La tecnología actual de inteligencia artificial ha llegado a un muro que le impide alcanzar la inteligencia artificial general. Unos investigadores revelan ahora cómo la incorporación de una nueva dimensión de complejidad, inspirada en el cableado oculto del cerebro humano, podría impulsar a la inteligencia artificial más allá de sus límites actuales hacia una percepción similar a la humana.
Introducción: cuando la tecnología llega a un callejón sin salida
En el corazón de lo que llamamos inteligencia artificial se encuentran las redes neuronales artificiales, una innovación de inspiración biológica diseñada para imitar la función de las redes neuronales dentro del cerebro. Sin embargo, a pesar del asombroso progreso que estas redes han logrado, especialmente con el surgimiento de modelos de lenguaje grandes como ChatGPT, han llegado a una especie de muro. La ley de escala —la idea de que simplemente aumentar el volumen de datos y recursos hará que los modelos sean mejores— ya no funciona como antes. Se ha vuelto evidente que se necesitan nuevas innovaciones para impulsar estos modelos hacia el objetivo supremo: la inteligencia artificial general (AGI), que es la capacidad de una máquina para pensar como un ser humano.
La dimensión perdida: la “altura”
Algunos investigadores ahora creen saber cómo lograrlo: el diseño de la inteligencia artificial debe elevarse a otra dimensión, literalmente. En un estudio reciente, dos científicos del Instituto Politécnico Rensselaer en Nueva York y de la Universidad de la Ciudad de Hong Kong explican que los modelos actuales ya tienen los parámetros de “ancho” (el número de nodos en una capa) y “profundidad” (el número de capas). Pero sugieren añadir una tercera dimensión de complejidad organizada a la que llaman “altura”.
El Dr. Jie Wang, uno de los autores del estudio, lo explica con un ejemplo sencillo: «Imagina una ciudad: el ancho es el número de edificios en la calle, la profundidad es el número de calles por las que pasas y la altura es la altura de cada edificio». Cuando añades la altura, en forma de cableado interno o atajos dentro de la capa, creas «interacciones más ricas entre las neuronas sin aumentar la profundidad o el ancho. Esto refleja cómo interactúan los circuitos neuronales locales en el cerebro para mejorar el procesamiento de la información».
Simulación del cableado cerebral
Wang y su colega logran esta dimensión adicional mediante la introducción de dos tipos de estructuras inspiradas en el cerebro:
- Enlaces dentro de la capa (Intra-layer links): Estos enlaces se asemejan a las conexiones laterales que se encuentran en la columna cortical del cerebro, las cuales están vinculadas a funciones cognitivas superiores. Forman conexiones entre neuronas en la misma capa, permitiéndoles influirse directamente entre sí.
- Bucles de retroalimentación (Feedback loops): Se asemejan a las señales recurrentes en el cerebro, donde las salidas afectan a las entradas. Wang señala que esto puede mejorar la memoria, la percepción y el conocimiento del sistema.
Wang afirma: «Juntas, estas estructuras ayudan a las redes a evolucionar con el tiempo y a estabilizarse en patrones estables y significativos, al igual que tu cerebro puede reconocer un rostro incluso a partir de una imagen borrosa. Enriquecen la capacidad de la inteligencia artificial para refinar decisiones con el tiempo, exactamente como el pensamiento iterativo del cerebro».
Más allá de la arquitectura “Transformer”
Fue la arquitectura “Transformer”, presentada por investigadores de Google en 2017, la que impulsó el reciente auge de la inteligencia artificial. Sin embargo, no logró alcanzar la inteligencia artificial general. Este nuevo estudio sugiere que la integración de enlaces dentro de la capa y bucles de retroalimentación puede permitir a los modelos conectar, razonar y refinar las salidas, haciéndolos más inteligentes y eficientes energéticamente.
Un ejemplo fascinante es cómo los bucles de retroalimentación pueden crear “transiciones de fase”, similares a cómo el hielo se derrite para convertirse en agua. Wang explica: «Para la inteligencia artificial, esto podría significar la transición del sistema de salidas ambiguas o inciertas a salidas seguras y coherentes a medida que recopila más contexto o retroalimentación. Estas transiciones podrían representar el punto en el que la inteligencia artificial realmente “comprende” una tarea o patrón, tal como ocurre con la intuición humana».
Comprender mejor nuestros cerebros
La introducción de más características similares a las del cerebro en la arquitectura de la inteligencia artificial no solo la hará más inteligente y transparente, sino que también puede ayudarnos a explorar el misterioso enigma de cómo funcionan nuestras mentes humanas. Esta aplicación podría proporcionar un modelo para que los científicos exploren la cognición humana e investiguen trastornos neurológicos, como el Alzheimer y la epilepsia.
Conclusión: un futuro híbrido
Aunque inspirarse en la biología humana ofrece beneficios, Wang sostiene que el futuro de la inteligencia artificial radica en la coexistencia de arquitecturas neuronales y otros sistemas, quizás incluso sistemas cuánticos. Y añade: «Es probable que la solución óptima resida en diseños híbridos, que tomen prestado tanto de la naturaleza como de nuestra imaginación más allá de la naturaleza».
