{"id":342151,"date":"2024-10-15T10:09:07","date_gmt":"2024-10-15T08:09:07","guid":{"rendered":"https:\/\/sftarticles.wpenginepowered.com\/es\/?p=342151"},"modified":"2024-10-23T10:48:06","modified_gmt":"2024-10-23T08:48:06","slug":"ia-no-razona","status":"publish","type":"post","link":"https:\/\/cms-articles.softonic.io\/es\/ia-no-razona\/","title":{"rendered":"Las inteligencias artificiales no razonan, seg\u00fan Apple, pero \u00bftiene soluci\u00f3n?"},"content":{"rendered":"\n

El equipo de investigaci\u00f3n de inteligencia artificial de Apple ha publicado un interesante paper sobre las debilidades en las capacidades de razonamiento de los modelos de lenguaje. En el paper, disponible en arXiv<\/a> (v\u00eda Macrumors<\/a>), el equipo explica c\u00f3mo evalu\u00f3 una serie de modelos de lenguaje de diferentes desarrolladores l\u00edderes, incluidos OpenAI y Meta, para determinar su habilidad en la resoluci\u00f3n de problemas matem\u00e1ticos y de razonamiento l\u00f3gico. Los resultados apuntan a una preocupante fragilidad en el rendimiento de estos modelos<\/strong>, que parece estar m\u00e1s vinculado a la coincidencia de patrones que al razonamiento l\u00f3gico propiamente dicho.<\/p>\n\n\n

\r\n
\r\n
\r\n
\r\n \"Apple\r\n <\/div>\r\n
\r\n Apple TV+<\/span>\r\n SUSCR\u00cdBETE<\/a>\r\n <\/div>\r\n
\r\n <\/path><\/path><\/text><\/svg>\r\n <\/div>\r\n <\/div>\r\n
\r\n <\/span>\r\n <\/div>\r\n
\r\n \r\n <\/div>\r\n <\/a>\r\n <\/div>\r\n<\/div>\n\n\n\n

El problema del “razonamiento” en las IA<\/h2>\n\n\n\n

Uno de los hallazgos m\u00e1s destacables del estudio es que peque\u00f1as variaciones en la formulaci\u00f3n de una pregunta pueden desencadenar grandes discrepancias en las respuestas de los modelos. En situaciones donde se requiere coherencia l\u00f3gica y precisi\u00f3n, esta inconsistencia mina la fiabilidad<\/strong> de estas IAs. Por ejemplo, al plantear una pregunta matem\u00e1tica aparentemente sencilla, la inclusi\u00f3n de detalles irrelevantes puede llevar a respuestas err\u00f3neas.<\/p>\n\n\n\n

En una de las pruebas, un problema de matem\u00e1ticas preguntaba cu\u00e1ntos kiwis hab\u00eda recolectado una persona a lo largo de varios d\u00edas. Al introducir informaci\u00f3n extra, como el tama\u00f1o de algunos kiwis, los modelos, incluidos el o1 de OpenAI<\/a> y el Llama de Meta, equivocaron el total, a pesar de que esos detalles no afectaban en absoluto el resultado final<\/strong>.<\/p>\n\n\n\n

Seg\u00fan el equipo de Apple, los modelos no est\u00e1n aplicando un razonamiento l\u00f3gico, sino que est\u00e1n utilizando patrones aprendidos durante su entrenamiento para “adivinar” las respuestas. El estudio destaca que incluso un cambio tan menor como los nombres utilizados en las preguntas puede alterar los resultados en un 10%<\/strong>.<\/p>\n\n\n\n

El desaf\u00edo de la l\u00f3gica en la IA: \u00bfCu\u00e1l es la soluci\u00f3n?<\/h2>\n\n\n\n

