{"id":52254,"date":"2025-02-25T03:52:39","date_gmt":"2025-02-25T03:52:39","guid":{"rendered":"https:\/\/enfoquenoticioso.com\/tecnologia\/hay-que-poner-unas-comillas-muy-grandes-sobre-el-razonamiento-de-la-ia-bienvenidos-a-la-inteligencia-irregular\/"},"modified":"2025-02-25T03:52:39","modified_gmt":"2025-02-25T03:52:39","slug":"hay-que-poner-unas-comillas-muy-grandes-sobre-el-razonamiento-de-la-ia-bienvenidos-a-la-inteligencia-irregular","status":"publish","type":"post","link":"https:\/\/enfoquenoticioso.com\/?p=52254","title":{"rendered":"Hay que poner unas comillas muy grandes sobre el "razonamiento" de la IA: bienvenidos a la "inteligencia irregular""},"content":{"rendered":"

\n \"Hay que poner unas comillas muy grandes sobre el "razonamiento" de la IA: bienvenidos a la "inteligencia irregular" \"\n <\/p>\n

La segunda definici\u00f3n de razonar seg\u00fan<\/a> el Diccionario de la lengua espa\u00f1ola es \u00abordenar y relacionar ideas para llegar a una conclusi\u00f3n\u00bb. Eso es justo lo que hacen modelos de IA como o3-mini, de OpenAI o DeepSeek R1. Recolectan informaci\u00f3n, la ordenan y construyen una respuesta en la que llegan a una conclusi\u00f3n.<\/p>\n

<\/p>\n

\u00bfSon entonces estos modelos de IA modelos que \u00abrazonan\u00bb de verdad<\/strong>?<\/p>\n

Es una pregunta inevitable con una respuesta dif\u00edcil. Desde se comenzase a utilizar ese t\u00e9rmino, en Xataka hemos acudido a menudo a entrecomillarlo<\/a>, porque comparar el te\u00f3rico \u00abrazonamiento\u00bb de estas m\u00e1quinas con el razonamiento humano es delicado.<\/p>\n

<\/p>\n

Y es como indican en Vox<\/a>, los cient\u00edficos a\u00fan est\u00e1n tratando de entender c\u00f3mo funciona el razonamiento en el cerebro humano. Hay de hecho diversos tipos de razonamiento como el deductivo (a partir de una premisa llegamos a una conclusi\u00f3n) o el inductivo (realizamos una generalizaci\u00f3n amplia a partir de una serie de observaciones).<\/p>\n

<\/p>\n

\n
\n
\n
\n

{\u00abvideoId\u00bb:\u00bbx95l504″,\u00bbautoplay\u00bb:false,\u00bbtitle\u00bb:\u00bbCounting with OpenAI o1″, \u00abtag\u00bb:\u00bbOpenAI\u00bb, \u00abduration\u00bb:\u00bb88″}<\/p><\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n

Dividir un problema en partes para poder resolverlo es tambi\u00e9n razonar sobre \u00e9l<\/strong>. Es de hecho la idea tras la cual est\u00e1 la llamada \u00abcadena de pensamiento\u00bb (\u00abchain-of-thought\u00bb) de la que OpenAI ya hablaba en septiembre de 2024<\/a>, cuando se lanz\u00f3 o1. Es un proceso que imita en cierta medida al razonamiento humano en ese tipo de problemas, pero \u00bfest\u00e1 razonando la m\u00e1quina como lo hacen las personas?<\/p>\n

<\/p>\n

Para algunos expertos una de las cosas que nos distinguen (de momento) de las m\u00e1quinas en este tipo de tareas es que podemos descubrir \u00abuna regla o pauta a partir de datos o experiencia limitados y de aplicar esta regla o pauta a situaciones nuevas y desconocidas\u00bb.<\/p>\n

<\/p>\n

As\u00ed lo afirmaban Melanie Mitchell \u2014del Santa Fe Institute\u2014 y sus colegas en un estudio<\/a> sobre las capacidades de \u00abrazonamiento\u00bb de los modelos de IA en noviembre de 2023. Por entonces a\u00fan quedaba casi un a\u00f1o para que aparecieran o1 y otros modelos de \u00abrazonamiento\u00bb rivales, pero el dato sigue siendo v\u00e1lido, porque los modelos de IA siguen necesitando ser entrenando con vastas cantidades de informaci\u00f3n.<\/p>\n

<\/p>\n

\n
\n
\n
\n
\n \"o3 puntúa tan alto como programadores humanos en un de razonamiento y abstracción. Es justo lo que OpenAI necesita\"
\n <\/a>\n <\/div>\n
\n
\n En Xataka<\/a>\n <\/div>\n

o3 punt\u00faa tan alto como programadores humanos en un de razonamiento y abstracci\u00f3n. Es justo lo que OpenAI necesita<\/a>\n <\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n

