Margaret Mead, la célebre antropóloga norteamericana nacida en 1901, dijo en una de sus conferencias que un fémur curado era el primer signo de civilización. El hecho de que alguien hubiera tenido una caída prácticamente fatal y haya recibido atención para sanar, es el comienzo de la civilización humana. Nuestra capacidad de razonar es casi tan antigua como nuestro instinto natural de cuidar de nuestros semejantes. De hecho, durante siglos, fue la capacidad de razonar lo que diferenció a los humanos de otros animales y máquinas. Pero ahora, con el razonamiento de la IA, se ha roto esa distinción.
¿Qué es el razonamiento en IA?
El razonamiento es el proceso psicológico de sacar conclusiones y pronosticar un resultado basado en la integración del conocimiento, los hechos y las creencias disponibles. Se ocupa de obtener información precisa o conocimiento de los hechos actuales. El concepto de razonamiento es esencial en la IA porque permite a los robots razonar, exactamente como un cerebro humano, y les proporciona la capacidad de actuar como humanos.
En el desarrollo de la IA, la capacidad de razonar es crucial. Por lo tanto, el razonamiento es utilizar el conocimiento previo para hacer inferencias, formular hipótesis o desarrollar estrategias para abordar un problema. Para comprender el cerebro humano, la forma en que piensa y cómo saca conclusiones sobre temas particulares, necesitamos la ayuda del razonamiento. Es por esta razón que resulta crucial en la IA.
Tipos de razonamiento en IA
La IA divide el razonamiento en las siguientes categorías:
- Razonamiento deductivo: Se trata de realizar un descubrimiento nuevo a partir de información conocida que está lógicamente ligada a ese tema. Es un tipo de razonamiento válido, lo que significa que, si las premisas son verdaderas, el resultado también debe ser verdadero.
Ejemplo: Ten en cuenta que si a = b y b = c, entonces a = c. Ilustremos esto con un ejemplo: cada número que termina en 0 o 5 es divisible por 5. Como 35 termina en 5, debe ser divisible por 5. - Razonamiento inductivo: Utiliza la generalización para concluir datos limitados a partir de hechos o datos específicos a una afirmación o conclusión general.
Ejemplo: Solo he visto gatos blancos. Por lo tanto, es probable que la mayoría de los gatos sean blancos. - Razonamiento abductivo: Comienza con una o más observaciones y encuentra la explicación o conclusión más probable Ejemplo: Cuando salí esta mañana, la hierba estaba completamente cubierta de rocío. Presumiblemente, anoche llovió.
- Razonamiento de sentido común: Esta es una forma de razonamiento informal adquirida a través de experiencias de vida.
Ejemplo: Tocar una estufa: el sentido común le dice que no toque una estufa caliente para evitar quemarse. - Razonamiento monótono: Cuando se utiliza el razonamiento monótono, la conclusión sigue siendo la misma incluso si añadimos nuevos hechos a nuestra base de conocimientos.
Ejemplo: El sol sale por el este y se pone por el oeste. - Razonamiento no monótono: En el razonamiento no monótono, si descubrimos algo nuevo, podría hacer que algunos de nuestros hallazgos sean erróneos.
Ejemplo: Considere un recipiente con agua. Si lo colocamos en la estufa y encendemos la llama, definitivamente se calentará hasta hervir, y, cuando apaguemos la llama, se enfriará gradualmente.
¿Cómo piensan las máquinas?
Se duda de la confiabilidad del aprendizaje automático debido al misterio en los procesos para obtener conclusiones de la IA, generando escepticismo sobre su fiabilidad. En un nuevo estudio, los investigadores han presentado una nueva técnica para analizar rápidamente el comportamiento del software de IA mediante la evaluación de qué tan bien se alinea su pensamiento con el razonamiento humano.
Es crucial comprender cómo el aprendizaje automático obtiene hallazgos y su confiabilidad, ya que estas conclusiones se aplican cada vez más en el mundo real. Por ejemplo, un software de IA podría haber identificado correctamente una lesión cutánea como maligna. Aun así, podría haberlo hecho concentrándose en una mancha de fondo sin conexión con la imagen clínica.
