Investigadores chinos probaron que la inteligencia artificial puede desarrollar espontáneamente una cognición a nivel humano.

Un artículo de Global Times asegura que equipos científicos chinos, “mediante el análisis de experimentos de comportamiento con neuroimagen, han confirmado por primera vez que los modelos de lenguaje grandes multimodales (LLM) basados ​​en tecnología de IA pueden formar espontáneamente un sistema de representación de conceptos de objetos muy similar al de los humanos.”

El estudio fue realizado por equipos de investigación del Instituto de Automatización, Academia China de Ciencias (CAS), el Instituto de Neurociencia, CAS, y otros colaboradores.

El artículo de investigación fue publicado en línea en Nature Machine Intelligence el 9 de junio. El artículo afirma que los hallazgos avanzan en la comprensión de la inteligencia artificial e informan el desarrollo de sistemas cognitivos artificiales más similares a los humanos.

Los humanos pueden conceptualizar objetos en el mundo natural, y esta capacidad cognitiva se ha considerado durante mucho tiempo como el núcleo de la inteligencia humana. Cuando las personas ven un “perro”, un “coche” o una “manzana”, no solo pueden reconocer sus características físicas (tamaño, color, forma, etc.), sino también comprender sus funciones, valores emocionales y significados culturales, afirmó Du Changde, del Instituto de Automatización de CAS, también primer autor del artículo, según informó China News.

Du afirmó que estas representaciones conceptuales multidimensionales constituyen la piedra angular de la cognición humana.

En los últimos años, con el desarrollo explosivo de LLM como ChatGPT, ha surgido y atraído una amplia atención la pregunta fundamental de si estos grandes modelos lingüísticos pueden desarrollar representaciones de conceptos de objetos similares a las de los humanos a partir del lenguaje y datos multimodales.

He Huiguang, investigador del Instituto de Automatización de CAS y autor correspondiente del artículo, señaló que la investigación tradicional en IA se ha centrado en la precisión del reconocimiento de objetos, pero rara vez ha explorado si los modelos realmente “comprenden” el significado de los objetos. “La IA actual puede distinguir imágenes de gatos y perros, pero la diferencia esencial entre este ‘reconocimiento’ y la ‘comprensión’ humana aún debe aclararse”, según un comunicado de prensa enviado el martes por CAS al Global Times.

El equipo chino combinó experimentos conductuales y análisis de neuroimagen para explorar la relación entre las representaciones de objetos-conceptos en LLM y la cognición humana.

Recopilaron 4,7 millones de juicios de tripletes de LLM y LLM multimodales para obtener incrustaciones de baja dimensión que capturan la estructura de similitud de 1854 objetos naturales.

Las incrustaciones de 66 dimensiones resultantes fueron predictivas estables y exhibieron una agrupación semántica similar a la de las representaciones mentales humanas.

Cabe destacar que las dimensiones subyacentes fueron interpretables.lo que sugiere que los LLM y los LLM multimodales desarrollan representaciones conceptuales de objetos similares a las humanas.

El equipo comparó la consistencia entre los LLM y los humanos en cuanto a patrones de selección de comportamiento, y los resultados mostraron que los LLM tuvieron un mejor rendimiento en términos de consistencia. El estudio también reveló que los humanos tienden a combinar características visuales e información semántica al tomar decisiones, mientras que los LLM se basan más en etiquetas semánticas y conceptos abstractos.

Afirmó que el estudio ha dado el salto del “reconocimiento automático” a la “comprensión automática”. El resultado muestra que los LLM no son “loros estocásticos”. En cambio, estos modelos tienen una comprensión interna de los conceptos del mundo real, similar a la de los humanos. El hallazgo principal es que la “dimensión mental” llega a destinos cognitivos similares por diferentes vías.