Necessitem que la intel·ligència artificial comprengui el món

L'èxit recent del chatbot ChatGPT ha posat al centre del debat públic la intel·ligència artificial, una tecnologia que ha conegut un avenç considerable al llarg de la dècada passada de manera que ja és present en nombrosos aspectes de les nostres vides. Tot i que ja tractem amb sistemes intel·ligents de forma quotidiana, moltes vegades sense adonar-nos (per exemple, quan les plataformes ens recomanen continguts audiovisuals personalitzats o quan utilitzem el text predictiu en escriure un missatge al mòbil), el producte de l'empresa Open AI ens ha enfrontat a un nou fenomen assat vistós, com és contemplar la capacitat creativa de les màquines.

Aquest tipus d'intel·ligència artificial s'anomena “generativa”, ja que dóna lloc a algun tipus de creació, ja sigui text, imatge o so. Tot i la novetat que semblen aquestes habilitats, ja existeix una llarga tradició d'algoritmes que escriuen novel·les o poesia, o que pinten quadres o dissenyen imatges. És probable que la popularitat que han obtingut els anomenats Large Language Models (LLM) -com ChatGPT, Turing NLG de Microsoft, Bard de Google o Gopher de Deep Mind- resideixi que han abandonat l'àmbit dels experts i estan en la majoria de els casos en mans de la gent. Així, tothom ha pogut provar en primera persona com funcionen aquests chatbots i les possibilitats que ofereixen.

Ara bé, tot i l'espectacular dels resultats que ofereixen, hi ha veus que assenyalen les limitacions d'aquesta branca de la intel·ligència artificial, i que lluny d'emular les funcions del cervell humà. L'agost passat, el físic Michio Kaku denunciava el sensacionalisme que s'ha generat al voltant d'aquests robots conversacionals, que, al seu parer, no fan més que seleccionar i ordenar continguts d'internet, sense saber destriar la veritat de la ficció, ni distingir les dades reals de la desinformació. Bàsicament, els LLM no serien més que versions avançades dels cercadors de la web, com Google, que han estat funcionant durant els darrers vint anys.

Un dels crítics més importants de la intel·ligència artificial actual és sens dubte el professor i empresari Gary Marcus, que considera que la branca més utilitzada avui dia, l'aprenentatge automàtic i les xarxes neuronals -responsables dels avenços produïts en els últims vint anys- , presenta mancances relatives al raonament, no resulta fiable i s'allunya de la manera de pensar que tenim els humans. A parer seu, les mancances que presenta l'aprenentatge profund de les xarxes neuronals podrien ser salvades gràcies a l'anomenada intel·ligència artificial simbòlica, una aproximació clàssica a aquesta tecnologia que avui dia ha estat desplaçada a un segon pla.

La intel·ligència artificial simbòlica se centra en la manipulació i processament de símbols i conceptes en comptes de grans quantitats de dades numèriques, com fa l'aprenentatge automàtic. Aquest tipus d'algoritmes funciona fent servir símbols que representen objectes o idees del món i les seves relacions. La principal aproximació d'aquesta branca és l'ús de programació basada en la lògica, en què les normes i els axiomes són utilitzats per fer inferències i deduccions.

Mentre que la intel·ligència artificial simbòlica és més adequada per treballar en entorns de coneixement ben definit i estructurat, l'aprenentatge automàtic és més útil quan hi ha grans volums de dades i patrons complexos.

La tesi que defensa Gary Marcus és que la intel·ligència artificial actual basada en l'aprenentatge automàtic i l'aprenentatge profund només podrà continuar evolucionant si es combina amb l'enfocament simbòlic, en forma d'una intel·ligència artificial “híbrida”. Si no és així, prediu que es podria produir un altre “hivern de la intel·ligència artificial”, és a dir, un estancament i un desencís generalitzat al voltant d'aquesta tecnologia, com el que va tenir lloc a partir dels anys 70 del segle passat.

Per a Gary Marcus el futur de la intel·ligència artificial no es pot basar en models basats en un excés de dades i en una manca de coneixement i raciocini. Necessitem sistemes que manifestin una elevada comprensió del món, cosa que comporta centrar-nos en com es representa, adquireix i raona el coneixement abstracte.

Aquesta tercera via d'innovació està sent explorada per IBM a través del que anomena intel·ligència artificial neuro simbòlica, un plantejament experimental que combina l'ús de xarxes neuronals convolucionals dedicades a la classificació d'imatges amb la capacitat d'establir relacions entre elements simbòlics, com ara seqüències de paraules, de manera que el sistema aprèn dels seus errors de manera molt més ràpida que mitjançant l'entrenament clàssic d'una xarxa neuronal.