autocorrección de IA

Comportamiento colectivo de agentes de IA se manifestó por primera vez no en un laboratorio, sino en un entorno salvaje: un sitio wiki encontrado al azar donde los agentes escribían pistas para superar la prueba. Es un eco en una habitación vacía: cada nueva voz repite lo que escuchó al final, y la habitación se llena de un murmullo coherente sin un solo director.

Una orquesta de cien músicos toca sin director. Cada instrumento está afinado a la perfección, pero si un violín se desafina un poco, la armonía se desmorona.

En un edificio de nueve pisos, con mil habitaciones por planta, algunos susurran y otros gritan. Los vecinos transmiten las palabras, pero si todos hablan demasiado bajo, el mensaje se desvanece ya en el tercer piso. Si hablan demasiado alto, para cuando llega al último piso se ha convertido en un rugido ininteligible. Entre esos extremos hay un régimen en el que el susurro llega hasta el final sin distorsión.

En el almacén hay cajas con manzanas y peras. Hay muchas manzanas y pocas peras. Pero cuando el encargado dice «fruta con piel lisa», por alguna razón recordamos más a menudo la rara pera que la frecuente manzana. Eso es el efecto de la tasa base inversa: un fallo persistente en cómo el cerebro resuelve la ambigüedad entre categorías.

La red neuronal predice el futuro de un sistema, por ejemplo, cómo se arremolina el plasma en un campo magnético o cómo cambia un rostro en un video. Los errores son inevitables, y cuanto más lejos mira hacia adelante, más se acumulan. En el momento de la operación es imposible contrastar con la respuesta correcta: simplemente no existe.

Reconstruir una imagen completa a partir de fragmentos es como distinguir la melodía de una orquesta en una sala ruidosa. Este tipo de tareas se presentan en la fotometría, donde a partir de un tenue centelleo se recupera el brillo de una estrella. Los métodos tradicionales requieren información precisa sobre el ruido, que casi nunca se conoce.

Un programa de seguimiento común se asemeja a un navegante que guía un barco por las estrellas. Pero en cuanto el cielo se nubla, las coordenadas empiezan a desviarse y en los datos aumenta la entropía (medida de incertidumbre). El nuevo algoritmo incorpora un «copiloto»: un módulo que monitoriza el nivel de confianza del navegador principal.

En aguas tranquilas, la ruta es clara. Pero en corrientes turbulentas, el robot necesita otra estrategia. Los enfoques habituales requieren un mapa preciso de las corrientes, aunque en la realidad es imposible obtenerlo. La naturaleza actúa de otra manera: los peces sienten la presión y los remolinos justo al lado de su cuerpo.

En una olla de sopa, bastan dos termómetros para saber la temperatura en todas partes, si se sabe que el calor sube en círculos desde el fondo. Así ocurre en la ciencia: a partir de pocas mediciones hay que reconstruir la imagen completa del campo térmico.

Las catástrofes tecnológicas, como Chernóbil, raramente ocurren de repente. Se gestan durante años: las organizaciones ignoran las advertencias porque su complejidad recuerda al crecimiento de la entropía, una medida del caos implacable que se acumula silenciosamente hasta que se desata como una avalancha.

Los audífonos tradicionales se parecen a un cocinero que sigue una receta a ciegas. Analizan el desorden sonoro del micrófono y, basándose en él, amplifican el habla. En una cafetería ruidosa, este enfoque a menudo falla. El nuevo sistema se comporta como un chef experimentado: primero procesa la señal y luego prueba el resultado.

Preparar un plato complejo exige una receta clara: primero cortar, luego sofreír, añadir las especias en el momento justo. Las transformaciones químicas también siguen recetas paso a paso, mecanismos donde los átomos de carbono e hidrógeno se reorganizan en un orden estricto.

Los asistentes de programación suelen actuar como un cocinero que, para hervir un solo huevo, relee el libro de cocina entero. Al recibir la tarea de hacer una pequeña corrección, vuelven a abrir decenas de archivos y verifican vínculos ya conocidos. Esto es trabajo innecesario: energía que se desperdicia.

