La inteligencia artificial demostró ser mejor que un adulto promedio en razonamiento abstracto

Científicos de la Universidad de Northwestern crearon un nuevo modelo computarizado que demostró ser mejor que un adulto promedio en una prueba de razonamiento abstracto. Los hallazgos del estudio fueron publicados en Psychological Review.

Actualmente, los sistemas de inteligencia artificial son capaces de resolver una gran variedad de problemas en lo que se refiere a cálculos, a menudo mejor que los humanos. Programas computarizados han demostrado exitosamente imitar la entonación humana, leer los labios mejor que un profesional, componer música, reconocer la imagen, copiar los estilos de los más reputados artistas, vencer a humanos en complejos juegos y hasta predecir el riesgo de muerte por enfermedad para ciertos pacientes. Pese a todos estos avances, continúa siendo difícil simular el pensamiento humano de forma integral. Acaso uno de los avances más importantes en cuanto a razonamiento lo consiguió el sistema ConceptNet en el 2015, que fue capaz de igualar a un niño de 4 años en un test de coeficiente intelectual.

Para los autores del trabajo, una de las características clave del pensamiento humano es la capacidad de encontrar analogías visuales —y entender representaciones relacionales sofisticadas. Por ello, los investigadores crearon un modelo informático que es capaz de pasar el test de matrices progresivas de Raven, que evalúa el nivel de inteligencia humana, su capacidad para pensar de forma abstracta y su capacidad para hallar una analogía visual. La prueba ofrece al participante cuadros con tareas de cada vez mayor dificultad. Cada una de las tareas muestra cuadros con figuras con una conexión lógica. El sujeto a prueba debe entender la relación y completar el cuadro siguiente con la figura que falte.

^{Ejemplo del test de Raven.}

El modelo se basó en el sistema CogSketch —un sistema de inteligencia artificial creado el último año usado para procesar datos visuales, entender bocetos y dar feedback inmediato e interactivo— e incorporó un modelo computacional de analogías basados en la teoría de mapeo-estructural de Dedre Gentner. La combinación de estas herramientas comparó los objetos de las pruebas, buscó similitudes y diferencias y a continuación, generó una respuesta.

Los autores sometieron al sistema de IA a una prueba de 60 tareas del test Raven. El mismo pudo responder 56 preguntas, un puntaje “por encima del promedio”, según los estándares estadounidenses en 1993. Se sometió también a la misma prueba a 42 personas con edades entre 18 y 22 años, quienes en promedio lograron completar 30 de las 36 tareas. Este último resultado equivale a 54 respuestas correctas en la versión completa de la prueba —una calificación menor a la del algoritmo.

El modelo se desempeñó mejor que el 75% de adultos estadounidenses, lo que lo hace mejor que el promedio. Asimismo, se observó que los problemas difíciles para las personas también se hacían complicados para el mismo, ofreciendo mayor evidencia que esta operación capturaba propiedades importantes de la cognición humana.

Los autores indican que la capacidad de comprender la compleja relación entre las imágenes es crucial para un conocimiento más avanzado. Es necesario hacer y entender analogías para resolver problemas sencillos, dilemas morales, y entender el mundo que nos rodea. Esta demostración de razonamiento, de otro lado, no implica que el equipo ya puede pensar al nivel de un humano —solo ha evaluado solo un tipo de inteligencia muy específica.

Los científicos también han logrado avances en otros aspectos en la línea de que las computadoras puedan alcanzar niveles de inteligencia humana. DeepMind desarrolló un sistema de IA capaz de aprender de propiedades de objetos físicos a través de la interacción con ellos, algo conocido como “aprendizaje de refuerzo profundo”.  

Daniel Meza

Si te gustó esta noticia, entérate de más a través de nuestros canales de Facebook y Twitter