Durante años, la inteligencia artificial ha avanzado apoyándose en redes neuronales profundas y grandes modelos de lenguaje. Estos sistemas pueden reconocer patrones, generar textos y resolver problemas, pero necesitan enormes cantidades de potencia de cálculo y electricidad.

Un equipo de investigadores de la Universidad de Tsinghua, la Universidad Tecnológica de Graz y el Consejo Nacional de Investigación de Italia está probando otra ruta. Su propuesta toma ideas de la neurociencia y la ciencia cognitiva para crear una IA que aprenda y resuelva problemas de una manera más parecida al cerebro. 

GCML 

El trabajo, publicado en Nature Machine Intelligence, parte de una pregunta sencilla. Si la evolución desarrolló mecanismos capaces de producir inteligencia usando un cerebro que consume alrededor de 20 vatios, ¿por qué no intentar reproducir algunos de esos mecanismos en dispositivos artificiales?

Los investigadores se fijaron especialmente en cómo el cerebro organiza el conocimiento. En vez de guardar información como una enorme tabla de parámetros, parece construir representaciones llamadas mapas cognitivos. Estas estructuras permiten relacionar experiencias y conocimientos para responder con rapidez cuando aparece una situación nueva.

La nueva arquitectura, llamada GCML, utiliza esa idea para organizar la información. En las primeras pruebas, una red neuronal basada en este enfoque consiguió planificar acciones de manera flexible y resolver problemas que no había encontrado durante su entrenamiento. Además, los investigadores pudieron interpretar con mayor facilidad cómo llegaba a determinadas decisiones.

Hay otra ventaja importante. El sistema aprende de manera local, por lo que no necesita los procesos de entrenamiento intensivos que suelen exigir los modelos actuales. Esto podría facilitar su funcionamiento en chips neuromórficos y sistemas de computación en memoria. 

Eficiencia 

Estos dispositivos buscan reducir el gasto energético evitando mover constantemente los datos entre la memoria y el procesador. En algunos casos, realizan los cálculos directamente donde se almacenan los datos.

El equipo ya trabaja con ingenieros de Intel y una startup para llevar su algoritmo a este tipo de hardware. La intención es comprobar si puede mantener dos características que distinguen al cerebro, su baja latencia y su capacidad para adaptarse rápidamente cuando cambian los objetivos o las circunstancias. 

Los investigadores también quieren que estos sistemas puedan explicar sus decisiones mediante experiencias concretas que respalden cada acción. Eso podría acercar la IA a una característica todavía difícil de conseguir en muchos modelos actuales, entender no solamente qué decisión toman, sino por qué la toman.

La apuesta no consiste en hacer una versión más grande de la IA actual. Consiste en preguntarse si el cerebro encontró una forma más eficiente de resolver ciertos problemas y si esas soluciones pueden funcionar también dentro de un chip.