La ciencia de la inteligencia artificial sigue desentrañando nuevas capacidades al compararlas con ciertas habilidades humanas. Recientemente, un estudio ha puesto a prueba la habilidad analógica de los modelos de lenguaje, enfrentándolos con tareas que requieren un tipo de razonamiento similar al que usamos los humanos al resolver problemas complejos.

Los modelos de lenguaje han sido evaluados en tareas donde debían generar ejemplos relevantes de manera autónoma para resolver nuevos problemas. La investigación surge de la observación de que, tal como los humanos, los modelos parecen rendir mejor cuando pueden apoyarse en experiencias o ejemplos previos que sean relevantes.

A través de extensos experimentos, los investigadores descubrieron que, curiosamente, cuando los modelos generaban ejemplos al azar, a menudo lograban un rendimiento comparable, e incluso superior, al utilizar ejemplos supuestamente relevantes. Un incremento del 4% en pruebas específicas fue particularmente revelador, sugiriendo que la relevancia tal vez no sea el factor crucial.

Dos métodos novedosos fueron propuestos, mejorando el desempeño y reduciendo significativamente los costos computacionales de inferencia. Dichos métodos se enfocan en la precisión de los ejemplos generados más allá de su relevancia temática o contextual.

El estudio incluyó una serie diversa de tareas complejas, desde problemas matemáticos hasta razonamientos más generales, como la lógica deductiva y simbólica. En la mayoría de los casos, los ejemplos generados al azar no sólo igualaron sino superaron a los relevantes.

A la luz de estos hallazgos, se propone un replanteamiento sobre la eficiencia de los modelos de lenguaje y su capacidad para imitar ciertas formas de razonamiento humano, sugiriendo nuevas direcciones para la investigación futura, específicamente en cómo optimizar la precisión de los ejemplos generados.

Con todo, esta investigación abre interrogantes sobre el verdadero potencial de dichos modelos para replicar el tipo de ingenio que caracteriza la mente humana. En el fondo, introduce una reflexión sobre cómo, en algunos aspectos, la aleatoriedad puede ser tan efectiva como la experiencia previa cuando de resolver problemas se trata.