Los humanos y los animales desarrollan una comprensión intuitiva y contextual de su entorno mediante la observación y la experiencia. Gradualmente asimilan una comprensión de los objetos, fuerzas y relaciones causales. Por ejemplo, un niño aprende que los objetos caen cuando se dejan caer. Sin entender los efectos de la gravedad, puede ajustar su comportamiento en consecuencia.

En otras palabras, las máquinas no solo necesitarán detectar objetos, sino también comprender su comportamiento en diferentes situaciones. Esto significa que deberán interpretar los datos sensoriales de manera contextual, como un animal que sabe cuándo un ruido es amenazante o cuándo la comida es apetecible.

Comprender el mundo físico permite la adquisición de memoria persistente, la capacidad de planificar acciones, lograr objetivos y, en resumen, razonar. Si bien el progreso de la IA es impresionante, aún quedan muchos obstáculos antes de que podamos hablar de Inteligencia Humana.

Los modelos actuales en desarrollo, basados en la Inferencia por Optimización, son un enfoque prometedor para simular la inteligencia humana.

¿Qué es la Inferencia por Optimización?

Inferencia es un concepto que permite sacar conclusiones basadas en observaciones. La inferencia desempeña un papel crucial en la toma de decisiones, el razonamiento y el aprendizaje.

Optimización se trata de encontrar la mejor solución posible para alcanzar un objetivo específico. Al optimizar, se busca el mejor equilibrio entre diferentes criterios, como velocidad y precisión.

La Inferencia por Optimización puede observarse en el desarrollo cognitivo de los niños, incluso antes de que comiencen a hablar. Por ejemplo, un bebé que intenta tirar de un juguete adherido a un gimnasio de juegos aprende rápidamente que tirar más fuerte o en una dirección diferente puede hacer que el juguete se mueva. El niño optimiza su técnica observando los resultados de sus acciones. El niño recuerda experiencias pasadas con cada juguete y optimiza su elección basándose en lo que le ha brindado más placer o interés.

Procesos de Toma de Decisiones en el Cerebro Humano

El cerebro humano a menudo se compara con un Sistema de Optimización. Utiliza la inferencia por optimización para razonar, actualizando constantemente sus creencias basadas en nuevas observaciones.

Cuando una persona toma una decisión, evalúa las diferentes opciones disponibles y busca maximizar ciertos criterios, como el bienestar, la satisfacción o el beneficio. Este proceso de toma de decisiones a menudo implica evaluar los riesgos y recompensas asociados con cada elección bajo incertidumbre. Pero en muchos casos, el cerebro utiliza heurísticas, atajos aproximados, que son estrategias mentales o reglas prácticas que permiten tomar decisiones rápidamente sin necesidad de un análisis exhaustivo de todas las opciones.

Así, los humanos construyen su comprensión de la realidad basándose en el aprendizaje experiencial y el modelo del mundo circundante que han desarrollado. Este enfoque no se limita solo a los humanos, también es clave en el aprendizaje de animales y en modelos avanzados de IA.

Conclusión

En resumen, la inteligencia artificial ya está avanzando rápidamente en términos de procesamiento de datos e información, pero es un campo de investigación que se está expandiendo rápidamente, con muchas perspectivas y esperanzas para su desarrollo futuro.

La Inteligencia Artificial General (IAG) requiere una combinación de grandes datos, aprendizaje a través de la interacción en el mundo real o simulaciones, y avances en arquitecturas y algoritmos. El camino hacia la IAG aún es largo, pero al inspirarse en los mecanismos cognitivos del cerebro, es probable que los sistemas futuros exhiban una inteligencia comparable a la de los humanos.