Una investigación sugiere que la inteligencia artificial (IA) podrían trabajar en grupos más grandes de lo que podrían hacerlo los humanos.

Al parecer, la unión hace la fuerza sería mejor utilizada por la IA que por los humanos.

Se cree que los humanos sólo pueden mantener relaciones con unas 150 personas, una cifra conocida como el Número de Dunbar, pero parece que los modelos de inteligencia artificial pueden superar esta cifra y llegar a consensos en grupos mucho mayores.

Los seres humanos podemos tener dificultades para mantener relaciones de trabajo cuando nuestro grupo social crece demasiado, pero parece que los modelos de IA pueden no enfrentarse a la misma limitación, lo que sugiere que miles de IA podrían trabajar juntas para resolver problemas que los humanos no pueden.

La idea de que existe un límite fundamental en el número de personas con las que podemos interactuar se remonta a la década de 1990, cuando el antropólogo Robin Dunbar observó una relación entre el tamaño del cerebro de un primate y el tamaño típico de su grupo social. Extrapolándolo a los humanos, sugirió que existe un límite en el número de relaciones que podemos mantener, normalmente en torno a 150, aunque varía de una persona a otra. Ahora, los investigadores han aplicado la idea del número de Dunbar, como se conoce, a los modelos de IA y han descubierto que los más poderosos -los que tienen los «cerebros» más grandes- son capaces de coordinarse en grupos más grandes, de hasta 1.000 personas.

Número de Dunbar. 150 individuos sería el límite con el que se pueden relacionar los humanos. Crédito de imagen: Wikimedia Commons / JelenaMrkovic

Cómo realizaron la investigación

Dado que hablar con grandes modelos lingüísticos como ChatGPT puede parecer hablar con un humano, Giordano De Marzo, de la University of Konstanz (Alemania), y sus colegas se preguntaron si estos modelos también actúan como humanos cuando “hablan” entre sí en grupos. Para investigarlo, ejecutaron muchas copias del mismo modelo de IA a la vez, asignando a cada una una opinión aleatoria sobre un problema binario sin respuesta obvia, como por ejemplo por qué lado de la carretera debe conducir un país recién estrenado. En cada paso del experimento, elegían una copia al azar y le decían qué opinión tenían todos los demás modelos y por qué, y luego le preguntaban si quería actualizar la suya. Los investigadores afirman que este método es análogo al que emplean los humanos para llegar a un consenso en grupos sociales desorganizados.

En una prueba con 50 copias de Claude 3 Opus o GPT-4 Turbo, dos modelos de IA de gama alta, el equipo descubrió que el grupo siempre llegaba a un consenso. En cambio, las copias de modelos más pequeños y menos potentes, como Claude 3 Haiku y GPT-3.5 Turbo, nunca llegaron a un consenso. Los resultados demuestran que, aunque los modelos de cada prueba sean idénticos, no existe un mecanismo inherente para converger en un acuerdo, al menos hasta que sean lo suficientemente capaces.

Trataron de hallar un límite de IA trabajando juntas

A continuación, los investigadores trataron de hallar un límite superior a la capacidad de cada modelo para alcanzar el consenso: su propia versión del número de Dunbar. Para algunos modelos, a partir de cierto tamaño de grupo, el tiempo necesario para llegar a un consenso empezó a crecer exponencialmente, y Llama 3 70b acabó con un número de Dunbar de 50. Pero para otros modelos, como GPT, el tiempo necesario para llegar a un consenso empezó a crecer exponencialmente. Pero para otros modelos, como GPT-4 Turbo, esta capacidad nunca se ralentizó incluso una vez que 1.000 copias cooperaban. La capacidad de los investigadores para realizar experimentos cada vez más grandes se agotó antes de que el modelo de IA dejara de llegar a un acuerdo.

De Marzo dijo:

“Me quedé muy sorprendido. Básicamente, con los recursos computacionales que tenemos y el dinero que tenemos, [pudimos] simular hasta miles de agentes, y no hubo ningún signo de ruptura de la capacidad de formar una comunidad”.

Dice que la memoria es clave. Mientras que a nosotros nos cuesta recordar hechos, caras y opiniones en un momento dado, la IA sólo está limitada por su hardware.

Las IA podrían trabajar en grupos más grandes de lo que lo hacen los humanos. Crédito de imagen: depositphotos.com

De Marzo agregó:

“Si estás en una asamblea de 10.000 personas, no funciona, porque realmente no puedes dejar hablar a todo el mundo, no puedes recordar todas las cosas que dijo la gente”.

La IA seguirán mejorando sus “capacidades de mentalización”

Dunbar, que actualmente trabaja con Google para evaluar la capacidad de la IA para razonar sobre estados mentales y emocionales, cree que a medida que los modelos crezcan y se hagan más potentes, mejorarán estas llamadas capacidades de mentalización, que son clave para la cooperación en los seres humanos.

Dunbar afirma:

“Los avances científicos requieren la capacidad de interactuar con otras personas y aportar nuevas ideas como resultado de la búsqueda de consenso entre distintos grupos de personas con puntos de vista diferentes”.

Además, el trabajo de De Marzo demuestra que los modelos de IA pueden ser capaces de hacer esto a gran escala.

De Marzo dijo:

“Desde luego, parece prometedor que puedan reunir a un grupo de opiniones diferentes y llegar a un consenso mucho más rápido de lo que podríamos hacerlo nosotros, y con un grupo de opiniones mayor”.

IA con un número de Dunbar alto podrían encontrar soluciones a problemas

Philip Feldman, de la University of Maryland, en el condado de Baltimore, afirma que los modelos de IA con un número de Dunbar alto pueden llegar a un consenso sobre un problema, pero eso no significa necesariamente que vayan a encontrar una buena solución. Cree que la diversidad es clave para la resolución de problemas, algo difícil en grupos formados por el mismo modelo de IA.

Feldman dijo:

“La forma en que los organismos vivos han resuelto esto desde que existen es que hay poblaciones que difieren en la forma en que abordan la exploración.

Si tienes este número de Dunbar realmente alto, y todo el mundo se coordina realmente rápido porque son básicamente la misma cosa, esa es una herramienta que puedes aplicar, no hay nada malo en ello, pero no es una solución general [a problemas de gran alcance]. La solución general es la diversidad. En las comunidades igualitarias, todo el mundo discute mucho, pero suelen obtener respuestas muy precisas”.

Una cuestión más amplia es si siquiera tiene sentido hablar de copias de un modelo de IA como un grupo de individuos distintos, afirma Michael Rovatsos, de la University of Edinburgh (Reino Unido). Los modelos no entienden lo que son, cómo se separan de otros modelos o cuál es el propósito del experimento, afirma.

Rovatsos dijo:

“Por supuesto, es capaz de ejecutar instrucciones -una gama muy amplia de instrucciones- generando lo que cree que podría ser la mejor respuesta a un nivel muy general. Pero la presencia de otros no se trata de forma diferente a decir ‘dame una receta de pizza’. Creo que lo más problemático que se podría deducir es que su capacidad para captar el sentido social es más fuerte o más débil que la de los humanos”.

Los hallazgos de la investigación han sido publicados en el servidor de pre-impresión arXiv.org.

[FT: newscientist]

¿Te gustó este contenido? Te invito a compartirlo con tus amigos. Síguenos en nuestra Página de Facebook, para recibir a diario nuestras noticias. También puedes unirte a nuestro Grupo Oficial y a nuestra comunidad en Telegram.

Crédito imagen de portada: depositphotos.com