Manuel Fernández Ismael Marinero

Cuando se habla de la superioridad humana frente a las máquinas, se tratan muchos factores que comparan la inteligencia del hombre con la artificial. La mayor diferencia es la capacidad de las personas para aprender un concepto y llevarlo a otros usos. O lo que es lo mismo, la capacidad de nuestro cerebro de comprender y producir combinaciones nuevas a partir de elementos conocidos y elementos recién aprendidos. Esto, que se conoce como generalización composicional, era algo exclusivo del ser humano... al menos hasta ahora.

Y es que científicos de la Universidad de Nueva York y de la Universidad Pompeu Fabra de Barcelona han conseguido desarrollar un experimento revolucionario que cambia el paradigma actual de lo que entendemos por inteligencia artificial. Gracias a sus descubrimientos, la composicionalidad sistemática o generalización composicional podría aplicarse a las redes neuronales artificiales, algo que en los años 80 se estableció como imposible. Así lo demuestra este estudio, publicado en la revista Nature.

Brenden Lake y Marco Baroni, autores principales del estudio, son los responsables de un innovador método de entrenamiento llamado meta-learning for compositionality (que se podría traducir como 'metaaprendizaje para composicionalidad'). Este sistema permite actualizar constantemente la red neuronal, dirigiéndola a través de una serie de episodios sucesivos para que sea capaz de relacionar experiencias por sí misma.

Máquinas vs. humanos

Para comprobar su eficacia, lo compararon con experimentos llevados a cabo por voluntarios humanos, que se sometieron a las mismas pruebas que a los algoritmos. La sorpresa llegó cuando los investigadores descubrieron que las máquinas generalizaron igual o mejor que las personas participantes.

La neurología permitió en su día descubrir cómo los humanos aprendemos conceptos como saltar y somos capaces de aplicarlos a otras situaciones, como rodear un obstáculo o saltar hacia atrás. Hasta la fecha, nadie había sido capaz de replicar ese tipo de aprendizaje y, por lo tanto, se consideraba que las redes artificiales que 'imitan' el funcionamiento del cerebro no eran en el fondo "modelos fiables de la cognición humana".

Diagrama de uno de los entrenamientos de la red neuronal Brenden M. Lake / Marco Baroni Omicrono

Ahora, Lake y Baroni han podido refutar esa idea demostrando la capacidad de una red neuroan para las habilidades de composición, o lo que es lo mismo, la aptitud para organizar conceptos en un orden lógico. Así, la 'máquina' aprende sobre la marcha a través de tareas dinámicas y sucesivas, adaptándose a cada nuevo paso sin necesidad de optimizar conjuntos de datos estáticos.

Para poner a prueba las capacidades de su red neuronal, los investigadores lograron que aprendiera el significado de palabras falsas y que luego realizara suposiciones sobre la relación gramatical entre esas palabras. Sin embargo, advierten, este nuevo método de metaaprendizaje no permite a la red neuronal "generalizar fuera de la tarea en la que ha sido entrenada". Eso sí, este descubrimiento supone un hallazgo clave con respecto al desarrollo de IAs que tengan mayores semejanzas con los procesos cerebrales humanos.

[Los gigantes tecnológicos piden regular la IA: Musk habla de peligros, Gates de su poder salvador]

Esta demostración de la capacidad de una red nueronal para aprender nuevos conceptos y combinarlos con los ya existentes supone un desafío a lo que se daba por hecho desde hace más de tres déacadas. Este desarrollo puede implicar una mejora decisiva en los modelos de IA generativa que ya conocemos, como ChatGPT, y en los próximos desarrollos de cara a un futuro.

"Durante 35 años, los investigadores de la ciencia cognitiva, la inteligencia artificial, la lingüística y la filosofía han debatido si las redes neuronales pueden lograr una generalización sistemática similar a la humana. Hemos probado por primera vez que sí”, afirma en declaraciones a El País Brenden Lake, uno de los autores del trabajo.

También te puede interesar: