Avance de la IA: máquinas que dominan las tareas humanas a través del lenguaje

resumen: Los investigadores han dado un gran salto en el campo de la inteligencia artificial al desarrollar una inteligencia artificial capaz de aprender nuevas tareas a partir de instrucciones verbales o escritas y luego describir estas tareas verbalmente a otra inteligencia artificial, permitiéndole realizar las mismas tareas. Este desarrollo destaca por primera vez una habilidad única, similar a la humana, en la IA: convertir instrucciones en acciones y comunicar lingüísticamente estas acciones a sus pares.

El equipo utilizó un modelo neuronal artificial conectado a una red de comprensión del lenguaje previamente entrenada para simular las áreas del cerebro que procesan el lenguaje. Este avance no sólo mejora nuestra comprensión de la interacción entre el lenguaje y el comportamiento, sino que también es muy prometedor para la robótica, ya que imagina un futuro en el que las máquinas puedan comunicarse y aprender unas de otras de manera similar a los humanos.

Hechos clave:

1. Aprendizaje y comunicación similares a los humanos en inteligencia artificial: El equipo de la Universidad de Ginebra creó un modelo de IA que puede realizar tareas basadas en instrucciones verbales o escritas y comunicar estas tareas a otras IA.
2. Integración avanzada del modelo neuronal: Al combinar un modelo de lenguaje previamente entrenado con una red más simple, los investigadores imitaron las áreas del cerebro humano responsables de la percepción, interpretación y producción del lenguaje.
3. Aplicaciones prometedoras en robótica: Esta innovación abre nuevas posibilidades para la robótica, permitiendo el desarrollo de robots humanoides que entienden y se comunican con los humanos y entre sí.

fuente: Universidad de Ginebra

Realizar una nueva tarea basándose únicamente en instrucciones verbales o escritas y luego describirla a otros para que puedan reproducirla es una piedra angular de la comunicación humana que sigue resistiéndose a la inteligencia artificial.

Un equipo de la Universidad de Ginebra (UNIGE) ha modelado con éxito una red neuronal artificial capaz de realizar esta destreza cognitiva. Después de aprender y realizar una serie de tareas básicas, esta IA fue capaz de proporcionar una descripción lingüística de las mismas a la IA «hermana», que luego las llevó a cabo.

Estos resultados prometedores, especialmente en lo que respecta a la robótica, se han publicado en Neurociencia Natural.

Realizar una nueva tarea sin formación previa, basándose únicamente en instrucciones verbales o escritas, es una capacidad exclusivamente humana. Además, una vez que aprendemos la tarea, podemos describirla para que otra persona pueda reproducirla.

Esta doble capacidad nos distingue de otras especies que, para aprender una nueva tarea, necesitan numerosas experiencias acompañadas de señales de refuerzo positivas o negativas, sin poder comunicarlas a sus compañeros.

Un subcampo de la inteligencia artificial (IA), el procesamiento del lenguaje natural, busca recrear esta capacidad humana, utilizando máquinas que comprendan y respondan a datos de audio o texto. Esta tecnología se basa en redes neuronales artificiales inspiradas en nuestras neuronas biológicas y en la forma en que se transmiten las señales eléctricas entre sí en el cerebro.

Sin embargo, los cálculos neuronales que harían posible la hazaña cognitiva descrita anteriormente aún no se conocen bien.

«Actualmente, los agentes conversacionales que utilizan IA pueden combinar información lingüística para producir texto o una imagen. «Pero, hasta donde sabemos, todavía no son capaces de traducir instrucciones verbales o escritas en acciones sensoriomotoras, y mucho menos explicárselas a otra IA. eso que reproducirlos”, explica Alexandre Puget, profesor titular del Departamento de Neurociencias Básicas de la Facultad de Medicina de la UNIGE.

