Quantum Models with Multi-Stage Training for Compositional Concept Generalization

La inteligencia humana posee una capacidad notable para recombinar ideas simples y aprendidas en situaciones completamente nuevas. Una persona que entiende qué es un "coche" y qué significa "amarillo" puede reconocer instantáneamente un coche amarillo que nunca ha visto antes, aplicando su conocimiento de peligro a esta nueva combinación. Esta capacidad, conocida como generalización composicional, nos permite navegar por un mundo donde encontramos constantemente arreglos frescos de partes familiares. Para la inteligencia artificial, sin embargo, esta habilidad sigue siendo un obstáculo persistente. Si bien los sistemas modernos sobresalen al reconocer patrones que han visto durante el entrenamiento, a menudo tropiezan cuando se les pide aplicar esos mismos patrones a nuevas combinaciones, como un objeto específico colocado en una nueva relación espacial. Esta limitación sugiere que los modelos actuales están memorizando ejemplos en lugar de comprender verdaderamente las reglas subyacentes de cómo las cosas encajan entre sí.

Investigadores de la University College London y la University of Amsterdam han explorado un camino diferente para resolver este problema, recurriendo a la extraña y poderosa lógica de la mecánica cuántica. En su trabajo, presentado para la conferencia IEEE Quantum Week, proponen que la forma en que las computadoras cuánticas procesan la información podría alinearse naturalmente con la forma en que los humanos combinan conceptos. Al construir un modelo que separa el aprendizaje de los objetos del aprendizaje de las relaciones entre ellos, crearon un sistema que puede generalizar a escenarios no vistos de manera mucho más efectiva que los métodos tradicionales, todo ello utilizando una fracción de la potencia de cálculo.

El equipo se centró en una tarea en la que una computadora debe mirar la imagen de dos formas geométricas y elegir la descripción correcta de su relación entre dos opciones. Por ejemplo, dada una imagen de un cubo a la izquierda de un cono, el sistema debe distinguir la frase correcta "cubo izquierda cono" de un distractor como "cubo derecha cono". Para enseñar a la máquina, los investigadores utilizaron un conjunto de datos que contenía imágenes de formas como esferas, cilindros y conos en diversas posiciones. El desafío era entrenar al sistema en algunas combinaciones, como un cono a la derecha de un cubo, y luego probarlo en combinaciones que nunca había visto, como un cono a la izquierda de un cubo. Esta configuración obliga al modelo a aprender el concepto de "izquierda" y "derecha" como reglas independientes que pueden aplicarse a cualquier forma, en lugar de solo memorizar imágenes específicas.

En lugar de entrenar todo el sistema a la vez, los investigadores adoptaron un enfoque de dos etapas que imita un currículo. En la primera etapa, el modelo aprendió a reconocer objetos individuales. Se le mostraron imágenes de formas únicas, como una esfera solitaria o un solo cubo, y se le enseñó a asociarlas con sus nombres. Una vez que el modelo había dominado estos bloques de construcción básicos, los investigadores congelaron su memoria de cómo se veían esas formas. En la segunda etapa, introdujeron la tarea relacional. El modelo ahora veía imágenes con dos formas y tenía que aprender únicamente las reglas de cómo se relacionan entre sí, utilizando las definiciones estables y previamente aprendidas de las formas que ya había memorizado. Este diseño aseguró que el sistema no intentara reaprender qué era un "cubo" cada vez que veía una nueva relación, obligándolo a tratar la relación como una transformación separada aplicada a un objeto fijo.

Para implementar esto, el equipo utilizó un marco que traduce el lenguaje y el significado en estructuras matemáticas llamadas tensores, que pueden mapearse directamente en circuitos cuánticos. Probaron diferentes formas de alimentar los datos de la imagen en estos circuitos cuánticos. Un método, llamado codificación de amplitud, intentaba preservar la geometría exacta de los datos de la imagen original. Otro, llamado codificación de ángulo, transformaba los datos de una manera que introducía cambios no lineales, remodelando efectivamente la información para que las diferencias entre las relaciones fueran más claras. También experimentaron con un método de "collage", donde los circuitos cuánticos para dos formas separadas se combinaban físicamente para representar una única imagen relacional.

Los resultados de sus simulaciones fueron reveladores. Cuando los investigadores compararon su modelo cuántico multietapa con un sistema clásico estándar, la diferencia en eficiencia fue drástica. La línea base clásica requería más de 150 millones de parámetros entrenables para intentar la tarea, pero falló al generalizar, obteniendo solo un 50 por ciento en combinaciones no vistas, esencialmente adivinando. En contraste, el modelo cuántico logró una fuerte generalización utilizando solo 426 parámetros entrenables. La versión más exitosa de su sistema, que utilizó el método de collage combinado con la codificación de ángulo, alcanzó una precisión de más del 72 por ciento en los casos de prueba no vistos. Este rendimiento fue significativamente mejor que el de un modelo cuántico de una sola etapa que intentaba aprender todo a la vez, demostrando que separar el aprendizaje de los objetos del aprendizaje de las relaciones era crucial.

Los investigadores encontraron que el éxito de su modelo dependía en gran medida de cómo se codificaban los datos. El método de codificación de ángulo, que introdujo transformaciones no lineales, resultó superior al método de codificación de amplitud. Esto sugiere que los datos de la imagen original, tal como se procesan con herramientas estándar, no separaban claramente las relaciones espaciales necesarias para la tarea. El proceso de codificación cuántica en sí mismo ayudó a reestructurar la información, haciendo que la distincción entre "izquierda" y "derecha" fuera más visible para el modelo. Mientras que la codificación de amplitud preservaba la forma original de los datos, mantenía intactas las similitudes confusas entre diferentes arreglos espaciales, lo que los hacía más difíciles de distinguir.

Estos hallazgos, derivados enteramente de simulaciones por computadora, sugieren que las representaciones cuánticas estructuradas ofrecen una vía prometedora para enseñar a las máquinas la composicionalidad. Al imponer una separación clara entre lo que las cosas son y cómo se relacionan, y al usar circuitos cuánticos para remodelar los datos en una forma más separable, el modelo logró un nivel de generalización con el que los sistemas clásicos lucharon con muchos más recursos. El trabajo no pretende afirmar que haya resuelto el problema de la inteligencia artificial, sino que demuestra que un enfoque de aprendizaje específico y estructurado —donde las primitivas se aprenden primero y luego se combinan— puede ser altamente efectivo cuando se combina con las propiedades únicas de la computación cuántica. Los autores señalan que el trabajo futuro deberá probar estas ideas en hardware cuántico real y explorar si estos métodos pueden escalar a escenas más complejas y vocabularios más ricos, pero los resultados actuales proporcionan una prueba de concepto convincente para una nueva forma de pensar sobre el aprendizaje automático.