Grounded world models in biological organisms and future embodied AI

El Gran Constructor de Cerebros: Por qué los robots necesitan tocar antes de hablar

Imagina que estás intentando enseñarle a un robot superinteligente cómo entender el mundo. Tienes dos formas principales de hacerlo. La primera es como entregarle al robot mil millones de libros y un millón de videos, y decirle: "Lee todo, memoriza los patrones y adivina qué viene después". Así es como funciona la mayor parte de la inteligencia artificial más famosa de hoy en día. Es como un estudiante que ha leído todos los diccionarios pero que nunca ha sostenido realmente una manzana, no ha sentido su peso ni ha probado su dulzura. Conoce las palabras para "manzana", "pesado" y "crujiente", pero realmente no sabe qué es una manzana.

La segunda forma es como aprenden los seres vivos, como tú, yo o incluso un pequeño gusano. No empezamos leyendo un manual. Empezamos moviéndonos, chocando con cosas, sintiendo hambre y descubriendo qué sucede cuando empujamos una pelota o tiramos de una cuerda. Nuestros cerebros construyen un mapa del mundo basándose primero en estas experiencias de la vida real. Solo más tarde aprendemos a poner etiquetas (palabras) a esas experiencias. Este artículo trata sobre la diferencia entre estos dos enfoques. Plantea una gran pregunta: si queremos construir robots que puedan comprendernos verdaderamente y navegar por nuestro mundo físico y desordenado, ¿deberíamos seguir llenándolos de libros o deberíamos dejarlos salir a jugar? Los autores sugieren que el método de "jugar primero, hablar después" podría ser la salsa secreta que a los robots actuales les falta.

---

La gran idea del artículo: De "lector pasivo" a "explorador activo"

Este artículo, escrito por un equipo de científicos de Italia y Canadá, sostiene que la forma en que estamos construyendo la Inteligencia Artificial (IA) actualmente es inversa a cómo la naturaleza nos construyó a nosotros.

En este momento, la tendencia más fuerte en la IA es la "IA generativa". Estos son sistemas que aprenden leyendo cantidades masivas de texto y viendo videos. Son increíblemente buenos prediciendo la siguiente palabra en una oración o el siguiente fotograma en un video. El artículo llama a esto un "régimen de entrenamiento pasivo". Imagina a un estudiante sentado en una silla, mirando una pantalla, viendo mil videos de personas atrapando pelotas, pero sin haber lanzado o atrapado una pelota ellos mismos. Podrían aprender la estadística de cómo se mueven las pelotas, pero no han aprendido la sensación de la pelota golpeando su mano. Los autores señalan que en estos sistemas, el lenguaje (las palabras) es la base. La IA aprende primero las reglas del lenguaje y luego intenta adjuntar imágenes y acciones a esas palabras más tarde.

El artículo sugiere que los organismos biológicos (como los humanos, los perros e incluso los gusanos) hacen exactamente lo contrario. Construimos "modelos de mundo fundamentados" primero. Esta es una forma elegante de decir que nuestros cerebros crean un mapa mental de cómo funciona el mundo basándose en nuestro propio cuerpo moviéndose a través de él. Aprendemos que el fuego quema porque sentimos el calor, no porque alguien nos haya dicho "el fuego es caliente". Solo después de tener este entendimiento físico y fundamentado, superponemos el lenguaje. Para nosotros, las palabras son solo etiquetas para cosas que ya conocemos a través de la experiencia.

Cinco formas en que nuestros cerebros construyen mejores mapas

Para demostrar su punto, los autores analizan cinco "circuitos" o partes específicas del cerebro que ayudan a los seres vivos a construir estos mapas fundamentados. Utilizan estos ejemplos para mostrar lo que les falta a los robots actuales.

1. El GPS y el mapa conceptual
Piensa en cómo navegas por tu ciudad. No giras a la izquierda simplemente porque ves un letrero rojo; tienes un mapa mental. Tu cerebro tiene un sistema especial (en el hipocampo y la corteza entorrinal) que actúa como un GPS. Utiliza "células de red" que se activan en un patrón hexagonal, como un panal, para ayudarte a saber exactamente dónde estás.
Pero aquí viene lo genial: este mismo sistema de GPS no solo funciona para las calles físicas. El artículo explica que tu cerebro utiliza esta misma "red" para navegar a través de ideas. Cuando piensas en una historia, o comparas dos conceptos diferentes, o incluso cuando analizas relaciones sociales, tu cerebro está esencialmente "caminando" a través de un mapa mental. El artículo sugiere que en la biología, la capacidad de navegar el espacio físico fue lo primero, y la capacidad de navegar ideas abstractas se construyó sobre esa base. La IA actual intenta aprender ideas abstractas directamente del texto, saltándose la parte de "caminar" físicamente.

