Un reciente avance en la inteligencia artificial (IA) ha sacudido el mundo de la investigación cognitiva: una IA ha logrado adquirir una capacidad cognitiva que los científicos consideraban exclusivamente humana. Esta habilidad, conocida como «generalización composición», ha sido uno de los aspectos más debatidos sobre las diferencias entre la inteligencia humana y la artificial. Ahora, por primera vez, se ha demostrado que una máquina puede replicar esta habilidad.
¿Qué es la generalización composición y por qué es importante?
La «generalización composición» es una habilidad cognitiva que los filósofos y expertos en ciencias cognitivas han identificado como uno de los pilares de la inteligencia humana. Esta capacidad permite a los seres humanos aprender un concepto y luego generalizarlo o aplicarlo en diversos contextos, situaciones y asociaciones. Un ejemplo sencillo sería el siguiente: si una persona aprende que un «gato caza una ratón», es capaz de aplicar este concepto para comprender que un «lobo caza un ciervo». Lo mismo ocurre con conceptos más abstractos: si se aprende qué es el «teletrabajo», se puede aplicar ese concepto a una variedad de frases y situaciones.
Hasta ahora, esta capacidad se había considerado exclusiva de los seres humanos, ya que se pensaba que las redes neuronales de las máquinas no podían replicarla. Sin embargo, un reciente experimento ha desmentido esta creencia.
Un gran salto para la inteligencia artificial
Investigadores de la Universidad de Nueva York y la Universidad Pompeu Fabra han realizado una prueba revolucionaria al enseñar a una IA a generalizar composición de manera efectiva. Utilizando una nueva técnica denominada «Méta-aprendizaje para la composición» (MLC, por sus siglas en inglés), los científicos lograron que una IA realizara generalizaciones composición, igualando o incluso superando las capacidades de los participantes humanos en las pruebas.
La técnica MLC entrena a la IA no solo para realizar tareas específicas, sino para aprender de sus propios errores, lo que la aproxima más a la forma en que los humanos aprenden. Al ponerla a prueba en una serie de situaciones inéditas, la IA entrenada con MLC mostró resultados asombrosos, superando las expectativas tanto de los humanos como de otras IA tradicionales como ChatGPT, que no alcanzaron los mismos niveles de generalización.
Impacto de este descubrimiento en la IA y sus aplicaciones
El impacto de este descubrimiento es profundo, sobre todo en el campo de los modelos de lenguaje como ChatGPT. Estos modelos requieren enormes cantidades de datos y recursos computacionales porque no son capaces de realizar generalización composición de manera efectiva. Gracias a la técnica MLC, los modelos de lenguaje podrán ser entrenados con menos datos, lo que podría mejorar significativamente su rendimiento y eficiencia.
Este avance también abre nuevas posibilidades en la démocratización de la inteligencia artificial. Al permitir que las máquinas aprendan de una manera más similar a los seres humanos, podría mejorar la forma en que interactuamos con ellas y entender mejor cómo funcionan nuestras propias capacidades cognitivas.
Reflexión sobre el futuro de la IA
Aunque los investigadores insisten en que las máquinas no «piensan» de la misma forma que los humanos, este logro demuestra que las máquinas pueden aprender y aplicar conceptos de una manera más cercana a nuestra cognición. Según Brenden M. Lake, uno de los autores del estudio, este avance demuestra por primera vez que las máquinas pueden lograr una generalización sistemática, algo que se había considerado un sello distintivo de la inteligencia humana.
Este es solo el comienzo. La IA sigue evolucionando, y este tipo de descubrimientos no solo impulsan la tecnología, sino que también nos dan pistas sobre cómo podríamos entender y potenciar nuestras propias capacidades cognitivas. El futuro de la IA podría ser más cercano al humano de lo que imaginamos.
