Un equipo internacional con participación española crea un novo sistema de intelixencia artificial cunha capacidade de razoamento similar á humana. É dicir, é capaz de facer xeneralizacións sobre a linguaxe ao ser capaz de incorporar palabras recentemente aprendidas a un vocabulario xa existente. E non só iso, senón que é quen de utilizalas en novos contextos. Isto denomínase “xeneralización sistemática” e é un aspecto clave na cognición humana. Ademais, o novo sistema deseñado polos científicos ten un mellor rendemento que ChatGPT, o modelo por excelencia, xa coñecido pola súa “asombrosa capacidade” de conversar de maneira similar ás persoas.
O traballo, publicado este mércores na revista Nature, podería favorecer que as máquinas interactúen coas persoas de forma máis natural. Incluso, mellor que as intelixencias artificial actuais. Aínda que os sistemas baseados en grandes modelos lingüísticos, como ChatGPT, son expertos na conversación en moitos contextos, mostran lagoas e incoherencias flagrantes noutros.
O rendemento similar ao humano deste novo sistema suxire que se produciu un “gran avance na capacidade de adestrar redes para que sexan sistemáticas”, afirma Paul Smolensky, científico cognitivo especializado en linguaxe da Universidade Johns Hopkins de Baltimore (Maryland).
Leccións de idiomas
A xeneralización sistemática define a capacidade das persoas de utilizar sen esforzo palabras que se acaban de adquirir en contextos totalmente diferentes. Por exemplo, unha vez que alguén comprendeu o significado da palabra photobomb —é dicir, aparecer de forma inesperada para arruinar unha fotografía—, poderá utilizala en diversas situacións. Por exemplo, facer un photobomb durante unha videochamada. Do mesmo xeito, alguén que entenda a frase “o gato persegue ao can” tamén entenderá “o can persegue ao gato” sen pensar moito máis.
Pero esta capacidade non é innata nas redes neuronais, un método de emulación da cognición humana que está a predominar a investigación en intelixencia artificial, afirma Brenden Lake, científico computacional cognitivo da Universidade de Nova York e coautor do estudo. A diferenza das persoas, ás redes neuronais cústalles utilizar unha palabra nova ata que non foron adestradas con moitos textos de mostra nos que se utiliza esa palabra. Os investigadores en intelixencia artificial levan case 40 anos debatendo se as redes neuronais poden chegar a ser un modelo plausible da cognición humana.
Para tentar resolver este debate, os autores avaliaron a capacidade de 25 persoas á hora de empregar palabras que acababan de aprender en distintas situacións. Para asegurarse de que os participantes adquirían as palabras por primeira vez, os investigadores sometéronos a unha proba cunha pseudolinguaxe por dúas categorías de palabras sen sentido. Palabras “primitivas” como “dax”, “wif” e “lug” representaban accións básicas e concretas como “saltar”. Outras palabras “funcionais” máis abstractas, como “blicket”, “kiki” e “fep”, especificaban regras para utilizar e combinar as palabras primitivas, dando lugar a secuencias como “saltar tres veces” ou “saltar cara a atrás”.
Os investigadores levan 40 anos debatendo se as redes neuronais poden ser un modelo plausible da cognición humana
Adestrouse aos participantes para que relacionasen cada palabra primitiva cun círculo dunha cor determinada, de modo que un círculo vermello representa “dax” e un círculo azul representa “lug”. A continuación, os investigadores mostraron aos participantes combinacións de palabras primitivas e funcionais xunto cos patróns de círculos resultantes de aplicar as funcións ás palabras primitivas. Por exemplo, a frase “dax fep” mostrouse con tres círculos vermellos, e “lug fep” con tres círculos azuis, o que indica que fep denota unha regra abstracta para repetir unha palabra primitiva tres veces.
Por último, os investigadores puxeron a proba a capacidade dos participantes para aplicar estas regras abstractas dándolles combinacións complexas de primitivas e funcionais. A continuación, tiñan que seleccionar a cor e o número de círculos correctos e colocalos na orde adecuada.
Punto de referencia cognitivo
Tal e como se prevía, os participantes destacaron nesta tarefa: elixiron a combinación correcta de círculos de cores nun 80% das ocasións. Cando cometían erros, os investigadores observaron que seguían un patrón que reflectía nesgos humanos coñecidos.
A continuación, os investigadores adestraron unha rede neuronal para realizar unha tarefa similar á que se lles presentaba aos participantes, programándoa para que aprendese dos seus erros. Deste xeito, a intelixencia artificial aprendía a medida que realizaba cada tarefa, en lugar de utilizar un conxunto de datos estáticos, que é o método habitual para adestrar redes neuronais. Para que a rede neuronal se parecese á humana, os autores adestrárona para que reproducise os patróns de erro que observaban nos resultados das probas cos participantes. Cando a rede neuronal se ensaiou con novos crebacabezas, as súas respostas coincidiron case exactamente coas dos voluntarios humanos e, nalgúns casos, superaron o seu rendemento.
“Non é maxia, é práctica”
BRENDEN LAKE, coautor do estudo
Pola contra, os GPT-4 tiveron dificultades coa mesma tarefa, fallando, de media, entre o 42% e o 86% das veces, dependendo de como presentasen a tarefa os investigadores. “Non é maxia, é práctica”, afirma Lake. “Do mesmo xeito que un neno tamén practica cando aprende a súa lingua materna, os modelos melloran as súas habilidades compositivas a través dunha serie de tarefas de aprendizaxe compositivo”.
Melanie Mitchell, científica informática e cognitiva do Instituto Santa Fe de Novo México, afirma que este estudo é unha proba interesante, pero queda por ver se este método de adestramento pode ampliarse para xeneralizarse a un conxunto de datos moito maior ou mesmo a imaxes. Lake espera abordar este problema estudando como as persoas desenvolven unha habilidade para a xeneralización sistemática desde unha idade temperá, e incorporando eses achados para construír unha rede neuronal máis robusta.
Elia Bruni, especialista en procesamento da linguaxe natural da Universidade de Osnabrück (Alemaña), afirma que esta investigación podería converter as redes neuronais en aprendices máis eficientes. Isto reduciría a inxente cantidade de datos necesarios para adestrar sistemas como ChatGPT e minimizaría a “alucinación”, que se produce cando a intelixencia artificial percibe patróns que non existen e crea resultados inexactos. “Infundir sistematicidade ás redes neuronais é algo moi importante”, afirma Bruni. “Podería abordar estes dous problemas ao mesmo tempo”, conclúe.
*A versión orixinal deste artigo publicouse no blog da revista Nature.