Limpiar el habla del ruido es como intentar sintonizar un televisor viejo: si giras demasiado la perilla de contraste, los rostros se vuelven artificiales.

Imagina una flota de muchos barcos, semejante a una galaxia — un enorme sistema estelar donde cada elemento obedece a una dinámica común. De vez en cuando, uno de los barcos falla, estallando como una supernova — un evento catastrófico que puede romper la integridad de toda la formación.

El aprendizaje automático hace tiempo que dejó de ser una simple herramienta: se está convirtiendo en un investigador que extrae por sí mismo las leyes de la naturaleza de los datos. Pero, ¿cómo llega la mente de silicio a la comprensión?

Ensamblar un chip óptico es como un juego en el que hay que guiar un rayo a través de un laberinto de diminutos espejos y divisores de haz. Cada uno de estos elementos funciona como una aguja en una vía de tren: o deja pasar la luz de frente o la desvía a la vía contigua. El objetivo es obtener a la salida un patrón de luz estrictamente definido, gastando la menor cantidad posible de “agujas”.

Dentro de cada uno de nosotros laten unos relojes invisibles. Controlan la liberación de cortisol, la hormona que nos ayuda a despertarnos por la mañana, a lidiar con la ansiedad y a mantener el sistema inmunitario en forma. En la insuficiencia suprarrenal, estos relojes se estropean: el cuerpo no puede producir por sí solo la cantidad necesaria de cortisol.

En la pantalla, el resultado de un modelado complejísimo: dos planetas colisionan, se expande una onda de choque. Un par de clics en el editor y las sombras duras se suavizan, el ruido se atenúa, el fondo se oscurece. Este retoque digital (edición de imagen para mejorar la apariencia) forma parte desde hace tiempo del arsenal de los científicos.

El oro no está en la superficie: se esconde en toneladas de roca estéril. Para extraer un gramo del metal precioso, los buscadores tamizan metros cúbicos de tierra.

Un círculo cerrado: la máquina propone una idea, la prueba en personas, ve los fallos y genera una nueva conjetura más precisa. Así funciona AutoCog, el científico cognitivo automático. Antes, en la ciencia del pensamiento (la ciencia cognitiva), lo más difícil — idear una teoría — lo hacían solo los humanos.

Calibrar un procesador cuántico es una tarea monótona: hay que calibrar cada cúbit —la celda cuántica— como un relojero ajusta docenas de engranajes. El ser humano se cansa y comete errores.

Danza de cientos de partículas: algunos pares giran lenta y suavemente, otros se sacuden a un ritmo frenético. Para entender la esencia del baile, hay que fijarse en los movimientos lentos: son la coreografía principal del sistema.

Compras una báscula de cocina nueva, pero en lugar de mostrar el peso exacto, solo indica la desviación respecto a una "norma". Para saber cuánto pesa una manzana, primero tienes que pesar decenas de otras manzanas y calcular el promedio.

En el medio acuático, los vórtices desestabilizan al pez mecánico. El agente de IA, como un cocinero experimental, lanzaba simulaciones, probaba «recetas» de movimientos y mejoraba el programa. Cada experimento es como una espectroscopia: el agente descomponía el comportamiento en elementos, descubriendo patrones.

El intérprete está en la sala de reuniones y traduce cada palabra. Pero de repente se da cuenta de que puede mejorar su traducción si aprende de sus errores. Empieza a anotar qué frases causaron malentendidos y las corrige. Al cabo de una hora, su traducción es más precisa y la reunión avanza más rápido.

Un chef no gasta ingredientes preparando el plato entero para probar el sabor; simplemente prueba una gota de salsa. La misma lógica está en el método de ‘emparejamiento informativo’ para predecir la resistencia de los metales.

