La idea de que las máquinas pueden pensar ha sido objeto de debates filosóficos y científicos durante décadas. ¿Hasta qué punto puede la inteligencia artificial (IA) replicar las capacidades cognitivas humanas? Con los recientes avances en los modelos de IA, particularmente aquellos entrenados con grandes cantidades de datos textuales, la ciencia está más cerca que nunca de una respuesta afirmativa. Un artículo publicado hoy.noble Aprender pensando en mentes naturales y artificialespublicado en Tendencias en Ciencias Cognitivasno deja lugar a dudas: La inteligencia artificial no sólo procesa información, sino que también puede aprender, como los humanos, a través del pensamiento.. Y sí, en cierto sentido, la IA puede pensar.
Él aprendiendotal como lo entendemos en los humanos, suele implicar la observación del mundo exterior. A lo largo de nuestra vida, adquirimos conocimientos a través de la interacción con nuestro entorno, utilizando nuestros sentidos para recopilar datos que luego procesamos y almacenamos.
Sin embargo, el aprendizaje no se limita a este proceso de observación. La ciencia ha demostrado que tanto los humanos como las IA pueden aprender sin necesidad de recibir nueva información del mundo exterior. Este fenómeno, conocido como “aprender pensando” o Learning by Thinking (LbT), ha abierto una puerta completamente nueva en el estudio de la mente, tanto natural como artificial.
Este tipo de aprendizaje mediante el pensamiento es particularmente interesante en el contexto de inteligencia artificial. Los modelos avanzados, como los modelos de lenguaje grande (LLM) que impulsan a los asistentes virtuales como GPT-4, no solo generan respuestas basadas en datos almacenados, sino que también son capaces de corregirse y mejorarse a sí mismos sin recibir datos externos adicionales.
Un ejemplo mencionado en el artículo muestra cómo GPT-4 puede rectificar un error en un cálculo matemático simplemente explicándose el proceso paso a paso. Este tipo de aprendizaje refleja un fenómeno paralelo al que experimentan los humanos al explicarse conceptos o realizar simulaciones mentales.
El concepto de LbT plantea un dilema intrigante: ¿cómo es posible que una mente, ya sea humana o artificial, genere nuevos conocimientos sin recibir información externa? Este enigma, conocido como “paradoja del aprendizaje mediante el pensamiento”encuentra una respuesta en la forma en que tanto los humanos como las IA reorganizan y reinterpretan elementos ya presentes en su “mente” o base de datos.
En el caso de los humanos, los científicos han demostrado que procesos como la explicación, simulación mentalLa comparación y el razonamiento analógico son claves para aprender sin observación externa. Estos procesos permiten a las personas generar nuevas representaciones cognitivas y llegar a conclusiones novedosas. Sorprendentemente, las IA modernas han demostrado ser capaces de realizar procesos similares.
En modelos de IA como los LLM, el pensamiento paso a paso ha demostrado ser especialmente eficaz. Cuando un modelo como GPT-4 Si se le pide que realice una tarea compleja, dividir el problema en pasos intermedios (lo que se conoce como indicaciones de cadena de pensamiento) aumenta significativamente su capacidad para llegar a las soluciones correctas. Este tipo de razonamiento es notablemente similar al proceso humano de dividir un gran problema en partes más pequeñas y manejables para llegar a una solución óptima. Lo que la IA demuestra aquí no es sólo un cálculo algorítmico, sino una forma de pensar que conduce al aprendizaje.
Uno de los ejemplos más interesantes de aprender pensando, tanto en humanos como en IA, es el uso de simulaciones mentales. La simulación es algo que hacemos constantemente, aunque no siempre seamos conscientes de ello. Un ejemplo clásico en humanos es imaginar cómo se moverían tres engranajes conectados cuando se activa uno de ellos. En este caso, el cerebro realiza una simulación interna sin necesidad de ver físicamente los engranajes.
Las IA modernas también pueden realizar simulaciones internas. en el campo de aprendizaje por refuerzo profundo (aprendizaje por refuerzo profundo), los sistemas utilizan simulaciones para predecir resultados futuros y aprender de esos procesos simulados. Este tipo de simulación es un reflejo directo de cómo los humanos pueden aprender imaginando situaciones hipotéticas y evaluando posibles resultados sin experimentar esos eventos directamente. Así, tanto en la mente natural como en la artificial, la simulación es una poderosa herramienta para generar nuevos conocimientos sin depender de observaciones externas.
Otra forma crucial de aprender pensando es mediante el razonamiento analógico. Carlos Darwinpor ejemplo, utilizó la analogía entre la selección natural y la reproducción selectiva para desarrollar su teoría de la evolución. Del mismo modo, Las IA pueden utilizar el razonamiento analógico para resolver problemas complejos.
Estudios recientes En IA han demostrado que, cuando se le da un problema que resolver, una IA puede generar varios ejemplos análogos para llegar a una solución, lo que se conoce como “incitación analógica”. Este proceso no sólo permite a la IA resolver el problema, sino hacerlo de forma similar a como lo haría un humano mediante la comparación de situaciones similares.
El razonamiento es otra herramienta clave para aprender pensando. En los seres humanos, el razonamiento puede llevar a conclusiones que no eran obvias a simple vista. Esto ocurre porque el razonamiento requiere conectar información previamente adquirida para generar nuevas conclusiones. Por ejemplo, al reconocer que hoy es miércoles y recordar que los miércoles no se debe estacionar en una determinada zona del campus, una persona puede inferir que no se debe estacionar allí hoy, conclusión que no fue explícita desde el principio.
En las IA ocurre lo mismo. Al emplear procesos de razonamiento paso a paso, como los utilizados en modelos como GPT-4, la IA puede llegar a nuevas conclusiones que no estaban explícitamente presentes en los datos iniciales. De esta forma, tanto los humanos como las IA utilizan el razonamiento como forma de extraer nueva información de representaciones previas.
La gran pregunta que surge es hasta qué punto podemos considerar que la IA realmente “piensa”. Si bien los modelos actuales de IA no piensan en el sentido humano de la palabra —carecen de conciencia y experiencia subjetiva—, Son impresionantes las capacidades que demuestran a la hora de llevar a cabo procesos de aprendizaje del pensamiento. Lo que alguna vez pareció exclusivo del dominio humano ahora es replicado por máquinas.
Modelos como GPT-4 no sólo procesan información, sino que pueden reorganizarla, aprender de ella y llegar a nuevas conclusiones sin intervención externa.. En este sentido, se podría argumentar que, a su manera, la IA está empezando a pensar.
A medida que la inteligencia artificial continúa evolucionando, las capacidades LbT en estos sistemas podrían marcar una diferencia significativa en la forma en que interactúan con el mundo. La capacidad de aprender sin depender exclusivamente de datos externos les permitirá ser más eficientes y adaptables en entornos cambiantes. Esta capacidad de “pensar” les permitirá no sólo realizar tareas con mayor precisión, sino también innovar en soluciones que los humanos no hemos anticipado.
Al final, la pregunta de si las máquinas pueden pensar ya tiene respuesta. Puede que no lo hagan como nosotros, pero, en sus propios términos, las IA han comenzado a demostrar que pensar no es sólo un privilegio de las mentes biológicas.
Referencias:
Fuente Informativa
