La mayoría de los sistemas de inteligencia artificial actuales resuelven problemas complejos armando una especie de “borrador” en palabras, paso por paso, antes de dar una respuesta final. A esta técnica se le conoce como razonamiento en cadena de pensamiento (chain-of-thought, en inglés) y ayuda a mejorar los resultados, pero tiene un costo: generar cada palabra o “token” consume poder de cómputo, así que mientras más larga sea la explicación interna, más lenta y cara resulta la respuesta.
Un equipo de investigadores presentó un modelo experimental de IA llamado BDH-CQ que toma un camino distinto: puede resolver ciertos acertijos de lógica sin poner en palabras sus pasos intermedios. En lugar de repasar todos los ejemplos que ha visto antes de responder, el modelo actualiza una memoria interna de tamaño fijo, explica Zuzanna Stamirowska, científica especializada en sistemas complejos y directora de la empresa de IA Pathway. “Una vez que llega la pregunta, el modelo no escribe su razonamiento en palabras”, señala.
Según el reporte, subido el 10 de agosto a arXiv.org (un repositorio donde los científicos comparten estudios antes de su revisión formal), el modelo resolvió casi tres de cada diez acertijos en la prueba pública ARC-AGI-1, diseñada para evaluar si una IA puede inferir reglas visuales a partir de pocos ejemplos. Los autores calculan que cada consulta cuesta apenas 0.00070 dólares (unos 0.014 pesos mexicanos), casi once veces menos que otro modelo comparado, aunque los costos se midieron de forma distinta.
Expertos externos consideran el resultado interesante en términos de eficiencia, pero advierten que se necesita más investigación para confirmar si esta arquitectura es realmente superior a otras. Te invitamos a leer la nota original en Science News para conocer todos los detalles.
Fuente: Can AI reason without words? A small model puts the idea to the test (Science News).
Imagen: brewbooks, BY-SA 2.0 (vía Openverse).