La intel·ligència artificial, capaç de combinar conceptes igual (o millor) que la ment humana

BarcelonaDurant les últimes tres dècades s'ha consolidat la idea que la intel·ligència artificial (IA) no seria capaç de competir amb la ment humana, però un equip d'investigadors ha demostrat ara que el mètode d'IA que han desenvolupat sí que mostra una capacitat de generalització semblant, i de vegades millor, a la humana. Dos investigadors, Brenden Lake (Universitat de Nova York) i Marco Baroni (Universitat Pompeu Fabra de Barcelona) han liderat una investigació en la qual asseguren que la xarxa neuronal que han desenvolupat té habilitats semblants a les humanes a l'hora d'aprendre nous conceptes i de combinar-los amb altres de ja existents, segons recull l'agència Efe.

Els humans som capaços d'aprendre un concepte nou i utilitzar-lo després per comprendre altres usos relacionats. Per exemple, quan un infant aprèn a saltar, immediatament també aprèn a fer salts al voltant d'una habitació, saltar amb els braços enlaire o saltar cap endavant i cap enrere. Però les màquines poden emular aquest comportament? Aquests investigadors han desenvolupat una tècnica –que han batejat com a meta-learning for compositionality (MLC)– capaç de millorar algunes eines basades en la intel·ligència artificial (com el ChatGPT) per fer aquestes generalitzacions i han comprovat no només que està al mateix nivell que el rendiment humà, sinó també que en alguns casos és millor.

La tècnica es basa en l'entrenament de les xarxes neuronals artificials (sistemes computacionals sofisticats interconnectats entre si per afavorir l'aprenentatge i el processament automàtic) i altres tecnologies relacionades amb el reconeixement de la parla i el processament del llenguatge natural.

Els investigadors han observat que fins ara els creadors de sistemes d'intel·ligència artificial, inclosos els grans models lingüístics, han esperat que aquesta "generalització composicional" sorgís de mètodes d'entrenament estàndard, però mantenen que la tècnica que han desenvolupat mostra com la pràctica explícita d'aquestes habilitats permet a aquests sistemes desbloquejar noves facultats. "Hem demostrat, per primer cop, que una xarxa neuronal genèrica pot imitar o superar la generalització sistemàtica humana en una comparació cara a cara", ha afirmat Brenden Lake, professor adjunt del Centre de Ciència de Dades i del Departament de Psicologia de la Universitat de Nova York.

Actualització constant

Els investigadors van crear un nou sistema d'aprenentatge en què una xarxa neuronal s'actualitzava de manera constant per millorar les habilitats. Seguint l'exemple anterior, després d'ensenyar-li la paraula saltar el sistema crea combinacions de paraules (saltar dues vegades; saltar a l'esquerra; a la dreta, etc.). Després, en un altre episodi, aprèn altres paraules i el sistema acaba millorant les habilitats de la xarxa. A més, els investigadors van comparar el rendiment de la seva màquina amb el de diverses persones i van comprovar que en alguns casos el comportament del seu sistema era millor que el dels humans. I que tant l'MLC com persones superaven el ChatGPT perquè, malgrat les seves "sorprenents capacitats", tenia dificultats en aquesta tasca d'aprenentatge.

Marco Baroni, professor del Departament de Traducció i Ciències del Llenguatge de la Universitat Pompeu Fabra, ha observat que els grans models lingüístics com el ChatGPT "continuen tenint dificultats amb la generalització composicional, encara que han millorat els darrers anys". I està convençut que aquest nou sistema pot contribuir a millorar les habilitats compositives dels grans models lingüístics. La xarxa neuronal, de la qual avui es fa ressò la revista Nature, té habilitats semblants a les humanes en aquesta generalització sistemàtica –la capacitat d'aprendre nous conceptes i de combinar-los amb altres de ja existents–. Els investigadors mantenen que aquest mètode pot ser prometedor per desenvolupar sistemes d'intel·ligència artificial que s'assemblin més al comportament humà.