2. El detector de "¿Qué puedo hacer?" (Affordances/Prestaciones)
Cuando miras una silla, no solo ves "un objeto de madera con cuatro patas". Ves "algo en lo que puedo sentarme". Cuando ves una taza, ves "algo que puedo agarrar". El artículo llama a esto "affordances" (prestaciones o posibilidades de acción). Es un vínculo directo entre lo que ves y lo que puedes hacer con ello.
Tu cerebro está constantemente ejecutando una competencia: "¿Puedo escalar esa roca? ¿Puedo agarrar esa manzana?". No solo está describiendo el mundo; está calculando posibilidades de acción. El artículo argumenta que para que un robot comprenda verdaderamente una frase como "Ten cuidado, esa taza es frágil", necesita tener un modelo fundamentado de qué se siente cuando sostienes algo "frágil". Necesita saber que si aprieta demasiado fuerte, la taza se rompe. La IA actual conoce la palabra "frágil", pero es posible que no tenga la "memoria muscular" interna para entender el riesgo.

3. El motor de la curiosidad
¿Alguna vez has sentido ese impulso de explorar algo nuevo solo porque es interesante? Eso no es solo una peculiaridad humana; es un impulso biológico. El artículo habla de cómo nuestros cerebros tienen un "metamodelo" que rastrea cuánto es lo que no sabemos. Cuando tenemos curiosidad, nuestro cerebro libera sustancias químicas (como la norepinefrina) que nos hacen estar más alerta y listos para aprender.
Esto es diferente a un robot que simplemente espera a que un profesor le entregue un nuevo conjunto de datos. Los agentes biológicos tienen una "motivación intrínseca". Buscan nuevas experiencias para llenar los vacíos en sus propios mapas mentales. El artículo sugiere que, para que la IA aprenda de manera efectiva, no debería limitarse a esperar datos; debería tener un impulso interno para salir y buscar las cosas que aún no comprende.

4. El sistema de alarma del cuerpo (Alostasis)
Tu cerebro no solo está pensando en el mundo exterior; también está monitoreando constantemente tu mundo interior. Rastrea tu hambre, sed, temperatura y niveles de energía. Esto se llama "control alostático".
Imagina tu cerebro como un termostato que no solo reacciona al frío, sino que predice que tendrás frío y te dice que te pongas una chaqueta antes de que siquiera sientas escalofríos. Este sistema crea un sentido de "yo". Te dice qué es bueno para ti (comida) y qué es malo (dolor). El artículo argumenta que este sentimiento interno de "necesito esto" o "quiero aquello" es la base de toda motivación. Los sistemas de IA actuales suelen tener objetivos que los humanos les asignan (como "ganar este juego"). No tienen su propio "hambre" o "miedo" interno que los impulse a actuar.

5. El filtro de "¿Yo hice eso?"
Cuando mueves un dedo, tu cerebro sabe exactamente cómo se verá ese movimiento. Envía una copia del comando de "movimiento" a tus ojos para que pueda cancelar el movimiento que tú mismo causaste. Esto ayuda a ignorar nuestros propios movimientos y concentrarnos en las cosas que se mueven por sí solas (como un pájaro volando cerca).
Así es como sabemos la diferencia entre "yo" y "el mundo". Si te tocas la nariz, sabes que fuiste tú. Si alguien más te toca la nariz, es una sorpresa. El artículo explica que esta capacidad de distinguir entre acciones generadas por uno mismo y eventos externos es crucial para comprender la causa y el efecto. Sin esto, un robot podría no entender que él es quien rompió la taza, o que él es quien causó el ruido.

Lo que esto significa para el futuro

Los autores tienen cuidado de no decir que la IA actual está "rota" o que la biología es "perfecta". Admiten que el método de "lectura pasiva" ha sido increíblemente exitoso para cosas como escribir y charlar. Sin embargo, sugieren que si queremos que los robots comprendan verdaderamente el mundo físico, interactúen con los humanos de forma natural y aprendan por sí mismos, es posible que debamos cambiar nuestro enfoque.

Proponen que la IA del futuro debería construirse más como un organismo biológico:

• Empezar con el cuerpo: Permitir que la IA aprenda a través del movimiento y la interacción primero, no solo leyendo texto.
• Construir el mapa desde la base: Permitir que la IA desarrolle un entendimiento físico de los objetos y el espacio antes de intentar enseñarle un lenguaje complejo.
• Añadir un sentido del yo: Dar a la IA impulsos internos (como la curiosidad o la necesidad de mantener el equilibrio) para que aprenda de forma activa y no solo pasiva.
• Aprender socialmente: Al igual que los humanos aprenden interactuando con otros, la IA del futuro podría necesitar aprender conviviendo con humanos y otros agentes, construyendo un entendimiento "compartido" del mundo.

El artículo concluye que, si bien no sabemos exactamente qué partes de la biología son esenciales y cuáles son simplemente accidentes afortunados de la evolución, ignorar la forma en que los seres vivos aprenden es un gran riesgo. Si queremos una IA que pueda navegar verdaderamente nuestro mundo, es posible que debamos dejar de tratarla como una biblioteca y empezar a tratarla como un explorador curioso.