El genoma contiene espacio para una pequeña fracción de la información necesaria para controlar un comportamiento complejo. Entonces, ¿cómo, por ejemplo, una tortuga marina recién nacida sabe instintivamente que debe seguir la luz de la luna? Los neurocientíficos de Cold Spring Harbor han desarrollado una posible explicación para esta antigua paradoja. Sus ideas deberían conducir a formas de inteligencia artificial más rápidas y evolucionadas.
En cierto sentido, cada uno de nosotros comienza la vida preparado para la acción. Muchos animales realizan hazañas asombrosas poco después de nacer. La araña teje la red. Las ballenas nadan. ¿Pero de dónde viene este poder innato? Obviamente, el cerebro desempeña un papel clave porque contiene billones de conexiones neuronales necesarias para controlar el comportamiento complejo. Sin embargo, el genoma sólo tiene espacio para una pequeña fracción de esa información. Esta paradoja ha desconcertado a los científicos durante décadas. Ahora, los profesores del Laboratorio Cold Spring Harbor (CSHL), Anthony Zador y Alexei Koulakov, han desarrollado una posible solución utilizando inteligencia artificial.
Cuando Jador se encontró con este problema por primera vez, le dio un nuevo giro. “¿Qué pasa si la capacidad limitada del genoma es lo que nos hace tan inteligentes?” Se preguntó: “¿Qué pasa si esto es una característica y no un error?” En otras palabras, tal vez podamos trabajar de manera más inteligente y aprender más rápido porque los límites del genoma nos obligan a adaptarnos. Es una idea grande y audaz, difícil de demostrar. Después de todo, no podemos extender los experimentos de laboratorio a lo largo de miles de millones de años de evolución. Ahí es donde entra en juego la idea del Algoritmo de Cuello de Botella Genómico.
En la IA, las generaciones no abarcan décadas. Los nuevos modelos nacen con solo presionar un botón. Zador, Koulakov y los postdoctorados de CSHL Divyansha Lachi y Sergey Shuvaev desarrollaron un algoritmo informático que pliega montones de datos en un paquete ordenado, de forma muy similar a como nuestro genoma puede condensar la información necesaria para formar circuitos cerebrales funcionales. Luego probaron este algoritmo contra redes de IA que pasaron por múltiples rondas de entrenamiento. Sorprendentemente, descubrieron que el nuevo algoritmo, no entrenado, realizaba tareas como el reconocimiento de imágenes tan bien como la IA de última generación. Sus algoritmos se mantienen firmes incluso en los videojuegos. Invasores espaciales. Parece entender instintivamente cómo jugar.
¿Significa esto que la IA pronto replicará nuestras habilidades naturales? “No hemos alcanzado ese nivel”, afirmó Koulakov. “La arquitectura cortical del cerebro puede contener unos 280 terabytes de información: 32 años de vídeo de alta definición. Nuestros genomas tienen capacidad para aproximadamente una hora. Eso significa que la tecnología de compresión de 400.000 veces aún no puede igualar”.
Sin embargo, el algoritmo permite niveles de compresión que son invisibles en la IA. La tecnología puede tener usos impresionantes para esa característica. Shubaev, autor principal del estudio, explicó: “Por ejemplo, si desea ejecutar un modelo de lenguaje grande en un teléfono celular, una forma (de algoritmos) que puede utilizar es exponer su modelo capa por capa en el hardware”.
Estas aplicaciones podrían significar una IA más avanzada con tiempos de ejecución más rápidos. Y pensar que sólo hicieron falta 3.500 millones de años de evolución para llegar hasta aquí.