La inteligencia artificial aprende a razonar

Área de la Ciencia:

• Ciencias cognitivas
• Inteligencia artificial

Sus antecedentes:

• La inteligencia humana se caracteriza por capacidades complejas de razonamiento.
• Los grandes modelos de lenguaje (LLM) demuestran un reconocimiento avanzado de patrones y generación de texto.

Objetivo del estudio:

• Evaluar las capacidades de razonamiento de los LLM.
• Identificar las limitaciones en el rendimiento actual de LLM en tareas que requieren deducción lógica.

Principales métodos:

• Presentó LLM con rompecabezas lógicos simples que involucran relaciones familiares.
• Evaluó la precisión de las soluciones generadas por LLM en comparación con el razonamiento humano.

Principales resultados:

• Los LLM, incluidos los modelos avanzados como GPT-4, mostraron dificultades para resolver problemas de razonamiento básicos.
• El rendimiento en estos rompecabezas no se alineó constantemente con la deducción lógica a nivel humano.

Conclusiones:

• Los LLM actuales luchan con tareas elementales de razonamiento que son intuitivas para los humanos.
• Se necesita más investigación para mejorar las habilidades de razonamiento y resolución de problemas de la inteligencia artificial.