Comparación de las fortalezas de los humanos y las máquinas estadísticas, que ilustra su generalización complementaria en escenarios de equipo humano -AI. Crédito: Nature Machine Intelligence (2025). Doi: 10.1038/s42256-025-01109-4
¿Cómo logran los humanos adaptarse a situaciones completamente nuevas y por qué las máquinas tan a menudo luchan con esto? Esta pregunta central es explorada por investigadores de la ciencia cognitiva y la inteligencia artificial (IA) en un artículo conjunto publicado En la revista Nature Machine Intelligence. Entre los autores se encuentran la profesora Dra. Barbara Hammer y el Profesor Dr. Benjamin Paaßen de la Universidad Bielefeld.
“Si queremos integrar los sistemas de IA en la vida cotidiana, ya sea en medicina, transporte o toma de decisiones, debemos comprender cómo estos sistemas manejan lo desconocido”, dice el profesor Dr. Hammer, jefe del grupo de aprendizaje automático de la Universidad de Bielefeld. “Nuestro estudio muestra que las máquinas se generalizan de manera diferente a los humanos y esto es crucial para el éxito de la futura colaboración humana -AI”.
Diferencias entre humanos y máquinas
El término técnico “generalización” se refiere a la capacidad de sacar conclusiones significativas sobre situaciones desconocidas de información conocida, es decir, aplicar de manera flexible el conocimiento a nuevos problemas. En la ciencia cognitiva, esto a menudo implica el pensamiento conceptual y la abstracción. Sin embargo, en la investigación de IA, la generalización sirve como un término general para una amplia variedad de procesos: desde el aprendizaje automático más allá de los dominios de datos conocidos (“generalización fuera del dominio”) a la inferencia basada en reglas en los sistemas simbólicos, hasta la llamada IA neuroimbólica, que combina redes lógicas y neurales.
“El mayor desafío es que la ‘generalización’ significa cosas completamente diferentes para la IA y los humanos”, explica el profesor Dr. Paaßen, profesor junior para la representación del conocimiento y el aprendizaje automático en Bielefeld. “Por eso fue importante para nosotros desarrollar un marco compartido. A lo largo de tres dimensiones: ¿Qué queremos decir con generalización? ¿Cómo se logra? ¿Y cómo se puede evaluar?”
Importancia para el futuro de la IA
La publicación es el resultado de la colaboración interdisciplinaria entre más de 20 expertos de instituciones de investigación líderes internacionalmente, incluidas las universidades de Bielefeld, Bamberg, Amsterdam y Oxford. El proyecto comenzó con un taller conjunto en el Centro de Informática de Leibniz en Schloss Dagstuhl, coorganizado por el Prof. Dr. Hammer.
El proyecto también destaca la importancia de unir la ciencia cognitiva y la investigación de IA. Solo a través de una comprensión más profunda de sus diferencias y puntos en común será posible diseñar sistemas de IA que puedan reflejar y apoyar mejor los valores humanos y las lógicas de toma de decisiones.
Más información: Filip Ilievski et al, alineando la generalización entre humanos y máquinas, Nature Machine Intelligence (2025). Doi: 10.1038/s42256-025-01109-4
Proporcionado por la Universidad de Bielefeld
Cita: Por qué las máquinas luchan con lo desconocido: Explorando la brecha en el aprendizaje humano y de IA (2025, 15 de septiembre) recuperado el 15 de septiembre de 2025 de https://techxplore.com/news/2025-09-machines-struggle-unknown-exploring-gap.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
