El debate en torno a los grandes modelos de lenguaje (LLM) y su potencial para ser agentes inteligentes ha dominado gran parte de la discusión sobre estos poderosos sistemas de Inteligencia Artificial (IA). Sin embargo, los hallazgos de un nuevo estudio reportan que la IA carece de la crucial capacidad humana de innovación.
Si bien tanto los niños como los adultos pueden resolver problemas encontrando usos novedosos para los objetos cotidianos, los sistemas de inteligencia artificial a menudo carecen de la capacidad de ver las herramientas de una manera nueva, concluyeron investigadores de la Universidad de California en Berkeley.
De acuerdo con los investigadores está surgiendo una nueva perspectiva, que se centra en la importancia cultural de la IA y su capacidad para impulsar la innovación y la transmisión cultural.
IA como tecnologías culturales
En lugar de encuadrar a los LLM únicamente como entidades inteligentes, esta nueva perspectiva los considera “tecnologías culturales”. Al analizar y procesar de manera eficiente grandes cantidades de texto y datos, estos modelos actúan como poderosos motores de transmisión cultural, difundiendo conocimientos, ideas y expresiones artísticas a través de generaciones. Su capacidad para aprender y adaptarse a nueva información les permite perfeccionar y actualizar continuamente nuestro panorama cultural.
Pero el potencial de los LLM va más allá de la mera transmisión cultural. Algunos expertos creen que pueden desbloquear nuevos conocimientos sobre los procesos fundamentales de “imitación e innovación”. Al comparar las respuestas de los LLM con las de los niños humanos cuando se enfrentan a situaciones y tareas novedosas, los investigadores pueden obtener información valiosa sobre los mecanismos cognitivos que impulsan el aprendizaje y la creatividad.
IA vs Niños
Como parte de su estudio, los investigadores probaron la capacidad de los sistemas de inteligencia artificial para imitar e innovar difiere de la de niños y adultos.
Para ello, los investigadores presentaron a 42 niños (de 3 a 7 años de edad) y 30 adultos descripciones textuales de objetos cotidianos. En la primera parte del experimento, el 88% de los niños y el 84% de los adultos pudieron identificar correctamente qué objetos “combinarían mejor” con otro. Por ejemplo, combinaron un compás con una regla en lugar de una tetera.
En la siguiente etapa del experimento, el 85% de los niños y el 95% de los adultos también pudieron innovar en el uso esperado de objetos cotidianos para resolver problemas. En una tarea, por ejemplo, se preguntó a los participantes cómo podían dibujar un círculo sin utilizar una herramienta típica como un compás. Al tener que elegir entre una herramienta similar como una regla, una herramienta diferente como una tetera con fondo redondo y una herramienta irrelevante como una estufa, la mayoría de los participantes eligieron la tetera, una herramienta conceptualmente diferente que, sin embargo, podría cumplir el mismo objetivo debido a que funciona como brújula permitiéndoles trazar la forma de un círculo.
Cuando Eunice Yiu y sus colegas proporcionaron las mismas descripciones de texto a cinco grandes modelos de lenguaje, los modelos se desempeñaron de manera similar a los humanos en la tarea de imitación, con puntuaciones que oscilaron entre el 59% para el modelo de peor rendimiento y el 83% para el modelo de mejor rendimiento. Sin embargo, las respuestas de las IA a la tarea de innovación fueron mucho menos precisas. Se seleccionaron herramientas efectivas entre el 8% de las veces por el modelo de peor rendimiento y el 75% por el modelo de mejor rendimiento.
«Los niños pueden imaginar usos completamente novedosos para objetos que no han visto ni oído hablar antes, como usar el fondo de una tetera para dibujar un círculo», dijo Yiu. «A los modelos grandes les resulta mucho más difícil generar este tipo de respuestas».
¿Imitación o innovación?
Esta línea de investigación tiene un inmenso potencial para comprender la intrincada relación entre la imitación, una habilidad crucial para aprender el conocimiento existente, y la innovación, la capacidad de generar nuevas ideas y soluciones. Los diferentes sistemas de IA pueden servir como herramientas poderosas para explorar los límites de estos procesos cognitivos y para identificar las representaciones, competencias y conocimientos específicos necesarios para cada uno.
Además, examinar los resultados de los LLM formados con datos lingüísticos a gran escala nos permite explorar los límites del análisis estadístico para impulsar la innovación. Si bien los LLM se destacan en la adquisición y reproducción del conocimiento existente, nuestra comprensión actual sugiere que pueden carecer de los ingredientes cruciales para el tipo de pensamiento independiente y creativo que muestran los niños humanos.
Esta observación sugiere que lograr una verdadera innovación puede requerir algo más que simplemente introducir grandes cantidades de datos en los sistemas de IA. Puede necesitar paradigmas de aprendizaje alternativos, que incorporen elementos como experiencias corporales, interacción social y la capacidad de razonar sobre la causalidad.
Conclusión
«La IA puede ayudar a transmitir información que ya se conoce, pero no es innovadora«, dijo Yiu. «Estos modelos pueden resumir la sabiduría convencional, pero no pueden expandir, crear, cambiar, abandonar, evaluar y mejorar la sabiduría convencional de la forma en que lo puede hacer un ser humano joven». Sin embargo, el desarrollo de la IA aún está en sus inicios y aún queda mucho por aprender sobre cómo ampliar la capacidad de aprendizaje de la IA, afirmó Yiu. Inspirándose en el enfoque de aprendizaje curioso, activo e intrínsecamente motivado de los niños podría ayudar a los investigadores a diseñar nuevos sistemas de inteligencia artificial que estén mejor preparados para explorar el mundo real, dijo.
En conclusión, la exploración de los IA a través de una lente cultural y cognitiva ofrece una nueva perspectiva sobre su potencial más allá de los límites de la inteligencia. Al reconocer su papel en la transmisión cultural y su capacidad para contribuir a nuestra comprensión de la imitación y la innovación, podemos allanar el camino para el desarrollo de sistemas de IA que sean verdaderamente innovadores y transformadores. El futuro de la IA no reside sólo en replicar la inteligencia, sino en aprovechar su potencial para mejorar nuestra cultura, comprensión y capacidades creativas.
Contacto
Eunice Yiu
Department of Psychology, University of California, Berkeley
Email: ey242@berkeley.edu
Referencia (acceso abierto)
Yiu, E., Kosoy, E., & Gopnik, A. (2023). Transmission Versus Truth, Imitation Versus Innovation: What Children Can Do That Large Language and Language-and-Vision Models Cannot (Yet). Perspectives on Psychological Science, 0(0). https://doi.org/10.1177/17456916231201401
