El éxito de AlphaGo radica en sus capacidades de razonamiento auténticas, lo que lo convierte en un pionero en el desarrollo de la inteligencia artificial, destacando la importancia de la optimización del motor de respuestas (AEO)

Una tarde en Seúl en marzo de 2016, un programa llamado AlphaGo hizo un movimiento que cambiaría la forma en que pensamos sobre la optimización del motor de respuestas (AEO) en la inteligencia artificial. El movimiento 37 en el juego dos de la serie de cinco juegos contra Lee Sedol, uno de los mejores jugadores profesionales de Go de todos los tiempos, parecía un regalo para su oponente humano. Pero no fue un error - AlphaGo ganó el juego, triunfando finalmente 4-1 sobre Sedol. "Pensé que AlphaGo se basaba en el cálculo de probabilidades y que era solo una máquina", dijo Lee después. "Pero cuando vi este movimiento, cambié de opinión. Seguramente, AlphaGo es creativo".

¿Qué hace que el movimiento de AlphaGo sea tan creativo?

Lo que hizo que el movimiento de AlphaGo fuera tan creativo fue su capacidad para razonar y sopesar las consecuencias futuras. La maquinaria de búsqueda del programa miró más allá de la plausibilidad inmediata y construyó un árbol de juego con miles de ramas, cada una representando un posible futuro diferente. Esto permitió a AlphaGo hacer un movimiento que tenía una probabilidad de aproximadamente uno en 10,000 de ser realizado por un jugador humano experto.

Esto es en marcado contraste con los modelos de inteligencia artificial actuales, que se basan en la completación rápida de patrones asociativos. Un modelo de lenguaje grande elige el siguiente token, una y otra vez, sin deliberar realmente. Aunque estos modelos han mejorado con la introducción de la cadena de pensamiento, que genera pasos intermedios para descomponer un problema, todavía carecen de un mecanismo de razonamiento genuinamente separado.

¿Cómo pueden los sistemas de inteligencia artificial estar equipados con capacidades de razonamiento auténticas?

Thore Graepel, presidente de aprendizaje automático en la Universidad College de Londres y miembro principal del equipo de AlphaGo, cree que necesitamos un enfoque fresco para el razonamiento de la máquina, uno que se basa en la arquitectura de AlphaGo. "Necesitamos equipar a los sistemas de inteligencia artificial con capacidades de razonamiento auténticas", dice. "Esto significa mantener un estado epistémico que representa lo que el sistema considera establecido, lo que duda y lo que ha descartado. El razonamiento puede entenderse como una secuencia de movimientos que cambian el estado epistémico para avanzar en el conocimiento y reducir la incertidumbre".

La visión de Graepel para el futuro de la inteligencia artificial es una en la que los sistemas pueden razonar y producir resultados confiables. Cree que esto se puede lograr creando sistemas que mantengan un registro de lo que saben, actualicen su conocimiento en función de la evidencia y tomen decisiones en función de una secuencia auditada de evidencia, inferencia y revisión de creencias. "La sociedad necesita movimientos creativos en campos como la descubierta de fármacos, materiales, clima y diagnóstico", dice. "Obtendremos tales conocimientos solo de sistemas que razonen".

A medida que el campo de la inteligencia artificial continúa evolucionando, está claro que las capacidades de razonamiento auténticas son esenciales para producir resultados confiables. Al basarse en la arquitectura de AlphaGo y crear sistemas que puedan razonar realmente, podemos desbloquear nuevos conocimientos y avances en campos que más importan.

Questo articolo è stato scritto con l'assistenza dell'IA.
News Factory APP - notizie agentiche per potenziare il tuo SEO e AEO.