Las modernas inteligencias artificiales como las GPT (Generative Pre-trained Transformer) son capaces de producir texto de forma incre\u00edblemente natural y fluida. Pareciera que estos sistemas pueden pensar y razonar como los humanos. Pero si intentamos hacer un simple c\u00e1lculo matem\u00e1tico, por ejemplo 1+1, inmediatamente vemos los l\u00edmites de estas IA llamadas \u00abling\u00fc\u00edsticas\u00bb.<\/p>\n\n\n\n
Imaginen preguntarle a un amigo \u00ab\u00bfCu\u00e1nto es 1+1?\u00bb. Probablemente responder\u00e1 \u00ab2\u00bb sin siquiera pensarlo. Para \u00e9l es una operaci\u00f3n matem\u00e1tica banal que resuelve de forma inmediata e intuitiva. Pero si hacen la misma pregunta a una GPT, muy probablemente no ser\u00e1 capaz de responder correctamente o producir\u00e1 una respuesta equivocada.<\/p>\n\n\n\n
Esto se debe a que los sistemas de inteligencia artificial como las GPT, a pesar de su maestr\u00eda para generar frases coherentes, no tienen una comprensi\u00f3n real de las matem\u00e1ticas. Su objetivo es predecir la siguiente palabra en una frase, no aplicar reglas matem\u00e1ticas.<\/p>\n\n\n\n
Podemos comparar el enfoque de las GPT con las matem\u00e1ticas al de un estudiante que ha memorizado f\u00f3rmulas y procedimientos pero que no comprende plenamente los principios. Falta esa intuici\u00f3n y flexibilidad t\u00edpicamente humanas.<\/p>\n\n\n\n
Es un poco como la diferencia entre memorizar el alfabeto y realmente saber leer y comprender un libro. Las GPT son muy buenas en la parte mec\u00e1nica, pero tienen dificultades con la comprensi\u00f3n profunda.<\/p>\n\n\n\n
Esto se debe a que su arquitectura se basa en redes neuronales entrenadas principalmente en grandes cantidades de texto, no en relaciones y reglas matem\u00e1ticas abstractas. Es como si su cerebro estuviera \u00abcableado\u00bb para procesar lenguaje natural, no f\u00f3rmulas y ecuaciones abstractas.<\/p>\n\n\n\n
Existen intentos de crear \u00abagentes de IA\u00bb que interact\u00faan con las GPT para guiarlas paso a paso en el c\u00e1lculo matem\u00e1tico. Por ejemplo, proporcionando las operaciones individuales para realizar para obtener un resultado. De esta forma, las GPT pueden producir c\u00e1lculos correctos, aunque siempre sin una comprensi\u00f3n conceptual real.<\/p>\n\n\n\n
Para superar estas limitaciones y alg\u00fan d\u00eda tener m\u00e1quinas capaces de razonar sobre matem\u00e1ticas a la par de los humanos, se necesitar\u00e1n nuevos sistemas h\u00edbridos que combinen el enfoque ling\u00fc\u00edstico de las GPT con componentes especializados en c\u00e1lculo num\u00e9rico y modelado de principios l\u00f3gicos y matem\u00e1ticos abstractos.<\/p>\n\n\n\n
El camino es todav\u00eda largo, pero los avances en el campo de la inteligencia artificial en los \u00faltimos a\u00f1os han sido tan r\u00e1pidos que podemos ser optimistas. Gracias a la colaboraci\u00f3n entre mentes humanas y artificiales, alg\u00fan d\u00eda podr\u00edamos descubrir que incluso para las m\u00e1quinas 1+1 es igual a 2 de forma completamente natural.<\/p>\n","protected":false},"excerpt":{"rendered":"
Las modernas inteligencias artificiales como las GPT (Generative Pre-trained Transformer) son capaces de producir texto de forma incre\u00edblemente natural y<\/p>\n","protected":false},"author":2,"featured_media":725,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"colormag_page_container_layout":"default_layout","colormag_page_sidebar_layout":"default_layout","footnotes":""},"categories":[3],"tags":[],"class_list":["post-723","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-inteligencia-artificial"],"yoast_head":"\n