¿Qué podemos aprender sobre la inteligencia humana estudiando cómo ‘piensan’ las máquinas? ¿Podemos entendernos mejor a nosotros mismos si comprendemos mejor los sistemas de inteligencia artificial que se están volviendo una parte cada vez más importante de nuestra vida cotidiana?
Estas preguntas pueden ser profundamente filosóficas, pero para Phillip Isola, profesor asociado en el Departamento de Ingeniería Eléctrica e Informática (EECS) del MIT, encontrar las respuestas tiene que ver tanto con la computación como con la reflexión.
La búsqueda de la inteligencia común
Isola estudia los mecanismos fundamentales involucrados en la inteligencia similar a la humana desde una perspectiva computacional. Si bien la comprensión de la inteligencia es el objetivo general, su trabajo se centra principalmente en la visión por computadora y el aprendizaje automático. Isola está particularmente interesado en explorar cómo surge la inteligencia en los modelos de IA, cómo estos modelos aprenden a representar el mundo que los rodea y qué comparten sus ‘cerebros’ con los cerebros de sus creadores humanos.
‘Veo que todos los diferentes tipos de inteligencia tienen muchas cosas en común, y me gustaría entender esas cosas en común. ¿Qué es lo que todos los animales, los humanos y las IA tienen en común?’, dice Isola, quien también es miembro del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL).
Para Isola, una mejor comprensión científica de la inteligencia que poseen los agentes de IA ayudará al mundo a integrarlos de manera segura y eficaz en la sociedad, maximizando su potencial para beneficiar a la humanidad.
De la naturaleza al cerebro: un camino de preguntas
Desde joven, Isola se sintió atraído por la ciencia. Criado en San Francisco, sus excursiones con su padre despertaron su fascinación por los procesos geológicos y el funcionamiento del mundo natural. Esta curiosidad insaciable lo llevó a explorar diversas disciplinas en la Universidad de Yale, hasta que descubrió las ciencias cognitivas.
‘Mi interés anterior había sido por la naturaleza: cómo funciona el mundo. Pero luego me di cuenta de que el cerebro era aún más interesante y más complejo incluso que la formación de los planetas. Ahora, quería saber qué nos hace funcionar’, explica Isola.
Su trayectoria académica lo llevó al MIT, donde se doctoró en ciencias cerebrales y cognitivas. Allí, bajo la influencia de su asesor, Ted Adelson, su investigación se orientó hacia la informática y la inteligencia artificial.
Una perspectiva computacional de la inteligencia
En el MIT, Isola sintió que podía avanzar más en algunas de las preguntas de las ciencias cognitivas si lo abordaba desde una perspectiva puramente computacional. Su tesis se centró en la agrupación perceptual, que implica los mecanismos que las personas y las máquinas utilizan para organizar partes discretas de una imagen como un solo objeto coherente.
Si las máquinas pueden aprender agrupaciones perceptuales por sí solas, eso podría permitir que los sistemas de IA reconozcan objetos sin intervención humana. Este tipo de aprendizaje autosupervisado tiene aplicaciones en áreas como vehículos autónomos, imágenes médicas, robótica y traducción automática de idiomas.
Después de graduarse del MIT, Isola completó un posdoctorado en la Universidad de California en Berkeley para ampliar sus perspectivas trabajando en un laboratorio centrado exclusivamente en la informática.
‘Esa experiencia ayudó a que mi trabajo fuera mucho más impactante porque aprendí a equilibrar la comprensión de los principios fundamentales y abstractos de la inteligencia con la búsqueda de algunos puntos de referencia más concretos’, recuerda Isola.
En Berkeley, desarrolló marcos de traducción de imagen a imagen, una forma temprana de modelo de IA generativo que podía convertir un boceto en una imagen fotográfica, por ejemplo, o convertir una foto en blanco y negro en una en color.
Estudiando la inteligencia similar a la humana en el MIT
De vuelta en el MIT, Isola dirige un laboratorio de investigación donde explora las bases computacionales de la inteligencia humana en las máquinas. Uno de sus principales focos es el aprendizaje de la representación, la capacidad de humanos y máquinas para representar y percibir el mundo sensorial que los rodea.
En un trabajo reciente, él y sus colaboradores observaron que los muchos tipos variados de modelos de aprendizaje automático, desde LLM hasta modelos de visión por computadora y modelos de audio, parecen representar el mundo de maneras similares.
Estos modelos están diseñados para realizar tareas muy diferentes, pero existen muchas similitudes en sus arquitecturas. Y a medida que se hacen más grandes y se entrenan con más datos, sus estructuras internas se parecen más.
Esto llevó a Isola y su equipo a presentar la Hipótesis de la Representación Platónica (que toma su nombre del filósofo griego Platón) que dice que las representaciones que aprenden todos estos modelos están convergiendo hacia una representación compartida y subyacente de la realidad.
‘Lenguaje, imágenes, sonido: todas estas son diferentes sombras en la pared de las que se puede inferir que existe algún tipo de proceso físico subyacente, algún tipo de realidad causal, ahí fuera. Si entrenas modelos en todos estos diferentes tipos de datos, deberían converger en ese modelo mundial al final’, dice Isola.
Un área relacionada que estudia su equipo es el aprendizaje autosupervisado. Esto implica las formas en que los modelos de IA aprenden a agrupar píxeles relacionados en una imagen o palabras en una oración sin tener ejemplos etiquetados para aprender.
Debido a que los datos son caros y las etiquetas son limitadas, usar solo datos etiquetados para entrenar modelos podría frenar las capacidades de los sistemas de IA. Con el aprendizaje autosupervisado, el objetivo es desarrollar modelos que puedan crear una representación interna precisa del mundo por sí solos.
El futuro de la IA y la coexistencia humano-máquina
Isola también reflexiona sobre el futuro de la inteligencia artificial general (AGI), el punto en el que las máquinas pueden aprender y aplicar sus conocimientos tan bien como los humanos. Él cree que no está tan lejos.
‘No creo que las IA simplemente hagan todo por nosotros y nosotros nos vayamos a disfrutar de la vida en la playa. Creo que va a haber una coexistencia entre máquinas inteligentes y humanos que todavía tienen mucha capacidad de acción y control. Ahora, estoy pensando en las preguntas y aplicaciones interesantes una vez que eso suceda. ¿Cómo puedo ayudar al mundo en este futuro posterior a la AGI? Todavía no tengo ninguna respuesta, pero lo tengo en mente’, concluye Isola.
Fuente: MIT News – AI
Leave a Comment