Los principales investigadores de IA de Silicon Valley se enfrentan a un desafío al pensamiento convencional sobre la inteligencia artificial general (AGI). Yann LeCun, exjefe de Meta AI y destacado crítico del enfoque del modelo de lenguaje grande (LLM), respalda una startup llamada Logical Intelligence que es pionera en un método diferente. LeCun sostiene que la obsesión actual con los LLM (sistemas que predicen la siguiente palabra en una secuencia) es un callejón sin salida. En cambio, cree que el camino hacia la verdadera IA reside en sistemas que razonan en lugar de simplemente adivinar.
Razonamiento basado en energía: un nuevo enfoque para la IA
La Inteligencia Lógica ha desarrollado un “modelo basado en energía” (EBM), que aprende absorbiendo limitaciones en lugar de predecir resultados. A diferencia de los LLM, los EBM operan dentro de parámetros definidos, como las reglas de un Sudoku, para resolver problemas sin prueba y error. La startup afirma que este método requiere mucha menos potencia informática y elimina errores.
El primer modelo de la compañía, Kona 1.0, demostró un rendimiento superior al de los LLM líderes en la resolución de sudokus, ejecutándose en una sola GPU Nvidia H100. Esto sugiere que se puede lograr un razonamiento eficiente sin la escala masiva de los LLM actuales. La Inteligencia Lógica es la primera en desarrollar una MBE funcional, que antes era sólo un concepto teórico.
Más allá del lenguaje: el futuro de la IA
La startup prevé que las EBM aborden problemas del mundo real donde la precisión es crítica, como la optimización de las redes de energía o la automatización de manufacturas complejas. La fundadora y directora ejecutiva, Eve Bodnia, enfatiza que estas tareas son “cualquier cosa menos lenguaje”, lo que implica que el enfoque debería alejarse de las fortalezas lingüísticas de los LLM.
Logical Intelligence planea colaborar con AMI Labs, otra startup fundada por LeCun, que está desarrollando “modelos mundiales”: sistemas de inteligencia artificial que comprenden las dimensiones físicas, retienen la memoria y predicen resultados. El objetivo final es combinar estos enfoques: LLM para la interacción humana, EBM para el razonamiento y modelos mundiales para la acción en el mundo real.
Un cambio de perspectiva
El argumento central es que el desarrollo actual de la IA está mal dirigido. Los LLM se basan en la escala pura y la probabilidad estadística, mientras que la verdadera inteligencia requiere un enfoque más fundamental del razonamiento. LeCun y Bodnia sugieren que imitar el lenguaje humano no es la clave para desbloquear la AGI; en cambio, la IA debería centrarse en la resolución de problemas abstractos sin las limitaciones del lenguaje.
El equipo espera implementar EBM en industrias como la energía, la farmacéutica y la manufacturera. El enfoque de la empresa de desarrollar modelos más pequeños y especializados para tareas específicas, en lugar de una IA universal, puede ofrecer un camino más práctico a seguir.
El camino hacia la AGI, según Logical Intelligence, comienza con un enfoque en capas que combina diferentes tipos de IA, cada uno optimizado para funciones específicas.
Este nuevo modelo representa un desafío audaz a la narrativa predominante en Silicon Valley, lo que sugiere que el futuro de la IA puede no estar en LLM más grandes, sino en sistemas de razonamiento más inteligentes.
