Cómo es la inteligencia emergente sin datos etiquetados

Casi todo el progreso reciente en inteligencia artificial vino de una receta específica: juntar un dataset grande, etiquetarlo según una tarea que le importa a los humanos, y entrenar un modelo para reproducir bien esas etiquetas. Es una receta extraordinariamente efectiva, y tiene una limitación específica — el modelo resultante no puede ser más capaz que los patrones ya presentes en los datos que los humanos eligieron etiquetar.

Una pregunta distinta

Genesis parte de una premisa distinta. En lugar de pedirle a un modelo que reproduzca resultados etiquetados, ubica organismos digitales dentro de un ecosistema artificial con una condición de supervivencia simple y sin ninguna tarea predefinida. Qué necesitan hacer esos organismos para seguir existiendo queda en manos de la evolución, no de la anotación.

Evolución en lugar de anotación

A través de las generaciones, los organismos que se comportan de maneras que ayudan a sobrevivir y reproducirse persisten; el resto no. Con suficientes generaciones, esta presión produce comportamientos — cooperación, competencia, división del trabajo — que nunca fueron escritos en el sistema por un diseñador, porque nadie los especificó. Emergieron de las restricciones del entorno.

Por qué esto importa más allá del laboratorio

El resultado interesante no es el comportamiento de ningún organismo en particular, sino los patrones colectivos que aparecen en toda la población — el tipo de coordinación que los modelos estáticos y entrenados individualmente rara vez exhiben, porque nunca se les pidió sobrevivir juntos.