Pero Mitchell analizaba<\/a> el espectacular rendimiento de o3 en las pruebas ARC un a\u00f1o m\u00e1s tarde, y se sorprend\u00eda de lo bien que se hab\u00eda comportado. Tambi\u00e9n le llam\u00f3 la atenci\u00f3n la gran cantidad de recursos de computaci\u00f3n que requer\u00eda esa capacidad de \u00abrazonamiento\u00bb, y se preguntaba si realmente las m\u00e1quinas estaban usando el tipo de abstracci\u00f3n que realmente se necesitaban para esos tests.<\/p>\n

<\/p>\n

Hay estudios que precisamente ponen en duda que la IA est\u00e9 \u00abrazonando\u00bb. Uno de octubre de 2024<\/a> firmado por cuatro investigadores del Instituto de Tecnolog\u00eda de Israel y la Northeastern University se preguntaba si los LLMs<\/a> (Large Language Models, grandes modelos de lenguaje) resuelven estas tareas de razonamiento aprendiendo algoritmos robustos y generalizables, o lo hacen memorizando los datos con los que han sido entrenados. \u00bfUtilizan la heur\u00edstica y la experiencia, o \u00abpiensan\u00bb?<\/strong><\/p>\n

<\/p>\n

La conclusi\u00f3n a la que llegaron tras sus pruebas es que al parecer hay una mezcla de ambas cosas: implementan un conjunto de heur\u00edsticas \u2014una combinaci\u00f3n de reglas memorizadas\u2014 para llevar a cabo su \u00abrazonamiento\u00bb aritm\u00e9tico. No \u00abrazonan\u00bb, o al menos no lo hacen como lo hacemos los seres humanos. Sobre todo, critican los expertos, aplican la heur\u00edstica y una serie de datos memorizados para resolver el problema. Su capacidad de extrapolarlos y de adaptarse a nuevos problemas es limitada. Son alumnos aplicados, pero no son \u00abgeniales\u00bb.<\/p>\n

<\/p>\n

\n
\n
\n

\"Captura<\/p>\n

El test ARC-AGI trata de plantear pruebas que para los seres humanos son relativamente sencillas, pero con las que los modelos de IA lo pasan realmente mal.<\/span>\n <\/div>\n<\/p><\/div>\n<\/div>\n

Para otros expertos, como Shannon Vallor, de la Universidad de Edimburgo, lo que hace la IA es, una vez m\u00e1s, imitar el comportamiento humano<\/strong>. Lo hacen los chatbots tradicionales como ChatGPT al generar texto, y lo hacen tambi\u00e9n estos modelos de \u00abrazonamiento\u00bb al imitar rl proceso de razonamiento humano, descomponiendo el problema y tratando de resolverlo por etapas.<\/p>\n

<\/p>\n

Algunos investigadores hablan<\/a> de una inteligencia irregular, porque como explicaba Andrej Karpathy \u2014exOpenAI\u2014, los modelos m\u00e1s avanzados pueden resolver problemas realmente complejos, pero tambi\u00e9n se pueden atascar con otros problemas bastante simplones, como demuestran las pruebas ARC<\/a> que para los seres humanos son muy sencillas.<\/p>\n

<\/p>\n

Hasta que dejen de atascarse, por supuesto. Eso es lo que persiguen todas las empresas de IA con modelos cada vez m\u00e1s avanzados y vers\u00e1tiles. Menos irregulares. Y cuando lleguen (si llegan) quiz\u00e1s no tenga demasiada importancia si \u00abrazonan\u00bb o no. Y tampoco que entrecomillemos<\/strong> esa palabra.<\/p>\n

<\/p>\n

Imagen | Todd Martin<\/a><\/p>\n

En Xataka | Copilot, ChatGPT y GPT-4 han cambiado el mundo de la programaci\u00f3n para siempre. Esto opinan los programadores<\/a><\/p>\n

(function() {
\n window._JS_MODULES = window._JS_MODULES || {};
\n var headElement = document.getElementsByTagName(‘head’)[0];
\n if (_JS_MODULES.instagram) {
\n var instagramScript = document.createElement(‘script’);
\n instagramScript.src=\u00bbhttps:\/\/platform.instagram.com\/en_US\/embeds.js\u00bb;
\n instagramScript.async = true;
\n instagramScript.defer = true;
\n headElement.appendChild(instagramScript);
\n }
\n })();<\/p>\n

–
La noticia
\n
\n Hay que poner unas comillas muy grandes sobre el \u00abrazonamiento\u00bb de la IA: bienvenidos a la \u00abinteligencia irregular\u00bb <\/em>
\n <\/a>
\n fue publicada originalmente en
\n
\n Xataka <\/strong>
\n <\/a>
\n por
\n Javier Pastor
\n <\/a>
\n . <\/p>\n