Un laboratorio envía a un robot una lista de mil moléculas candidatas para un nuevo fármaco. El robot predictor, entrenado con datos antiguos, da para cada una una evaluación de 'apta o no apta'. Pero cuando la lista proviene de un área desconocida —otro virus o un tumor raro—, el robot empieza a confundirse. Su confianza sigue siendo alta, pero los aciertos reales caen a cero.

Un fotocatalizador es un polvo que, al estar en agua bajo la luz, la descompone en burbujas de hidrógeno y oxígeno. El material más popular para esto es el dióxido de titanio, el pigmento blanco de pinturas y pastas de dientes.

Cada mañana coges la misma taza, pero el café a veces sabe amargo y otras veces perfecto. No es culpa del café — ni de tu carácter. Dentro de nosotros se mueve sin cesar un panel invisible con decenas de deslizadores: fatiga, hambre, ansiedad, nivel hormonal.

Una persona mira una cerradura de puerta y ve la ranura para la llave. Sabe que la llave se inserta y se gira. Pero si en lugar de la ranura hay un panel táctil, el marco habitual se rompe. La persona no solo se equivoca: comprende que el método habitual no sirve y puede decir: «Aquí no hay lugar para una llave, se necesita otro enfoque».

Una red social se parece a una ciudad: hay barrios gigantes y callejones diminutos. Cuando un algoritmo busca grupos cohesionados, a menudo identifica un par de grupos enormes y muchos fragmentos pequeños. Pero el cliente —por ejemplo, un municipio— necesita barrios de tamaño similar para distribuir uniformemente centros de salud o escuelas.

La cámara toma una foto, pero el sensor introduce ruido, la óptica desenfoca y parte de los píxeles quedan sobreexpuestos. Recuperar la imagen original es como adivinar una melodía a partir de un disco rayado: hay muchas posibilidades y no está claro cuál es la verdadera.

El núcleo de uranio se asemeja a una cartera apretada, cerrada con dos mitades. Para que reviente y libere energía —es decir, para que el núcleo se divida— hay que superar una barrera energética. La altura de ese umbral determina si la materia es estable o está lista para desintegrarse en cualquier momento.

En un laboratorio donde se estudian cristales, el técnico mira la pantalla con un salpicón de manchas brillantes y gira lentamente la muestra hasta que las manchas forman un patrón simétrico. Es como sintonizar una radio vieja: giras la perilla hasta que el ruido se convierte en señal clara. Ahora, esa perilla la puede girar una máquina.

Un traductor que nunca ha asistido a una reunión traduce literalmente y pierde la mitad del sentido. No sabe que un asentimiento del jefe significa «hazlo como la vez pasada», y que la frase «bueno, ya veremos» es un rechazo cortés. Así también un modelo de lenguaje que escribe código a partir de un artículo científico: las ecuaciones las lee, pero los acuerdos tácitos no.

Crear un material nuevo, como una aleación resistente, requiere miles de experimentos computacionales. Normalmente, un científico escribe manualmente las instrucciones y busca errores. AutoMOOSE es una cocina robotizada: dices «quiero un metal ligero y fuerte», y cinco programas cocineros crean la receta, ejecutan la síntesis y corrigen si algo sale mal.

Un físico que analiza colisiones de partículas suele pasar semanas en trabajo aburrido: limpiar el ruido de los datos, estimar cuántas señales falsas se colarán, verificar cada cifra. Ahora esa rutina se puede delegar a un programa.

Un cuchillo de cocina y un pelador de verduras por separado sirven para distintas tareas, pero cuando un cocinero aprende una receta nueva, a menudo agarra el mismo cuchillo para todo. Parece que el cerebro hace algo similar cuando aprende una nueva habilidad para distinguir imágenes.

Un programador escribe código, lo ejecuta, ve el error y lo corrige. Ahora, ese proceso se puede delegar en el propio programa. El aprendizaje profundo en imagenología médica ya sabe mejorar algoritmos, pero normalmente requiere muchos datos y ejemplos preparados.