Pero ¿y si una IA pudiera aprender como un bebé? Los modelos de IA se entrenan en vastos conjuntos de datos que constan de miles de millones de puntos de datos. Los investigadores de la Universidad de Nueva York querían ver qué podían hacer esos modelos cuando se los entrenaba con un conjunto de datos mucho más pequeño: las imágenes y los sonidos experimentados por un solo niño que estaba aprendiendo a hablar. Para su sorpresa, su IA aprendió mucho gracias a un bebé curioso llamado Sam.
Los investigadores colocaron una cámara en la cabeza de Sam, y él la usó de vez en cuando durante un año y medio, desde que tenía seis meses hasta poco después de su segundo cumpleaños. El material que recopiló permitió a los investigadores enseñar a una red neuronal a relacionar palabras con los objetos que representan, informa Cassandra Willyard en esta historia. (¡Vale la pena hacer clic solo para ver las imágenes increíblemente lindas!)
AGUA KEEN VONG
Esta investigación es solo un ejemplo de cómo los bebés podrían acercarnos un paso más a enseñar a las computadoras a aprender como los humanos y, en última instancia, construir sistemas de inteligencia artificial que sean tan inteligentes como nosotros. Los bebés han inspirado a los investigadores durante años. Son agudos observadores y excelentes estudiantes. Los bebés también aprenden mediante prueba y error, y los humanos se vuelven más inteligentes a medida que aprendemos más sobre el mundo. Los psicólogos del desarrollo dicen que los bebés tienen una idea intuitiva de lo que sucederá a continuación. Por ejemplo, saben que una pelota existe aunque esté oculta a la vista, que es sólida y no cambiará repentinamente de forma, y que rueda en un camino continuo y no puede teletransportarse repentinamente a otra parte.
Investigadores de Google DeepMind Intenté enseñar a un sistema de inteligencia artificial a tener el mismo sentido de “física intuitiva” entrenando un modelo que aprende cómo se mueven las cosas enfocándose en objetos en videos en lugar de píxeles individuales. Entrenaron al modelo con cientos de miles de videos para aprender cómo se comporta un objeto. Si los bebés se sorprenden con algo como una pelota que sale volando repentinamente por la ventana, según la teoría, es porque el objeto se mueve de una manera que viola la comprensión de la física del bebé. Los investigadores de Google DeepMind lograron que su sistema de inteligencia artificial también mostrara “sorpresa” cuando un objeto se movía de manera diferente a como habían aprendido que los objetos se mueven.
Yann LeCun, ganador del Premio Turing y científico jefe de IA de Meta, ha argumentado que enseñar a los sistemas de IA a observar como niños podría ser el camino a seguir hacia sistemas más inteligentes. Dice que los humanos tenemos una simulación del mundo, o un “modelo del mundo”, en nuestro cerebro, lo que nos permite saber intuitivamente que el mundo es tridimensional y que los objetos en realidad no desaparecen cuando se pierden de vista. Nos permite predecir dónde estará una pelota que rebota o una bicicleta a toda velocidad en unos segundos. Está ocupado construyendo arquitecturas completamente nuevas para la IA que se inspiran en la forma en que aprenden los humanos. Cubrimos aquí su gran apuesta por el futuro de la IA.
Los sistemas de inteligencia artificial actuales destacan en tareas específicas, como jugar al ajedrez o generar texto que suena como algo escrito por un humano. Pero en comparación con el cerebro humano (la máquina más poderosa que conocemos), estos sistemas son frágiles. Carecen del tipo de sentido común que les permitiría operar sin problemas en un mundo desordenado, hacer razonamientos más sofisticados y ser más útiles para los humanos. Estudiar cómo aprenden los bebés podría ayudarnos a desbloquear esas habilidades.
Aprendizaje más profundo
Este robot puede ordenar una habitación sin ayuda
Los robots son buenos en determinadas tareas. Son fantásticos para coger y mover objetos, por ejemplo, e incluso están mejorando en la cocina. Pero si bien los robots pueden completar fácilmente tareas como estas en un laboratorio, lograr que trabajen en un entorno desconocido donde hay pocos datos disponibles es un verdadero desafío.