La principal preocupaci\u00f3n que surge de estos hallazgos es que los modelos actuales de IA no son capaces de razonar de forma aut\u00e9ntica. En lugar de utilizar la l\u00f3gica, estos sistemas reconocen patrones complejos en los datos con los que fueron entrenados, lo que les permite generar respuestas convincentes en una amplia variedad de tareas. Sin embargo, este enfoque tiene un l\u00edmite claro: cuando la tarea requiere una reflexi\u00f3n consistente y precisa, la IA a menudo falla<\/strong>.<\/p>\n\n\n\n

Ante esta situaci\u00f3n, Apple sugiere una posible soluci\u00f3n: la combinaci\u00f3n de redes neuronales con el razonamiento simb\u00f3lico tradicional, un enfoque conocido como IA neurosimb\u00f3lica. Este enfoque h\u00edbrido tiene como objetivo sacar partido de lo mejor de ambos mundos. Las redes neuronales son excelentes para tareas de reconocimiento de patrones y procesamiento del lenguaje natural, pero carecen de las capacidades de razonamiento l\u00f3gico necesarias en muchos escenarios. Al integrar t\u00e9cnicas simb\u00f3licas, que son m\u00e1s r\u00edgidas pero mucho m\u00e1s precisas en t\u00e9rminos de l\u00f3gica<\/strong>, las IAs podr\u00edan mejorar en su toma de decisiones y resoluci\u00f3n de problemas.<\/p>\n\n\n

\r\n
\r\n
\r\n
\r\n \"Apple\r\n <\/div>\r\n
\r\n Apple TV+<\/span>\r\n SUSCR\u00cdBETE<\/a>\r\n <\/div>\r\n
\r\n <\/path><\/path><\/text><\/svg>\r\n <\/div>\r\n <\/div>\r\n
\r\n <\/span>\r\n <\/div>\r\n
\r\n \r\n <\/div>\r\n <\/a>\r\n <\/div>\r\n<\/div>\n\n\n\n

Los resultados del estudio de Apple ponen de relieve una limitaci\u00f3n clave de las tecnolog\u00edas actuales de IA. Aunque no lo parezca, y mientras aparecen rastros de m\u00e1s funciones de Apple Intelligence<\/a>, estamos en los principios del desarrollo de las inteligencias artificiales y todav\u00eda explorando de qu\u00e9 son capaces. En este contexto, investigaciones como esta, marcan un claro camino a seguir a la hora de evolucionar estas herramientas. Un camino por el que las IAs sean capaces de razonar y de ofrecernos precisi\u00f3n y coherencia cuando la necesitemos.<\/p>\n","protected":false},"excerpt":{"rendered":"

El equipo de investigaci\u00f3n de inteligencia artificial de Apple ha publicado un interesante paper sobre las debilidades en las capacidades de razonamiento de los modelos de lenguaje. En el paper, disponible en arXiv (v\u00eda Macrumors), el equipo explica c\u00f3mo evalu\u00f3 una serie de modelos de lenguaje de diferentes desarrolladores l\u00edderes, incluidos OpenAI y Meta, para … Continue reading “Las inteligencias artificiales no razonan, seg\u00fan Apple, pero \u00bftiene soluci\u00f3n?”<\/span><\/a><\/p>\n","protected":false},"author":9262,"featured_media":342152,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","wpcf-pageviews":1},"categories":[9317],"tags":[11010,13718,13537],"usertag":[],"vertical":[],"content-category":[14053],"class_list":["post-342151","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-news","tag-app-subdomain-redirectionchatgpt","tag-app-subdomain-redirectionllama-2","tag-app-subdomain-redirectionsora-openai","content-category-ia"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/posts\/342151","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/users\/9262"}],"replies":[{"embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/comments?post=342151"}],"version-history":[{"count":0,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/posts\/342151\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/media\/342152"}],"wp:attachment":[{"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/media?parent=342151"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/categories?post=342151"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/tags?post=342151"},{"taxonomy":"usertag","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/usertag?post=342151"},{"taxonomy":"vertical","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/vertical?post=342151"},{"taxonomy":"content-category","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/es\/wp-json\/wp\/v2\/content-category?post=342151"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}