En un mundo donde la inteligencia artificial está en constante evolución, surge un nuevo enfoque que imita el aprendizaje humano. Este sistema, conocido como Axiom, ha demostrado ser capaz de dominar varios videojuegos sencillos con una eficiencia sorprendente. Axiom representa una alternativa a las redes neuronales artificiales que han dominado el campo de la IA en los últimos años.
¿Cómo funciona Axiom?
Axiom, desarrollado por la empresa Verse AI, incorpora conocimientos previos sobre cómo los objetos interactúan físicamente en el mundo del juego. Esto permite que el sistema utilice un algoritmo que modela las reacciones esperadas del juego ante diferentes entradas. El proceso de Axiom se basa en lo que se conoce como inferencia activa, donde el modelo se actualiza continuamente a partir de lo que observa.
Este enfoque se inspira en el principio de energía libre, una teoría que intenta explicar la inteligencia utilizando principios de matemáticas, física, teoría de la información y biología. El principio fue formulado por Karl Friston, un destacado neurocientífico que trabaja en la empresa Verses, conocida por su enfoque en la computación cognitiva.
La visión de los expertos
Friston ha comentado que esta metodología es crucial para desarrollar agentes de IA que emulen el tipo de cognición que observamos en los cerebros humanos. Según él, esto no solo implica la capacidad de aprender, sino también de comprender cómo actuar en el mundo. Este enfoque contrasta con los métodos tradicionales de aprendizaje, que se basan en el aprendizaje por refuerzo profundo. Este último requiere una gran cantidad de experimentación y ajuste de parámetros en respuesta a retroalimentación positiva o negativa.
Axiom, en cambio, logra dominar versiones simplificadas de videojuegos populares como Drive, Bounce, Hunt y Jump con menos ejemplos y un menor consumo de recursos computacionales. Esto sugiere que Axiom puede ofrecer una manera más eficiente de construir inteligencia artificial desde cero.
Un cambio de paradigma en la IA
François Chollet, investigador de IA y creador del benchmark ARC 3, ha señalado que los objetivos generales del enfoque de Axiom están alineados con los problemas más relevantes que deben abordarse para alcanzar la inteligencia general artificial (AGI). Chollet está explorando enfoques novedosos en el aprendizaje automático y utiliza su benchmark para evaluar la capacidad de los modelos para resolver problemas desconocidos en lugar de simplemente imitar ejemplos previos.
Chollet considera que el trabajo de Axiom es muy original y destaca la necesidad de más iniciativas que se aparten de los modelos de lenguaje grandes y de razonamiento que han dominado la IA actual.
La promesa de un futuro más eficiente
Axiom ofrece una arquitectura para agentes de IA que pueden aprender en tiempo real, lo que los hace más precisos y eficientes; incluso se diseñan como un cerebro digital. Gabe René, CEO de Verse AI, menciona que una empresa financiera ha comenzado a experimentar con esta tecnología para modelar el mercado, resaltando su potencial.
Curiosamente, aunque Axiom se presenta como una alternativa a la IA moderna, el principio de energía libre fue influenciado por el trabajo de Geoffrey Hinton, un pionero en el aprendizaje profundo que ha sido galardonado con el premio Turing y el Nobel. Hinton fue colega de Friston en el University College de Londres durante muchos años.
Reflexiones finales
La evolución del aprendizaje automático hacia enfoques que imitan el funcionamiento del cerebro humano es un paso emocionante en el campo de la IA. Con tecnologías como Axiom, se abre un abanico de posibilidades para crear agentes que no solo aprenden, sino que también comprenden y actúan en el mundo de manera más efectiva. Esta transición promete transformar tanto el desarrollo de la inteligencia artificial como su aplicación en diversas industrias.
