Por: Renato R. González Disla
Es cierto que hoy en día estamos ante un cambio de paradigma tecnológico encabezado por la Inteligencia Artificial, que se caracteriza por avances significativos y acelerados en varias áreas clave que reflejan tanto el crecimiento exponencial como la expansión de sus aplicaciones prácticas. La más relevante es la Inteligencia Artificial Generativa y sus grandes modelos de lenguajes o LLM, expresados en productos como GPT-4o y Gemini, que se fundamentan en el aprendizaje profundo (deep learning).
No obstante, este modelo enfrenta serias limitaciones que se resumen en cinco aspectos básicos: a) necesidad de su entrenamiento con grandes volúmenes de datos o Big Data, b) requerimiento de una gran capacidad de recursos computacionales para llevar a cabo esa tarea y para su operación de cara a los usuarios, c) limitaciones en la capacidad de razonamiento por ser un modelo estadístico-probabilístico que responde solo a patrones aprendidos de los datos, d) la no transparencia del código que generan los modelos LLM y e) las limitaciones en la dimensiones ética y social.
En la búsqueda constante por mitigar estas limitaciones y emular el sistema cognitivo humano, el próximo paso es dotar a las máquinas de razonamiento. En ese sentido una nueva corriente está ganando terreno, la computación neuro-simbólica. Este enfoque promete revolucionar la manera en que las máquinas aprenden y razonan, fusionando lo mejor de dos mundos tradicionalmente separados en IA.
¿Qué es la Computación Neuro-Simbólica?
En esencia, intenta unir la habilidad de las redes neuronales artificiales (ANN) para aprender de grandes cantidades de datos con la capacidad de los sistemas simbólicos para manipular conceptos abstractos y realizar inferencias lógicas.
Las ANN están conformadas de capas de nodos o perceptrones y conexiones entre ellos que simulan las redes neuronales cerebrales humanas. Estas conexiones poseen pesos o parámetros que dependen de los datos de entrenamiento y que representan múltiples combinaciones de patrones, tales como las expresiones en el procesamiento del lenguaje natural (NLP), lo que le permite a los “chatbots” mantener un “diálogo inteligente”. De ahí que la capacidad de los LLM se mide por la cantidad en billones de parámetros que poseen.
Por otra parte, la IA simbólica fue el intento formal inicial de generar inteligencia artificial, popularizado entre los años 1950 y 1980. Esta emula la capacidad humana de crear interconexiones y formulas simbólicas para representar los problemas y su solución. Al usarlas, podemos describir conceptos y registrar conocimientos comunes mediante el desarrollo de reglas de la lógica matemática y los lenguajes formales, como la gramática generativa para la sintaxis y semántica del lenguaje y las reglas del cálculo diferencial e integral. Los sistemas neuro-simbólicos pueden explicar sus decisiones de manera simbólica, lo que los hace más transparentes, auditables y confiables.
El surgimiento de las máquinas de razonamiento
Las máquinas de razonamiento son el próximo paso hacia la IA General (AGI). Están pensadas para comprender y manipular conceptos abstractos y hacer deducciones o inferencias en la solución de problemas y no solo aprender y generalizar mediante los patrones estadísticos aprendidos, lo que reducirá significativamente el uso de la Big Data para su entrenamiento y de la capacidad de procesamiento y consumo de energía de los “data center” que alojan estas aplicaciones.
El concepto de máquinas de razonamiento abarca una amplia gama de aplicaciones de IA, desde simples sistemas basados en reglas hasta complejos modelos de aprendizaje automático y predictivos, tales como diagnósticos médicos, solución de problemas complejos matemáticos-científicos, y búsqueda inteligente. Por ejemplo, el proyecto de nombre en código Strawberry de OpenAI está construyendo modelos de lenguajes capaces de razonar, planificar, navegar por Internet de forma autónoma y llevar a cabo lo que denominan “investigación profunda”.
Las dimensiones éticas y sociales de la IA
Es fundamental tomar en cuenta las implicaciones éticas, sociales y económicas que conllevan a establecer marcos regulatorios que aseguren el uso responsable de la IA para evitar sesgos y riesgos potenciales como la invasión de la privacidad, la discriminación algorítmica y la dependencia excesiva en sistemas automatizados, los cuales podrían tener consecuencias profundas en la sociedad. El advenimiento de este nuevo paradigma tiene el potencial de contribuir con esta solución que como siempre dependerá de la voluntad humana.