Proponen una Teoría de Composicionalidad Basada en la Complejidad
Nuevas definiciones podrían llevar a modelos de AI que imiten el pensamiento humano
El concepto de composicionalidad ha sido un tema intrigante tanto en la cognición humana como en la inteligencia artificial (IA). Aunque en el ámbito humano es considerado crucial para el razonamiento y el lenguaje, hasta ahora no se ha definido cuantitativamente de manera formal. Un nuevo estudio propone una definición de “composicionalidad representacional” que, basada en la teoría de la información algorítmica, podría ofrecer una forma medible de entender este concepto.
El artículo sugiere que una representación composicional debe cumplir tres criterios fundamentales: ser expresiva, poder ser descrita a través de secuencias simbólicas discretas, y mantener una función sencilla que relacione estas secuencias con la representación. Al validar esta nueva definición a través de experimentos, los autores han logrado mostrar que es posible estimar la composicionalidad utilizando herramientas estándar del aprendizaje profundo.
La definición propuesta da respuesta a varias de las limitaciones existentes en las descripciones coloquiales de la composicionalidad, las cuales carecían de rigurosidad formal. Además, unifica diversas intuiciones de la literatura en el campo de la inteligencia artificial y de las ciencias cognitivas.
Utilizando la definición de composicionalidad representacional, se lograron experimentos que involucran datos tanto sintéticos como del mundo real, para comprobar su validez y su ajuste con las intuiciones preexistentes. Por ejemplo, se encontraron diferencias en cómo las representaciones se pueden comprimir como funciones de partes constituyentes, sugiriendo que cuanto más compresible sea una representación, más composicional será.
El estudio también explora la aplicación práctica de su teoría en sistemas lingüísticos, sugiriendo que las lenguas naturales pueden ser comparadas en términos de su composicionalidad usando esta nueva métrica.
En conclusión, este planteamiento teórico abre nuevas posibilidades para diseñar metodologías AI que capturen mejor los mecanismos del pensamiento composicional. Además, se plantea que la teoría tiene potencial para inspirar modelos que podrían replicar el funcionamiento del pensamiento humano. Con ello, se sugiere que una comprensión cuantitativa podría propiciar futuros avances relevantes en el diseño de sistemas inteligentes.