Generalización sistemática similar a la humana a través de una red neuronal de metaaprendizaje

Área de la Ciencia:

• Ciencias cognitivas
• Inteligencia artificial
• Lingüística computacional

Sus antecedentes:

• La cognición humana se basa en la composicionalidad sistemática, lo que permite nuevas combinaciones de elementos conocidos.
• El desafío de Fodor y Pylyshyn postula que las redes neuronales artificiales carecen de esta sistematicidad, lo que limita su viabilidad como modelos de la mente.
• A pesar de los avances, lograr una generalización sistemática en las redes neuronales sigue siendo un desafío persistente.

Objetivo del estudio:

• Para demostrar que las redes neuronales pueden lograr una sistematización similar a la humana.
• Introducir y evaluar el enfoque de metaaprendizaje para la composicionalidad (MLC).
• Para comparar las capacidades de generalización de MLC con otros modelos y el rendimiento humano.

Principales métodos:

• Desarrolló el enfoque de metaaprendizaje para la composicionalidad (MLC), guiando la capacitación de redes neuronales con diversas tareas de composición.
• Realizó experimentos de comportamiento humano utilizando un paradigma de aprendizaje de instrucciones.
• Evaluó siete modelos diferentes, incluidos MLC, modelos simbólicos probabilísticos y redes neuronales estándar, en puntos de referencia de generalización sistemática.

Principales resultados:

• MLC logró con éxito tanto la sistematicidad como la flexibilidad, superando los modelos simbólicos rígidos y las redes neuronales no sistemáticas.
• MLC demostró capacidades de generalización similares a las humanas en comparaciones directas.
• MLC mejoró significativamente las habilidades de composición de los sistemas de aprendizaje automático en varios puntos de referencia.

Conclusiones:

• La optimización de las redes neuronales para las habilidades de composición permite una generalización sistemática similar a la humana.
• El enfoque MLC proporciona un método viable para desarrollar una inteligencia artificial más capaz y similar a la humana.
• Esta investigación cierra la brecha entre las redes neuronales artificiales y la naturaleza sistemática del pensamiento y el lenguaje humanos.