La inteligencia artificial ha avanzado a pasos agigantados, pero muchos de sus modelos más sofisticados aún dependen de la imitación de la obra humana y de soluciones propuestas por instructores. Sin embargo, un reciente proyecto colaborativo entre la Universidad de Tsinghua, el Instituto Beijing de Inteligencia Artificial General (BIGAI) y la Universidad Estatal de Pensilvania sugiere que la IA puede aprender de forma más autónoma, formulando preguntas interesantes y buscando respuestas por sí misma.
Este innovador enfoque se centra en un sistema llamado Absolute Zero Reasoner (AZR), que utiliza un modelo de lenguaje extenso para generar problemas desafiantes en Python que, aunque complicados, son resolubles. Posteriormente, el mismo modelo intenta resolver estos problemas y verifica la precisión de su trabajo ejecutando el código generado. Finalmente, el sistema AZR ajusta su modelo original basándose en sus éxitos y fracasos, mejorando su capacidad para plantear y resolver problemas.
El avance en habilidades de razonamiento
Los investigadores han observado que este método ha mejorado significativamente las habilidades de codificación y razonamiento de las versiones del modelo de lenguaje abierto Qwen, tanto de 7 mil millones como de 14 mil millones de parámetros. Sorprendentemente, este modelo ha superado incluso a otros que se habían alimentado de datos seleccionados por humanos.
El aprendizaje humano como referencia
Andrew Zhao, un estudiante de doctorado de la Universidad de Tsinghua y creador de la idea detrás de AZR, explica que este método refleja un proceso similar al aprendizaje humano.
En las etapas iniciales, uno tiende a imitar a sus padres o maestros, pero con el tiempo, la necesidad de formular sus propias preguntas se vuelve crucial. “Eventualmente, puedes superar a aquellos que te enseñaron”, comenta Zhao.
Conjuntamente, Zhao y Zilong Zheng, un investigador de BIGAI, destacan que esta forma de aprendizaje, a menudo denominada auto-juego, ha sido explorada durante años por pioneros en inteligencia artificial como Jürgen Schmidhuber y Pierre-Yves Oudeyer.
La capacidad del modelo para plantear y resolver problemas se incrementa de manera notable a medida que se fortalece su estructura.
Desafíos y futuras aplicaciones
A pesar de los avances, el sistema AZR se enfrenta actualmente al desafío de limitarse a problemas que pueden verificarse fácilmente, como matemáticas o programación. Sin embargo, los investigadores son optimistas sobre el futuro y consideran que, a medida que el proyecto avance, podría utilizarse para tareas más complejas de IA, como la navegación en la web o la gestión de tareas administrativas, donde el modelo tendría que juzgar la validez de las acciones de un agente.
El camino hacia la superinteligencia
Una de las perspectivas más intrigantes de un enfoque como AZR es su potencial para permitir que los modelos trasciendan la enseñanza humana. “Una vez que alcancemos ese nivel, sería una vía para alcanzar la superinteligencia”, indica Zheng. Ya se observan señales de que este enfoque está siendo adoptado por importantes laboratorios de IA.
Por ejemplo, el proyecto Agent0, desarrollado por Salesforce, Stanford y la Universidad de Carolina del Norte, se basa en un agente que utiliza herramientas de software para mejorar mediante el auto-juego. De manera similar a AZR, este modelo progresa en su razonamiento general a través de la resolución experimental de problemas. Un reciente estudio de investigadores de Meta, la Universidad de Illinois y la Universidad Carnegie Mellon propone un sistema que utiliza un tipo análogo de auto-juego para la ingeniería de software, sugiriendo que representa un primer paso hacia paradigmas de entrenamiento para agentes de software superinteligentes.
Es probable que los métodos alternativos de aprendizaje para la IA se conviertan en un tema clave dentro de la industria tecnológica en los próximos años. A medida que las fuentes de datos tradicionales se vuelven más escasas y costosas, y los laboratorios buscan formas innovadoras de potenciar sus modelos, iniciativas como Absolute Zero podrían dar lugar a sistemas de IA que se asemejen menos a meros imitadores y más a seres humanos pensantes.
