Un estudio reciente dirigido por Michael Timothy Bennett de la Universidad Nacional de Australia revela que los sistemas biológicos son más eficientes que los modelos de inteligencia artificial (IA) actuales. Publicado en el Journal of The Royal Society Interface, la investigación plantea si los sistemas biológicos poseen una inteligencia intrínseca superior a la de la IA contemporánea.
La investigación define la inteligencia como la capacidad de adaptarse eficientemente, utilizando los mínimos recursos necesarios para identificar causas y efectos en entornos complejos. Los sistemas biológicos destacan por su habilidad para adaptarse utilizando significativamente menos datos y energía que la IA.
Bennett advierte que un organoide (una pequeña colección de células cultivadas en laboratorio) supera en eficiencia a sistemas de aprendizaje por refuerzo al jugar el clásico videojuego Pong. Aunque este organoide estaba cuidadosamente diseñado bajo condiciones impuestas por humanos, su adaptabilidad sigue siendo un ejemplo contundente de la eficiencia biológica.
En contraste, los algoritmos de aprendizaje de máquina contemporáneos necesitan cantidades masivas de datos y energía para realizar tareas que los humanos y otros organismos vivos pueden dominar con muy poca experiencia. Este contraste plantea interrogantes sobre la arquitectura subyacente de ambos tipos de sistemas.
Según el estudio, una característica clave de los sistemas biológicos es su arquitectura de competencia multiescalar (MCA). En esta estructura, la adaptación ocurre en todos los niveles: desde las células hasta los ecosistemas.
Cada célula actúa como un agente autónomo con una 'política' propia que le permite interactuar con otras células para formar órganos, y estos órganos, a su vez, contribuyen a la identidad funcional de un organismo.
Esta capacidad de delegar control a los niveles más bajos permite a los sistemas biológicos adaptarse de manera más eficiente. A diferencia de los sistemas computacionales convencionales, en los que las decisiones suelen ser centralizadas y top-down, los sistemas biológicos descentralizan las decisiones, permitiendo una adaptación más rápida y flexible.
El estudio también destaca las limitaciones de los sistemas de IA actuales. Estos sistemas dependen de capas de abstracción estáticas que limitan su capacidad de adaptación.
Una vez diseñada una arquitectura, como un conjunto de instrucciones para un procesador, esta permanece fija, lo que restringe su capacidad para responder a nuevas circunstancias.
Los sistemas biológicos pueden ajustar su 'ventana' de interacción con el entorno, redefiniendo las reglas a niveles más bajos de abstracción para facilitar la adaptación a niveles superiores.
Este mecanismo dinámico de optimización es una de las razones por las que los sistemas biológicos suelen ser más eficientes.
El estudio también reconoce que los sistemas biológicos no son perfectos. Un ejemplo notable es el cáncer, que ocurre cuando las células pierden su conexión con la identidad colectiva del organismo y comienzan a perseguir metas individuales.
Este estado, conocido como 'desorganización informacional', es comparable a lo que podría suceder en sistemas artificiales que están demasiado restringidos por reglas top-down.
El documento sugiere que los principios de delegación y adaptabilidad podrían aplicarse al diseño de sistemas ciberfísicos, como hardware especializado en aprendizaje más eficiente. También señala que estos principios podrían ser útiles en la regulación de la IA.
Un caso específico que menciona el estudio es el programa 'Safeguarded AI' de la Agencia de Investigación e Invención Avanzada del Reino Unido, que busca desarrollar sistemas avanzados de IA general que sean seguros y adaptativos.
El estudio concluye que la inteligencia en los sistemas biológicos está intrínsecamente ligada a su capacidad para delegar control y adaptarse a diferentes niveles de abstracción. Este modelo de organización ofrece lecciones valiosas para diseñar sistemas artificiales más robustos y eficientes.