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

Durant els últims 35 anys s’ha consolidat l’argumentació que les xarxes neuronals artificials no serien capaces de competir amb la ment humana, però un equip d’investigadors ha demostrat ara que el mètode d’intel·ligència artificial que han desenvolupat sí que mostra una capacitat de generalització similar, i de vegades millor, a la humana.

Dos investigadors, Brenden Lake (Universitat de Nova York) i Marco Baroni (Universitat Pompeu Fabra) han liderat un treball en el qual han posat en relleu que la xarxa neuronal que han desenvolupat té habilitats similars a les humanes en la generalització sistemàtica, cosa que significa que té capacitat per aprendre nous conceptes i de combinar-los amb d’altres ja existents.

Els humans sí que són capaços d’aprendre un concepte nou i d’utilitzar-lo després per comprendre altres usos relacionats; per exemple, un nen aprèn a saltar, però immediatament aprèn a fer salts al voltant d’una habitació, saltar amb els braços en alt, o saltar cap endavant i cap enrere.

Però ¿poden les màquines 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 alhora del rendiment humà, sinó que en alguns casos és millor.

La seva tècnica es basa en l’entrenament de les xarxes neuronals artificials (sofisticats sistemes computacionals 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 primera vegada, 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.

Els investigadors van crear un nou sistema d’aprenentatge en el qual una xarxa neuronal s’actualitza de manera constant per millorar les seves habilitats. El mateix exemple: li ensenyen la paraula «saltar» i després 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 mateixa xarxa.

I a més 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 els dos (l’MLC i les persones) van superar el ChatGPT, i que aquest, malgrat les seves «sorprenents capacitats» va mostrar dificultats en aquesta tasca d’aprenentatge.

Notícies relacionades

"No hem d’enviar missatges a l’espai"

Pluja d’estrelles abril 2023: ¿quan i com veure els Lírids?

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, tot i que han millorat en els últims anys», i s’ha mostrat convençut que aquest nou sistema pot contribuir a millorar les habilitats compositives dels grans models lingüístics.

La xarxa neuronal de què avui es fa ressò la revista ‘Nature’ presenta, per tant, habilitats similars a les humanes en aquesta generalització sistemàtica –la capacitat d’aprendre nous conceptes i de combinar-los amb d’altres ja existents–, i els científics que han participat en aquest treball mantenen que aquest mètode pot ser prometedor per desenvolupar sistemes d’intel·ligència artificial que s’assemblin més al comportament humà. EFE