Es cierto que hoy nos enfrentamos a un cambio de paradigma tecnológico liderado por la inteligencia artificial, caracterizado por avances significativos y rápidos en varias áreas clave que reflejan tanto su crecimiento exponencial como la expansión de sus aplicaciones prácticas. La más relevante es la Inteligencia Artificial Generativa y sus Grandes Modelos de Lenguaje o LLM, plasmados en productos como GPT-4o y Gemini, que se basan en el aprendizaje profundo.
Sin embargo, este modelo enfrenta serias limitaciones que son Se resume a continuación en cinco aspectos básicos: a) la necesidad de entrenar con grandes volúmenes de datos o Big Data, b) la necesidad de recursos de mainframe con capacidad para realizar esta tarea y su operación en respuesta al usuario, c) limitaciones en las capacidades de inferencia debido a que este es un modelo estadístico probabilístico que solo responde a patrones aprendidos de los datos, d) la opacidad del código generado por el modelo LLM y e) las limitaciones éticas y sociales.
En la constante Se busca reducir las limitaciones de este e imitando el sistema cognitivo humano, el siguiente paso es dotar de capacidades de razonamiento a las máquinas. En este sentido, está surgiendo una nueva tendencia: la computación simbólica neuronal. Este enfoque promete revolucionar el aprendizaje automático y la inferencia, combinando lo mejor de dos mundos de IA tradicionalmente distintos.
intenta fusionar la capacidad de las redes neuronales artificiales (RNA) para aprender de grandes cantidades de datos con la capacidad de las redes neuronales artificiales (RNA) de aprender de grandes cantidades de datos. para manipular conceptos abstractos y hacer inferencias lógicas.
ANN se compone de capas de nodos o perceptrones y las conexiones entre ellos simulan una red nerviosa del cerebro humano. Estas conexiones tienen pesos o parámetros que dependen de los datos de entrenamiento y representan múltiples combinaciones de patrones, como expresiones en el procesamiento del lenguaje natural (NLP), lo que permite al chatbot mantener una “conversación inteligente”. Por lo tanto, las capacidades de los LLM se miden por el número en miles de millones de parámetros que tienen.
La IA simbólica, por otro lado, fue el primer intento formal de crear inteligencia artificial, popular en las décadas de 1950 y 1980. Esto imita la capacidad humana de crear conexiones y fórmulas simbólicas para representar los problemas y sus soluciones. Utilizándolos, podemos describir conceptos y documentar conocimientos generales desarrollando reglas de lógica matemática y lenguajes formales, como gramáticas generativas para la sintaxis y la semántica del lenguaje, así como las reglas del cálculo diferencial e integral. Los sistemas simbólicos neuronales pueden explicar simbólicamente sus decisiones, haciéndolas más transparentes, verificables y confiables.
El desarrollo de las máquinas de razonamiento
El desarrollo de las máquinas de razonamiento es el siguiente paso hacia la IA general (AGI). Están diseñados para comprender y aplicar conceptos abstractos y hacer inferencias o deducciones para resolver problemas, no sólo aprender y generalizar a través de modelos estadísticos aprendidos, lo que reduciría significativamente el uso de Big Data para entrenamiento y capacidad de procesamiento, así como el consumo de energía del sistema. centros de datos que alojan estas aplicaciones.
El concepto de máquina de inferencia cubre una amplia gama de aplicaciones de IA, desde sistemas simples basados en reglas hasta complejos modelos de predicción y aprendizaje automático, como diagnóstico médico, resolución de operaciones matemáticas complejas y problemas científicos. problemas e investigación inteligente. Por ejemplo, el proyecto Strawberry de OpenAI crea modelos de lenguaje que pueden razonar, planificar, navegar por Internet y realizar lo que llaman «búsqueda profunda» automáticamente.
Aspectos éticos y sociales de la IA Es esencial tener en cuenta las implicaciones éticas, sociales y económicas que conducen al establecimiento de marcos legales que garanticen que el uso responsable de la IA tiene como objetivo ‘evitar sesgos y riesgos potenciales como invasiones de la privacidad, discriminación algorítmica, etc. -dependencia. sobre los sistemas automatizados, lo que podría tener profundas consecuencias para la sociedad. El nacimiento de este nuevo paradigma tiene el potencial de contribuir a esta solución, que siempre dependerá de la voluntad humana.
