La Inteligencia Artificial es capaz de aprender pensando

La industria de los videojuegos utiliza motores de simulación para aproximarse a los resultados del mundo real

La inteligencia artificial también tiene la capacidad de autocorregirse y alcanzar nuevas conclusiones a través del “aprendizaje mediante el pensamiento”, similar al proceso cognitivo humano. Esta es la conclusión de una revisión realizada por investigadores de la Universidad de Princeton, publicada en la revista Trends in Cognitive Sciences.

“Hay algunas demostraciones recientes de lo que parece ser el aprendizaje mediante el pensamiento en la IA, en particular en grandes modelos de lenguaje”, afirma la autora Tania Lombrozo, profesora de psicología y codirectora de la iniciativa Natural and Artificial Minds de la Universidad de Princeton. “A veces, ChatGPT se corrige a sí mismo sin que se le diga explícitamente. Eso es similar a lo que sucede cuando las personas participan en el aprendizaje mediante el pensamiento”.

Lombrozo identificó cuatro ejemplos de aprendizaje mediante el pensamiento en humanos y en IA: los estudiantes pueden adquirir nueva información sin aportes externos mediante explicaciones, simulaciones, analogías y razonamientos. En el caso de los humanos, explicarle a un niño cómo funciona un microondas puede revelar las lagunas en nuestra comprensión.

Reorganizar los muebles de la sala de estar a menudo implica crear una imagen mental para simular diferentes disposiciones antes de realizar cualquier cambio físico. Descargar software pirateado puede parecer moralmente aceptable en un principio hasta que se hace una analogía con el robo de bienes físicos. Si sabes que el cumpleaños de un amigo es un día bisiesto y mañana es un día bisiesto, puedes razonar que el cumpleaños de tu amigo es mañana.

Procesos de aprendizaje en la IA

La IA muestra procesos de aprendizaje similares. Cuando se le pide que explique un tema complejo, la IA puede corregir o refinar su respuesta inicial en función de la explicación que proporcione. La industria de los videojuegos utiliza motores de simulación para aproximarse a los resultados del mundo real, y los modelos pueden utilizar los resultados de las simulaciones como insumos para el aprendizaje. Pedirle a un modelo de lenguaje que establezca analogías puede llevarlo a responder preguntas con mayor precisión que con preguntas simples. Incitar a la IA a que realice un razonamiento paso a paso puede llevarla a respuestas que no podría alcanzar con una consulta directa.

“Esto plantea la pregunta de por qué tanto las mentes naturales como las artificiales tienen estas características. ¿Qué función cumple el aprendizaje mediante el pensamiento? ¿Por qué es valioso?”, se plantea Lombrozo. “Yo sostengo que el aprendizaje mediante el pensamiento es una especie de ‘aprendizaje a demanda'”.

Cuando aprendes algo nuevo, no sabes cómo te puede servir esa información en el futuro. Lombrozo dice que la gente puede guardar el conocimiento para más adelante, hasta que el contexto lo haga relevante y valga la pena dedicar el esfuerzo cognitivo de pensar y aprender.

Un tema de debate

Lombrozo reconoce los desafíos que supone definir los límites entre el razonamiento, el aprendizaje y otras funciones cognitivas de alto nivel, un tema de debate en el campo de las ciencias cognitivas. La revisión también plantea más preguntas, algunas de las cuales Lombrozo planea explorar más a fondo, como por ejemplo si los sistemas de IA realmente están “pensando” o simplemente imitando los resultados de dichos procesos.

“La IA ha llegado a un punto en el que es tan sofisticada en algunos aspectos, pero limitada en otros, que tenemos esta oportunidad de estudiar las similitudes y diferencias entre la inteligencia humana y la artificial”, finaliza Lombrozo. “Podemos aprender cosas importantes sobre la cognición humana a través de la IA y mejorar la IA comparándola con las mentes naturales. Es un momento crucial en el que estamos en esta nueva posición para plantear estas interesantes preguntas comparativas”.