Como sistemas de IA que aprender imitando los mecanismos del cerebro humano Continuar avanzando, somos testigos de una evolución en modelos desde regurgitación de memoria hasta razonamiento genuino. Esta capacidad marca un nuevo capítulo en la evolución de la IA, y lo que las empresas pueden obtener de ella. Pero para aprovechar este enorme potencial, las organizaciones deberán asegurarse de que tengan la infraestructura y los recursos computacionales adecuados para apoyar la tecnología de avance.
La revolución del razonamiento
“Los modelos de razonamiento son cualitativamente diferentes a los LLM anteriores”, cube Prabhat Ram, arquitecto de AI/HPC socio en Microsoft, señalando que estos modelos pueden explorar diferentes hipótesis, evaluar si las respuestas son consistentemente correctas y ajustar su enfoque en consecuencia. “Básicamente crean una representación interna de un árbol de decisión basado en los datos de capacitación a los que han estado expuestos y exploran qué solución podría ser la mejor”.
Este enfoque adaptativo para la resolución de problemas no es sin compensaciones. Los LLM anteriores entregaron salidas en milisegundos basados en la coincidencia estadística de patrones y el análisis probabilístico. Esto fue, y sigue siendo, eficiente para muchas aplicaciones, pero no permite que la IA sea suficiente tiempo para evaluar a fondo múltiples rutas de soluciones.
En modelos más nuevos, el tiempo de cálculo extendido durante la inferencia (segundos, minutos o incluso más, permite que la IA emplee un aprendizaje de refuerzo interno más sofisticado. Esto abre la puerta a la resolución de problemas de varios pasos y una toma de decisiones más matizada.
Para ilustrar los casos de uso futuros para la IA con capacidad de razonamiento, RAM ofrece el ejemplo de un rover de la NASA enviado para explorar la superficie de Marte. “Se deben tomar decisiones en cada momento en que camino tomar, qué explorar, y debe haber una compensación de riesgo.
Las capacidades de razonamiento también son un hito en la proliferación de sistemas de IA de agente: aplicaciones autónomas que realizan tareas en nombre de los usuarios, como programar citas o reservar itinerarios de viaje. “Ya sea que esté pidiendo a la IA que haga una reserva, proporcione un resumen de la literatura, dobla una toalla o recoge un pedazo de roca, primero debe comprender el entorno, lo que llamamos percepción, comprenden las instrucciones y luego avanza en una fase de planificación y toma de decisiones”, explica Ram.
Aplicaciones empresariales de sistemas de IA con capacidad de razonamiento
Las aplicaciones empresariales para AI con capacidad de razonamiento son de gran alcance. En la atención médica, el razonamiento de los sistemas de IA podría analizar los datos del paciente, la literatura médica y los protocolos de tratamiento para apoyar las decisiones de diagnóstico o tratamiento. En la investigación científica, los modelos de razonamiento podrían formular hipótesis, diseñar protocolos experimentales e interpretar resultados complejos, acelerando potencialmente los descubrimientos en los campos, desde la ciencia de los materiales hasta los productos farmacéuticos. En el análisis financiero, el razonamiento de IA podría ayudar a evaluar las oportunidades de inversión o las estrategias de expansión del mercado, así como a desarrollar perfiles de riesgo o pronósticos económicos.
Armados con estas concepts, su propia experiencia e inteligencia emocional, médicos humanos, investigadores y analistas financieros podrían tomar decisiones más informadas, más rápido. Pero antes de soltar estos sistemas en la naturaleza, las salvaguardas y los marcos de gobernanza deberán ser hieros, particularmente en contextos de alto riesgo como atención médica o vehículos autónomos.
