Desarrollado por Google, el modelo entiende, razona y da solución a problemas que implican un razonamiento cuantitativo que habitualmente se le dificulta a la inteligencia artificial.
n la mitología griega Minerva es la diosa de la sabiduría y Google ha tomado prestado su nombre para un sistema de inteligencia artificial capaz de resolver complejas operaciones aritméticas paso a paso. Contrario a lo que uno pudiera imaginar, mientras que este tipo de desarrollos han tenido un impresionante avance en términos de lenguaje natural, se les dificulta el resolver tareas que impliquen el razonamiento cuantitativo.
Por medio de una entrada en su blog dedicado a la inteligencia artificial, Google explicó: «El razonamiento cuantitativo es un área en la que los modelos del lenguaje aún están muy por debajo del rendimiento a nivel humano. Resolver preguntas matemáticas y científicas requiere una combinación de habilidades, que incluyen analizar correctamente una pregunta con lenguaje natural y notación matemática, recordar fórmulas y constantes relevantes y generar soluciones paso a paso que involucran cálculos numéricos y manipulación simbólica.»
Ethan Dyer y Guy Gur-Ari, autores del texto Solving Quantitative Reasoning Problems With Language Models (Resolución de problemas de razonamiento cuantitativo con modelos de lenguaje), explicaronque el sistema posee un «modelo de lenguaje capaz de resolver cuestiones matemáticas y científicas utilizando el razonamiento paso a paso». Eso significa que Minerva es capaz de resolver problemas en los que intervienen tanto las matemáticas como el lenguaje, como esos que nos ponían a resolver en la escuela: si viajas 110 kilómetros a 55 km/h, ¿en qué punto del camino te encontrarás con un vehículo que viaja en dirección contraria a la misma velocidad?
¿Cómo resuelve los problemas Minerva?
El desarrollo de Minerva está basado en PaLM, un modelo de lenguaje que contiene más de 540 mil millones de parámetros para entender y resolver los problemas. Según los científicos Minerva genera múltiples soluciones a cada pregunta y asigna probabilidades a los distintos resultados mejorando significativamente su rendimiento.
Para evaluar la efectividad de Minerva los científicos la sometieron a varias pruebas académicas que se aplican desde la primaria hasta la universidad (STEM, MATH y GSM8k) con buenos resultados, aunque el sistema todavía se equivoca. «Minerva todavía comete errores. Para identificar las áreas donde se puede mejorar el modelo, analizamos una muestra de preguntas en las que el modelo se equivoca y descubrimos que la mayoría de los errores son fácilmente interpretables. Aproximadamente la mitad son errores de cálculo, y la otra mitad son errores de razonamiento, donde los pasos de la solución no siguen una cadena lógica de pensamiento», explica el documento, además de aclarar que en ocasiones.
Aunque Minerva dista de ser perfecta, representa un importante avance en el desarrollo de la inteligencia artificial.
Artículo tomado de Entrepreneur, lea el original aquí.