Un nuevo modelo de IA de OpenAI, que utiliza un enfoque de prueba y error, ha comenzado a ofrecer resultados sorprendentes en desafíos complejos. Este método, que ya se había utilizado en IA para juegos como AlphaGo, ahora se está adaptando a una gama más amplia de tareas, incluidos los modelos de lenguaje.

AlphaGo de DeepMind fue la primera IA que dominó un juego sin depender de instrucciones humanas ni leer las reglas. En cambio, utilizó el aprendizaje por refuerzo (RL) para desarrollar de forma independiente su comprensión del Go.

Este enfoque permitió a AlphaGo derrotar al campeón europeo de Go por 5-0 y posteriormente superar al mejor jugador humano del mundo.

El último modelo de OpenAI, o1, está produciendo resultados notables en problemas igualmente complejos. Al igual que AlphaGo, o1 forma su propia comprensión de los espacios de problemas mediante ensayo y error, sin depender de la intervención humana.

Esto lo convierte en el primer modelo de lenguaje grande (LLM) que crea su propia interpretación altamente eficiente, al estilo AlphaGo, de la resolución de problemas.

Este método permite a la IA abordar desafíos que antes no tenían solución aprendiendo de interacciones del mundo real en lugar de limitarse a entradas basadas en el lenguaje. Como resultado, la IA podrá resolver problemas cada vez más complejos que antes estaban fuera de su alcance.

Aunque o1 comparte muchas similitudes con modelos anteriores, su diferencia clave radica en la adición de “tiempo de reflexión” antes de responder a una consulta.

Durante esta fase, o1 genera una “cadena de pensamientos”, considerando y justificando cuidadosamente su razonamiento antes de llegar a una solución.

Los expertos sugieren que este nuevo enfoque de aprendizaje dará como resultado que la IA exhiba comportamientos que pueden parecer inusuales o impredecibles, impulsados ​​por su propia lógica única. Al hacerlo, la IA podría descubrir nuevos conocimientos y métodos más allá de la comprensión humana. El futuro ya está empezando a revelarse.