Estudio revela la capacidad de autocorrección de la Inteligencia Artificial

Redacción de Ciencia, 18 sep (EFE).- El pensamiento puede no ser exclusivo de los humanos, y un grupo de científicos y tecnólogos ha comprobado que la Inteligencia Artificial es capaz de autocorregirse y de llegar a nuevas conclusiones mediante el "aprendizaje por pensamiento".

Un equipo de investigadores ha comprobado cómo se corrigen a si mismas algunas de esas "mentes artificiales", y hoy publican los resultados de su trabajo en la revista Trends in Cognitive Sciences.

Existen algunas demostraciones recientes de lo que parece aprendizaje por pensamiento en Inteligencia Artificial, sobre todo en grandes modelos lingüísticos, ha observado Tania Lombrozo, profesora de psicología y codirectora de la iniciativa "Mentes Naturales y Artificiales" de la Universidad estadounidense de Princeton.

"A veces ChatGPT se corrige a sí mismo sin que nadie se lo diga explícitamente; eso es similar a lo que ocurre cuando las personas se dedican a aprender pensando", ha observado la investigadora en el extracto facilitado por la revista.

Lombrozo identificó cuatro ejemplos de aprendizaje mediante el pensamiento en los seres humanos y la IA; por ejemplo, en los humanos, explicar a un niño cómo funciona un microondas puede revelar las lagunas de comprensión; y reorganizar los muebles del salón implica a menudo crear una imagen mental para simular diferentes distribuciones antes de realizar cualquier cambio físico.

Igualmente, descargar un software pirata puede parecer moralmente aceptable hasta que se establece una analogía con el robo de bienes físicos; o si uno sabe que el cumpleaños de un amigo es en un día bisiesto y mañana es bisiesto, puede razonar que el cumpleaños de su amigo es mañana.

Y los investigadores han comprobado que la inteligencia artificial muestra procesos de aprendizaje similares; cuando se le pide que profundice en un tema complejo, la IA puede corregir o perfeccionar su respuesta inicial basándose en la explicación que da.

Por ejemplo, la industria del juego utiliza motores de simulación para aproximarse a los resultados del mundo real, y los modelos pueden utilizar los resultados de las simulaciones como entradas para el aprendizaje.

Pedir a un modelo lingüístico que establezca analogías puede llevarle a responder a preguntas con más precisión que con preguntas sencillas, y pedir a la IA que realice un razonamiento paso a paso puede llevarla a respuestas que no alcanzaría con una consulta directa.

«Esto plantea la cuestión de por qué tanto las mentes naturales como las artificiales tienen esas características, o qué función cumple el aprendizaje por el pensamiento y por qué es valioso», ha planteado en su trabajo Tania Lombrozo, y ha concluido que "aprender pensando es una especie de aprendizaje a la carta".