El debate sobre hasta dónde puede llegar la inteligencia artificial gira en torno a preguntas sobre qué constituye realmente la inteligencia humana y ¿puede una máquina funcionar de manera bastante similar a un cerebro humano? Aunque no apunta a AGI, Stanhope AI, con sede en el Reino Unido, está construyendo sus modelos de acuerdo con principios de neurociencia y utilizando la maquinaria predictiva y jerárquica que constituye nuestro cerebro como inspiración. El resultado es una IA que no necesita entrenamiento. Básicamente, sólo hay que decirle que existe, proporcionarle un sistema previo de creencias, y luego despegar (literalmente) hacia el mundo real y aprender de su entorno utilizando sensores. No muy diferente de cómo ves, escuchas y sientes cosas que amplían tu conocimiento, lo que te hace actualizar (o reforzar) tu visión del mundo. Una empresa derivada del University College London, la startup acaba de recaudar £2,3 millones para su “IA agencia” inspirada en la neurociencia. Nos reunimos con la cofundadora y directora ejecutiva, profesora de neurociencia computacional Rosalyn Moran, para aprender más sobre la tecnología y la visión de futuro de la startup. El ‘cerebro’ en capas de la Conferencia AI TNW 2024 de Stanhope, del 20 al 21 de junio – Promoción grupal exclusiva – ¡Termina el 29 de marzo! La mejor experiencia de formación de equipos: compre 2, obtenga 1 GRATIS – Compre 3-4, obtenga 2 GRATIS – Compre 5 +, ¡obtén 3 GRATIS! El método de Stanhope AI se basa en una teoría que dice que el cerebro tiene un modelo del mundo y está continuamente tratando de recopilar evidencia para validar y actualizar dicho modelo. «La IA tiene un ‘cerebro’ a unos pocos niveles de profundidad, y en la parte más profunda del cerebro están sus sensores», explica Moran. Los sensores, que para ti y para mí serían nuestros ojos, en este caso son cámaras y LiDAR. “Y luego se alimentan de una capa predictiva que intentará decir: ‘Está bien, vi una pared allí’. Ahora no necesito seguir buscando’. Y está integrado en una predicción cognitiva más interesante en los niveles superiores. Por eso es muy parecido a un cerebro jerárquico”. Este es el mismo tipo de predicción que realizan nuestros cerebros humanos para darle sentido al mundo y ahorrar energía (el cerebro es el órgano que más energía exige que tenemos). Este es un principio de neurociencia llamado «inferencia activa», parte de la teoría de la energía libre, desarrollada por el cofundador de Moran, el profesor de neurobiología teórica, Karl Friston. “No necesito revisar cada píxel de la pared para asegurarme de que sea una pared; puedo rellenar un poco. Por eso pensamos que el cerebro humano es tan eficiente”, añade Moran. Esencialmente, la forma en que experimentas el mundo es el resultado de cómo tu cerebro predice que lo verás, al servicio de la eficiencia energética. Pero hay que darle crédito a nuestros cerebros, que luego refinan esas predicciones basándose en los datos sensoriales entrantes. El modelo de Stanhope AI hace lo mismo, utilizando la información visual del mundo que lo rodea. Luego toma decisiones autónomas basadas en nuevos datos en tiempo real. No se requieren conjuntos de datos de entrenamiento masivos. El uso de este enfoque de IA difiere significativamente de los métodos tradicionales de aprendizaje automático, como los utilizados para capacitar a los LLM, que solo pueden operar con los datos que les proporcionan quienes los entrenan. “No entrenamos [our model]”, dice Morán. «El trabajo pesado se realiza estableciendo el modelo generativo y asegurándose de que sea correcto y tenga antecedentes consistentes con respecto al lugar donde se desea que opere». Todo esto es teóricamente fascinante, pero para que una startup salga del laboratorio, es necesario que existan aplicaciones en el mundo real. Stanhope AI dice que su IA puede instalarse en máquinas autónomas, como robots y drones de reparto. Actualmente, la tecnología se está probando en drones con socios como la Agencia Federal para la Innovación Disruptiva de Alemania y la Royal Navy. El mayor desafío tecnológico que superó la startup hasta ahora fue pasar de modelos más pequeños que funcionan en entornos de laboratorio a modelos más grandes que pueden aprender a navegar en un panorama mucho más amplio. “Tuvimos que utilizar tres rutas matemáticas para hacer cálculos de energía libre que fueran mucho más eficientes, de modo que pudiéramos construir mundos mucho más grandes para nuestros drones”, afirma Moran. También añade que encontrar el hardware adecuado al que la empresa pudiera acceder y controlar sin tener que depender de terceros también presentó un importante obstáculo de ingeniería. Nueva ola de IA agente Los “modelos de inferencia activa” de Stanhope AI son, según la compañía, verdaderamente autónomos y pueden reconstruir y refinar sus predicciones. Esto es parte de una nueva ola de “IA agencia” que, al igual que el cerebro humano, siempre intenta “adivinar qué pasará a continuación” aprendiendo continuamente de las discrepancias entre las predicciones y los datos en tiempo real. No es necesaria una formación previa extensa (y costosa), y el enfoque también reduce el riesgo de «alucinaciones» de la IA. En particular, la IA de Stanhope son modelos de caja blanca, con la «explicabilidad integrada en su arquitectura». Como explica Moran: “Nos aseguramos de que funcione absolutamente perfectamente en la simulación. Si la IA, o el dron, hace algo extraño, entonces realmente profundizamos en lo que creía allí, por qué hizo lo que hizo. Por tanto, es una forma muy diferente de desarrollar la IA”. La idea, afirma, es transformar las capacidades de la IA y la robótica y hacerlas más impactantes en escenarios del mundo real. El Fondo de Tecnología de la UCL lideró la ronda de financiación de £2,3 millones de libras esterlinas de Stanhope AI. También participaron Creator Fund, MMC Ventures, Moonfire Ventures y Rockmount Capital, junto con varios inversores de la industria. Stanhope AI fue fundada en 2021 por la profesora Rosalyn Moran, el director profesor Karl Friston y la asesora técnica Dra. Biswa Sengupta.

Source link