Aprendizaje basado en datos en un colector (arriba). Aprendizaje basado en datos y razonamiento simbólico en un colector (abajo). Las actualizaciones convencionales basadas en datos se siguen con un razonamiento simbólico elevando la representación neuronal a una simbólica. Después del razonamiento simbólico, la representación simbólica se proyecta nuevamente en una representación neuronal. El proceso se repite para capacitación e inferencia eficientes. Crédito: PNAS Nexus (2025). Doi: 10.1093/pnasnexus/pgaf117
¿Podría la IA que piensa más como un humano ser más sostenible que los LLM de hoy? La industria de la IA está dominada por grandes empresas con bolsillos profundos y un apetito gigantesco por la energía para alimentar las necesidades informáticas gigantescas de sus modelos. Los centros de datos que apoyan la IA ya representan hasta el 3.7% de las emisiones globales de invernadero.
En una perspectiva publicada en PNAS Nexus, Álvaro Velásquez y sus colegas proponen un modelo alternativo: la IA neuroSymbólica, que requeriría mucho menos poder informático, creando oportunidades para que los jugadores más pequeños ingresen al campo y permitan que la sociedad disfrute de los beneficios de la IA sin los costos ambientales.
La IA neurosymbólica se basa en métodos neuronales basados en datos y enfoques simbólicos clásicos y se inspira en parte en las eficiencias del cerebro humano, que opera en unos 20 vatios de poder y exhibe un pensamiento bimodal y lento similar similar al aprendizaje neuronal y el razonamiento simbólico. Los enfoques simbólicos son aquellos que dependen de símbolos semánticamente significativos para estructurar el conocimiento, que incluyen ecuaciones lógicas y diferenciales.
Los autores muestran cómo los modelos de IA neuro-simbólicos podrían usar estas habilidades para reducir el volumen de datos y parámetros necesarios para producir resultados confiables. En lugar de requerir una correlación estadísticamente robusta para emerger de un vasto conjunto de datos, los modelos pueden aprender algunos axiomas o hechos básicos de los datos (por ejemplo, “todos los hombres son mortales” y “Socrates es un hombre”) e inferir la validez de los hechos relacionados al componer tales axiomas utilizando lógica simbólica (eg “, Socrates es mortal”). Dichos modelos podrían ser 100 veces más pequeños que las LLM principales de hoy.
Según los autores, la IA neurosymbólica podría permitir sistemas de IA eficientes y confiables sin el uso de energía o la guardia de energía insostenible por parte de las empresas con grandes recursos financieros.
Más información: Álvaro Velásquez et al, IA neuroestimbólica como antítesis de las leyes de escala, PNAS nexus (2025). Doi: 10.1093/pnasnexus/pgaf117
Proporcionado por PNAS Nexus
Cita: la IA neuroestimbólica podría ser más delgada e inteligente que las LLM de hoy (2025, 20 de mayo) recuperada el 20 de mayo de 2025 de https://techxplore.com/news/2025-05-neurasymbolic-ai-leaner-smarter-today.htmll
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.
