Un nuevo estudio de la Universidad de Brown revela paralelismos entre los procesos de aprendizaje de la inteligencia humana y la artificial, revolucionando potencialmente el desarrollo de la IA y mejorando nuestra comprensión de la cognición humana.
Un nuevo estudio de la Universidad de Brown ha descubierto sorprendentes similitudes entre cómo aprenden los humanos y los sistemas de inteligencia artificial, proporcionando nuevos conocimientos sobre la cognición humana y allanando el camino para el desarrollo de herramientas de IA más intuitivas.
La investigación, dirigida por el investigador asociado postdoctoral Jake Russin, demuestra que tanto los humanos como los sistemas de IA integran dos modos de aprendizaje distintos de manera similar.
Publicado En las Actas de la Academia Nacional de Ciencias, el estudio se centró en la interacción entre el aprendizaje flexible y contextualizado y el aprendizaje incremental. Estos hallazgos sugieren que la IA y el cerebro humano comparten interesantes paralelismos en sus procesos de aprendizaje.
“Estos resultados ayudan a explicar por qué un ser humano parece un aprendiz basado en reglas en algunas circunstancias y un aprendiz progresivo en otras”, declaró Russin en un comunicado de prensa. “También sugieren algo sobre lo que los sistemas de IA más recientes tienen en común con el cerebro humano”.
El trabajo de Russin es interdisciplinario y conecta el aprendizaje automático con la neurociencia computacional. Trabaja en los laboratorios de Michael Frank, profesor de ciencias cognitivas y psicológicas, y Ellie Pavlick, profesora asociada de informática.
El aprendizaje humano suele ocurrir de dos maneras. Para tareas sencillas, como aprender las reglas de un juego, se utiliza un aprendizaje rápido y contextualizado. Habilidades más complejas, como tocar un instrumento musical, se basan en un aprendizaje gradual e incremental.
Si bien se sabía que los humanos y la IA podían integrar ambas formas de aprendizaje, el mecanismo exacto no estaba claro. Russin desarrolló una teoría que establece paralelismos entre estos tipos de aprendizaje y la memoria de trabajo y la memoria a largo plazo del cerebro humano.
Para probar esta teoría, Russin empleó el metaaprendizaje, un método mediante el cual los sistemas de IA aprenden sobre el propio aprendizaje. Descubrió que la capacidad de la IA para realizar aprendizaje en contexto mejoraba tras una extensa experiencia de aprendizaje incremental.
Un experimento crucial, adaptado de estudios con humanos, consistió en probar la capacidad de la IA para aprender en contexto mediante la recombinación de ideas familiares para abordar nuevas situaciones. Tras ser expuesto a 12,000 XNUMX tareas similares, el sistema de IA identificó con éxito nuevas combinaciones que no había encontrado antes, como reconocer una "jirafa verde".
El estudio descubrió que tanto los humanos como la IA mejoran su capacidad de aprender rápida y flexiblemente después de un período de aprendizaje incremental.
“Con el primer juego de mesa, te lleva un tiempo aprender a jugar”, añadió Pavlick. “Para cuando aprendes tu centésimo juego de mesa, puedes captar las reglas rápidamente, incluso si nunca has visto ese juego en particular”.
Los investigadores también observaron un equilibrio entre la retención del aprendizaje y la flexibilidad: cuanto más se esforzaba un sistema de IA para completar una tarea, mejor recordaba cómo realizarla en el futuro. Según Frank, esto coincide con los patrones de aprendizaje humano, donde cometer errores ayuda a consolidar la información en la memoria a largo plazo.
Frank, que se especializa en modelos computacionales para comprender el aprendizaje humano, enfatizó las implicaciones más amplias.
"Nuestros resultados se mantienen de manera confiable en múltiples tareas y reúnen aspectos dispares del aprendizaje humano que los neurocientíficos no habían agrupado hasta ahora", dijo.
Los conocimientos de este estudio también son fundamentales para desarrollar herramientas de IA confiables, especialmente en campos sensibles como la salud mental.
“Para contar con asistentes de IA útiles y confiables, la cognición humana y la de IA deben ser conscientes de cómo funciona cada una y de sus diferencias y similitudes”, añadió Pavlick. “Estos hallazgos son un gran primer paso”.
Fuente: Universidad de Brown