Acelera tu carrera con el programa adecuado
Comparte tus datos con nosotros y permite que nuestros asesores te guíen hacia la excelencia
¿Podemos confiar en el razonamiento de la IA?
El Grupo de Fundamentos de Aprendizaje Automático de Harvard está llevando a cabo un seminario llamado “Enseñar modelos de lenguaje a razonar”. Es uno de los muchos talleres que organiza el grupo.
Los investigadores dijeron que su método se compone de cuatro partes:
- Cadena de pensamiento, lo que significa agregar más pensamientos antes de llegar a una respuesta final.
- Autoconsistencia, lo que significa tomar varias muestras y elegir la solución más frecuente.
- De menos a más, lo que significa dividir los problemas en partes más pequeñas y resolver cada una por separado.
- Ajuste fino de instrucciones, lo que significa configurar una IA para poder evaluar nuevos problemas sin entrenamiento.
Los investigadores destacaron que, los Grandes Modelos de Lenguaje (LLM, por sus siglas en inglés) piensan por sí mismos y podrían ayudar a las personas. También dijeron: “Los modelos más grandes harán que nuestro mundo sea más eficiente”.
Igualmente, según una investigación de UCLA, la herramienta impulsada por IA GPT-3 puede razonar tan bien como los estudiantes universitarios. El equipo de UCLA probó GPT-3 con preguntas de pensamiento que aparecen en el coeficiente intelectual y exámenes estandarizados como el SAT. Al modelo de IA se le asignaron las tareas de resolución de preguntas de analogía SAT y predicción de la siguiente forma en un arreglo complejo, y funcionó excepcionalmente bien en ambos.
¿Puede la IA razonar como los humanos?
¿Alguna vez te has preguntado por qué algunos sitios te piden que hagas clic en una casilla que dice: “No soy un robot”? ¿Qué es lo que realmente impide que un robot haga clic en esa casilla de verificación? En realidad, no es el clic de la caja, sino el movimiento del mouse lo que rastrea el sitio. Los robots hacen un movimiento lineal hacia la caja, mientras que los humanos toman un camino más fluido. Del mismo modo, el razonamiento en IA es diferente de cómo razonan los humanos.
Los humanos tienden a ponerse en el lugar de otras personas, por lo que inmediatamente le damos a la IA rasgos humanos. Pero la Inteligencia General Artificial (AGI, por sus siglas en inglés) puede no parecer tan humana como pensamos. En el caso de la IA, se supone que cualquier ejemplo dado de razonamiento proporcionaría una combinación matemática para producir los resultados requeridos. Pero a menudo es difícil, debido a la singularidad de la decisión tomada por el individuo involucrado. Como resultado, el uso de la IA en computadoras y robótica -para resolver problemas complejos con varias respuestas alternativas- es un gran desafío.
Algunos expertos dicen que estamos viendo el comienzo de una IA “verdadera” o “fuerte”, mientras que otros dicen que esto no sucederá por mucho tiempo. Algunos expertos incluso dicen que las pruebas utilizadas para ver cuánto se parece una IA a una persona son defectuosas porque solo observan tipos específicos de inteligencia.
El vértice del razonamiento de la IA
En la película Imitation Game, Alan Turing, a quien se le atribuye la construcción de la primera computadora, rompe un código alemán crítico durante la Segunda Guerra Mundial. A partir de eso, toma la decisión de permitir el hundimiento del barco. ¿Por qué? Porque este ‘sacrificio’ implicaría que los nazis sabrían que había descifrado su máquina maestra de codificación, Enigma, lo que provocaría más pérdidas de vidas. ¿Puede la IA tomar las mismas decisiones? La respuesta simple sería que todavía no. Es pertinente recordar que las máquinas no comprenden completamente las situaciones humanas que pueden ayudarlas a fallar a favor del bien común. Pueden ayudarte a pensar de manera más crítica, pero no pueden reemplazar tu juicio moral natural.
Si esta materia te apasiona, te invitamos a conocer los detalles de los programas que te ofrece Emeritus en vinculación con las mejores universidades del mundo. Visita nuestra sección de cursos de Inteligencia Artificial.
