La próxima evolución de la IA arranca con la nuestra
Cada ser vivo nace con habilidades innatas controladas por el cerebro, pero el genoma solo puede almacenar una fracción de esa información. Investigadores proponen ahora una solución a esta paradoja utilizando inteligencia artificial.
Por Enrique Coperías
Un estudio de neuroIA en el Laboratorio Cold Spring Harbor, publicado en Proceedings of the National Academy of Sciences, ofrece una nueva visión de uno de los misterios más profundos de la biología evolutiva. Imagen generada con DALL-E
Los animales nacen con amplias capacidades innatas de comportamiento, que surgen de circuitos neuronales codificados en el genoma. En efecto, muchas criaturas realizan hazañas asombrosas poco después de venir al mundo: las arañas tejen telas, las ballenas nadan, las abejas hacen el baile de meneo, el reflejo de succión del bebé... Pero ¿de dónde proceden estas habilidades innatas?
Obviamente, el encéfalo desempeña un papel clave, ya que contiene los billones de conexiones neuronales necesarias para controlar comportamientos complejos. Sin embargo, la molécula de ADN solo tiene espacio para una pequeña fracción de esa información. Esta paradoja ha dejado perplejos a los científicos durante décadas. Ahora, los profesores del Laboratorio Cold Spring Harbor (CSHL), en Estados Unidos, Anthony Zador y Alexei Koulakov han ideado una posible solución utilizando inteligencia artificial (IA).
Cuando Zador se encuentró por primera vez con este problema, le dió un nuevo y perspicaz giro. «¿Y si la capacidad limitada del genoma es precisamente lo que nos hace tan inteligentes? —se preguntó—. ¿Y si es una característica, no un defecto?». En otras palabras, quizá podamos actuar con inteligencia y aprender con rapidez porque los límites del genoma nos obligan a adaptarnos.
Esta una idea importante y audaz, difícil de demostrar. Al fin y al cabo, no podemos extender los experimentos de laboratorio a lo largo de miles de millones de años de evolución. De ahí surge la idea del algoritmo del cuello de botella genómico al pasar de una generación a la siguiente. De forma sencilla puede decirse que un algoritmo del cuello de botella genómico modelo es un enfoque que intenta resolver el dilema de cómo el genoma, que contiene una cantidad limitada de información, puede ser responsable de una variedad tan compleja de comportamientos y habilidades innatas en los seres vivos.
En otras palabras, aborda el problema de cómo el genoma, con su espacio limitado, puede contener la información necesaria para guiar el desarrollo de comportamientos complejos como los observados en los animales poco después de nacer.
Aunque el genoma por sí solo no puede almacenar toda la información necesaria para controlar los comportamientos completos, puede haber un mecanismo mediante el cual el cerebro y sus conexiones neuronales interpretan o procesan dicha información de manera más eficiente. Los investigadores proponen que, a través de algoritmos, como los que emplean inteligencia artificial, se pueden entender y modelar estos procesos, ayudando a resolver la paradoja del cuello de botella genómico, en la cual el genoma tiene una capacidad limitada pero permite el control de una vasta gama de habilidades innatas.
Los nuevos modelos nacen con solo pulsar un botón
En la IA, las generaciones no abarcan décadas. Los nuevos modelos nacen con solo pulsar un botón. Zador, Koulakov y los posdoctorandos del CSHL Divyansha Lachi y Sergey Shuvaev se propusieron desarrollar un algoritmo informático que reuniera montones de datos en un paquete ordenado, de forma parecida a como nuestro genoma podría comprimir la información necesaria para formar circuitos cerebrales funcionales.
A continuación, comparan este algoritmo con redes de inteligencia artificial sometidas a múltiples rondas de entrenamiento. Sorprendentemente, descubren que el nuevo algoritmo sin entrenamiento realiza tareas como el reconocimiento de imágenes casi con la misma eficacia que la IA más avanzada. Su algoritmo se defiende incluso en videojuegos como Space Invaders. Es como si supiera jugar de forma innata.
Un algoritmo del CSHL parece que sabe jugar al videojuego Space Invaders de forma innata.
¿Significa esto que la IA pronto replicará nuestras capacidades naturales? «Aún no hemos llegado a ese nivel —afirma Koulakov en una nota de prensa del Laboratorio Cold Spring Harbor. Y añade—: En la arquitectura cortical del cerebro caben unos 280 terabytes de información: 32 años de vídeo de alta definición. En nuestros genomas cabe aproximadamente una hora. Esto implica una compresión de 400.000 veces que la tecnología aún no puede igualar».
«Aquí formulamos el problema de la capacidad innata de comportamiento en el contexto de las redes neuronales artificiales en términos de compresión con pérdidas de la matriz de pesos —escriben los autores del estudio en la revista Proceedings of the National Academy of Sciences. Y añaden—: Descubrimos que varias arquitecturas de red estándar pueden comprimirse en varios órdenes de magnitud, obteniendo un rendimiento previo al entrenamiento que puede acercarse al de la red completamente entrenada».
No obstante, el algoritmo permite niveles de compresión hasta ahora nunca vistos en la IA. Esa característica podría tener usos impresionantes en tecnología. Shuvaev, autor principal del estudio, dice siguiente: «Por ejemplo, si quisiéramos ejecutar un modelo lingüístico de gran tamaño en un teléfono móvil, una forma de utilizar [el algoritmo] sería desplegar el modelo capa por capa en el hardware».
Estas aplicaciones podrían suponer una IA más evolucionada con tiempos de ejecución más rápidos. Y pensar que solo han hecho falta 3.500 millones de años de evolución para llegar hasta aquí. ▪️
Información facilitada por el Cold Spring Harbor Laboratory
Fuente: S. Shuvaev, D. Lachi, A. Koulakov, A. Zado. Encoding innate ability through a genomic bottleneck. PNAS (2024). DOI: https://doi.org/10.1073/pnas.2409160121
