La próxima evolución de la inteligencia artificial, darle capacidades innatas

En cierto sentido, cada uno de nosotros comienza la vida listo para la acción. Muchos animales realizan hazañas asombrosas poco después de nacer. Las arañas tejen telarañas. Las ballenas nadan.

Pero, ¿de dónde provienen estas habilidades innatas?

Obviamente, el cerebro juega un papel clave, ya que contiene los billones de conexiones neuronales necesarias para controlar comportamientos complejos.

Sin embargo, el genoma tiene espacio para solo una pequeña fracción de esa información.

Esta paradoja ha desconcertado a los científicos durante décadas.

Ahora, los profesores Anthony Zador y Alexei Koulakov del Laboratorio Cold Spring Harbor (CSHL) han ideado una posible solución utilizando inteligencia artificial.

Cuando Zador se encuentra por primera vez con este problema, le da un giro nuevo.

“¿Y si la capacidad limitada del genoma es lo que nos hace tan inteligentes?”, se pregunta. “¿Y si es una característica, no un error?”.

En otras palabras, tal vez podamos actuar de manera inteligente y aprender rápidamente porque los límites del genoma nos obligan a adaptarnos.

Se trata de una idea grande y audaz, difícil de demostrar.

Después de todo, no podemos extender los experimentos de laboratorio a lo largo de miles de millones de años de evolución. De ahí surge la idea del algoritmo genómico de cuello de botella.

En IA, las generaciones no abarcan décadas. Los nuevos modelos nacen con solo pulsar un botón.

Zador, Koulakov y los posdoctorados de CSHL Divyansha Lachi y Sergey Shuvaev se propusieron desarrollar un algoritmo informático que plegara montones de datos en un paquete ordenado, de forma muy similar a como nuestro genoma podría comprimir la información necesaria para formar circuitos cerebrales funcionales.

Luego, probaron este algoritmo contra redes de IA que se sometieron a múltiples rondas de entrenamiento.

Sorprendentemente, descubrieron que el nuevo algoritmo sin entrenar realiza tareas como el reconocimiento de imágenes casi con la misma eficacia que la IA de última generación.

Su algoritmo incluso se sostiene en videojuegos como Space Invaders. Es como si comprendiera de forma innata cómo jugar.

¿Significa esto que la IA pronto replicará nuestras habilidades naturales?

“Todavía no hemos llegado a ese nivel”, dice Koulakov.

“La arquitectura cortical del cerebro puede albergar unos 280 terabytes de información (32 años de video de alta definición), mientras que nuestros genomas pueden contener alrededor de una hora.

Esto implica que una tecnología de compresión de 400.000 veces el tamaño aún no puede igualarla”.

Sin embargo, el algoritmo permite niveles de compresión nunca vistos hasta ahora en la IA, una característica que podría tener usos impresionantes en el ámbito tecnológico.

Shuvaev, el autor principal del estudio, explica:

“Por ejemplo, si se quisiera ejecutar un modelo de lenguaje grande en un teléfono móvil, una forma de utilizar el algoritmo sería desplegar el modelo capa por capa en el hardware”.

Estas aplicaciones podrían significar una IA más evolucionada con tiempos de ejecución más rápidos.

Y pensar que sólo se necesitaron 3.500 millones de años de evolución para llegar hasta aquí.

Fuente: PNAS