Una IA alcanza la capacidad humana para aprender nuevas palabras y relacionarlas con su contexto

Investigadores de la Universidad de Nueva York, en Estados Unidos, y de la Universidad Pompeu Fabra, en Barcelona, España, han desarrollado un modelo de Inteligencia Artificial (IA) que alcanza un rendimiento similar al humano en las llamadas “generalizaciones compositivas”: se trata de nuestra habilidad para aprender un nuevo concepto y luego usarlo inmediatamente para comprender los usos relacionados del mismo, ampliando con rapidez y flexibilidad una red conceptual que nos permite entender el mundo que nos rodea.

Relacionar conceptos para entender el mundo

Cuando un niño adquiere conceptos sencillos como “saltar”, de forma casi inmediata logra relacionarlos con su contexto y comprender, en consecuencia, otras cuestiones o situaciones más complejas como “saltar alrededor de una habitación”, por ejemplo. Hasta el momento, se creía que la IA era incapaz de desarrollar esa capacidad de incorporar nuevos conceptos y relacionarlos de inmediato con otros, por lo menos con la flexibilidad y la inmediatez humanas.

Ahora, el nuevo estudio publicado recientemente en la revista Nature muestra como la IA desarrollada por los científicos estadounidenses y españoles logra tanto la sistematicidad como la flexibilidad necesarias para una generalización compositiva similar a la humana. En otras palabras, esto significa que puede hilvanar rápidamente nuevas redes conceptuales y sumar sin inconvenientes nuevos conceptos a lo largo del tiempo.

Lo logra mediante un enfoque denominado metaaprendizaje para la composicionalidad (MLC), según explican los propios científicos en su estudio. “Durante 35 años, los investigadores en ciencias cognitivas, Inteligencia Artificial, lingüística y filosofía han estado debatiendo si las redes neuronales artificiales pueden lograr una generalización sistemática similar a la humana. En nuestro trabajo hemos demostrado por primera vez que una red neuronal genérica puede imitar o superar la generalización sistemática humana en una comparación directa», indicó en una nota de prensa el científico Brenden Lake, uno de los autores del nuevo estudio.

Una flexibilidad nunca antes alcanzada

El rendimiento similar al humano de la nueva red neuronal sugiere que se ha logrado un gran avance en la capacidad de entrenar a estas redes artificiales para que sean sistemáticas y más flexibles al mismo tiempo. Según un artículo publicado en la sección de noticias de la revista Nature, los científicos asignaron la misma tarea de relación conceptual al nuevo modelo de IA y al popular chatbot ChatGPT: descubrieron que éste último se desempeñó mucho peor en dicha prueba que la nueva red neuronal o las personas, a pesar de la asombrosa capacidad del chatbot para conversar de manera humana.

Los investigadores creen que el nuevo desarrollo podría conducir a máquinas que interactúen con las personas de forma más natural que incluso los mejores sistemas de Inteligencia Artificial actuales. Aunque los sistemas basados en grandes modelos de lenguaje, como ChatGPT, son expertos en la conversación en muchos contextos, muestran lagunas e inconsistencias evidentes en otros. La habilidad para sumar nuevos conceptos y relacionarlos que muestra la nueva IA sería el camino para superar estas limitaciones.

Referencia

Human-like systematic generalization through a meta-learning neural network. Brenden M. Lake and Marco Baroni. Nature (2023). DOI:https://doi.org/10.1038/s41586-023-06668-3