Cerebro modelo

El investigador y su equipo han conseguido desarrollar un modelo neuronal artificial con esta doble capacidad, aunque con entrenamiento previo. '

«Comenzamos con un modelo existente de neuronas artificiales, S-Bert, que contiene 300 millones de neuronas y fue entrenado previamente para comprender el lenguaje. Lo conectamos a otra red más simple de unos pocos miles de neuronas», explica el doctor Reidar Reifland. estudiante del Departamento de Neurociencias Básicas de la Facultad de Medicina de UNIGE y primer autor del estudio.

En la primera fase del experimento, los neurocientíficos entrenaron esta red para imitar el área de Wernicke, la parte de nuestro cerebro que nos permite percibir e interpretar el lenguaje. En la segunda etapa, la red fue entrenada para reproducir el área de Broca, que bajo la influencia del área de Wernicke es responsable de producir y pronunciar palabras. Todo el proceso se realizó en portátiles tradicionales. Luego se enviaron instrucciones escritas en inglés a Amnistía Internacional.

Por ejemplo: indicar el lugar –izquierda o derecha– donde se percibe el estímulo; Respuesta en dirección opuesta al estímulo. O, más complejo, entre dos estímulos visuales con una ligera diferencia de contraste, que aparece más brillante. Luego, los científicos evaluaron los resultados de un modelo que simulaba la intención de moverse o, en este caso, la señal.

Una vez aprendidas estas tareas, la red pudo describirlas a una segunda red (una copia de la primera red) para que pudiera reproducirlas. «Hasta donde sabemos, es la primera vez que dos sistemas de inteligencia artificial pueden comunicarse entre sí de forma puramente lingüística», afirma Alexandre Pouget, director de la investigación.

Para los humanos en el futuro

Este modelo abre nuevos horizontes para comprender la interacción entre lenguaje y comportamiento. Esto es particularmente prometedor para el sector de la robótica, donde el desarrollo de tecnologías que permitan a las máquinas comunicarse entre sí es un tema importante.

''La red que hemos desarrollado es muy pequeña. Ya nada se interpone en el camino para desarrollar redes más complejas sobre esta base, que puedan integrarse en robots humanoides capaces de entendernos a nosotros pero también a los demás.

Acerca de esta noticia de investigación de IA

autor: Antonio Guinot
fuente: Universidad de Ginebra
comunicación: Antoine Guénot – Universidad de Ginebra
imagen: Imagen acreditada a Neuroscience News.

Búsqueda original: Acceso abierto.
«Las instrucciones en lenguaje natural inducen la generalización sintáctica en redes neuronales“Por Alexandre Puget et al. Neurociencia Natural

un resumen

Las instrucciones en lenguaje natural inducen la generalización sintáctica en redes neuronales

Uno de los logros cognitivos humanos fundamentales es interpretar instrucciones lingüísticas para realizar tareas novedosas sin experiencia explícita en tareas. Sin embargo, los cálculos neuronales que se pueden utilizar para lograrlo aún no se conocen bien. Utilizamos avances en el procesamiento del lenguaje natural para crear un modelo neuronal de generalización basado en instrucciones lingüísticas.

Los modelos se entrenan en un conjunto de tareas psicofísicas comunes y reciben instrucciones integradas en un modelo de lenguaje previamente entrenado. Nuestros mejores modelos pueden realizar una tarea sin precedentes con un rendimiento correcto promedio del 83% basado únicamente en instrucciones lingüísticas (es decir, aprendizaje cero).

Hemos descubierto que el lenguaje apoya las representaciones sensoriomotoras, de modo que la actividad de tareas interrelacionadas comparte una arquitectura común con las representaciones semánticas de instrucciones, lo que permite que el lenguaje indique la combinación apropiada de habilidades practicadas en entornos no visuales.

Mostramos cómo este modelo genera una descripción lingüística de una nueva tarea que ha seleccionado utilizando únicamente retroalimentación motora, que luego puede guiar a un modelo asociado para realizar la tarea.

Nuestros modelos hacen varias predicciones comprobables experimentalmente que explican cómo se representa la información lingüística para facilitar la cognición flexible y general en el cerebro humano.