Noam Brown: \»Los modelos de razonamiento en IA podrían haberse desarrollado décadas antes\»
Noam Brown, líder de investigación en razonamiento de IA en OpenAI, asegura que ciertos modelos de inteligencia artificial basados en el razonamiento podrían haberse desarrollado 20 años antes si los investigadores hubieran conocido los enfoques y algoritmos adecuados. Durante su participación en la conferencia GTC de Nvidia en San José, Brown destacó que la falta de atención a esta línea de investigación retrasó avances clave en la IA. Sus declaraciones llegan en un momento en que el gobierno de EE.UU. recorta fondos para la ciencia, lo que podría afectar el futuro de la investigación en inteligencia artificial.
El razonamiento en IA: una oportunidad perdida
Brown explicó que, durante su investigación en la Universidad Carnegie Mellon, notó que los humanos dedican tiempo a pensar antes de actuar en situaciones complejas, un enfoque que podría ser útil para la IA. Este principio lo aplicó en el desarrollo de Pluribus, una IA que derrotó a profesionales de élite en el póker. A diferencia de los modelos tradicionales que utilizan enfoques de fuerza bruta, Pluribus \»razonaba\» para resolver problemas, lo que marcó un hito en la evolución de la inteligencia artificial.
Actualmente, Brown es uno de los arquitectos detrás de o1, un modelo de OpenAI que emplea una técnica llamada \»inferencia en tiempo de prueba\» para \»pensar\» antes de responder a consultas. Esta metodología permite a los modelos de razonamiento ser más precisos y confiables, especialmente en áreas como las matemáticas y las ciencias.
La brecha entre la academia y los laboratorios de IA
Durante el panel, Brown abordó la creciente brecha entre la investigación académica y los laboratorios de vanguardia como OpenAI. \»Los modelos actuales requieren una cantidad enorme de recursos computacionales, lo que dificulta que las instituciones académicas compitan\», admitió. Sin embargo, destacó que la academia puede contribuir explorando áreas que demanden menos capacidad de cómputo, como el diseño de arquitecturas de modelos o la mejora de los puntos de referencia (benchmarks) en IA.
\»Los benchmarks actuales en IA son deficientes y no reflejan las habilidades reales de los modelos en tareas que importan a la mayoría de las personas\», señaló Brown. Este problema ha generado confusión sobre las capacidades y mejoras de los sistemas de inteligencia artificial.
Recortes presupuestarios: una amenaza para la investigación
Las declaraciones de Brown llegan en un contexto preocupante para la investigación científica. El gobierno de EE.UU., bajo la administración de Trump, ha realizado recortes significativos a los fondos para la ciencia, lo que ha sido criticado por expertos como Geoffrey Hinton, premio Nobel. Estos recortes podrían afectar no solo la investigación doméstica, sino también los esfuerzos internacionales en el campo de la IA.
\»Hay una oportunidad para la colaboración entre los laboratorios de vanguardia y la academia\», afirmó Brown. Sin embargo, advirtió que, sin un apoyo financiero adecuado, será difícil mantener el ritmo de innovación en un campo que avanza a pasos agigantados.
Las reflexiones de Noam Brown subrayan la importancia de no descuidar enfoques innovadores en la investigación de IA, así como la necesidad de fortalecer la colaboración entre la academia y la industria. Mientras los recortes presupuestarios amenazan el futuro de la ciencia, la comunidad científica busca alternativas para mantener el impulso en un campo que promete transformar el mundo en las próximas décadas.