Investigadores de la Universidad de Loughborough, el MIT y Yale han introducido el concepto de "IA colectiva".
Documentar sus ideas en una perspectiva papel publicado en Nature Machine Intelligence, los investigadores proponen Shared Experience Lifelong Learning (ShELL) como marco para crear sistemas de IA descentralizados compuestos por múltiples agentes independientes, o "IA colectiva".
Trabajando como una "mente de colmena", estas unidades individuales de IA aprenden y comparten conocimientos continuamente a lo largo de su vida, desafiando a las arquitecturas monolíticas centralizadas.
Si se desarrolla, la IA Colectiva podría reflejar las habilidades de "Los Borg" de Star Trek y otros numerosos conceptos de ciencia ficción como "El Obtenido" de Mass Effect o "Los Replicantes" de Stargate SG-1.
Al permitir a los agentes aprender de sus propias experiencias y de los conocimientos compartidos por otros, los sistemas ShELL pueden mostrar un aprendizaje más rápido, un mejor rendimiento y una mayor flexibilidad ante la adversidad, de forma similar a los organismos biológicos.
Los mejores informáticos del mundo afirman que el futuro de la inteligencia artificial es similar al de Star Trek🖖🤖
Dr @asoltoggio y expertos de la talla de @MIT & @Yale comparten su visión de la "IA colectiva" en un nuevo @NatMachIntell papel.
Lee: https://t.co/JgKhqvUDmG pic.twitter.com/kd1QAyGxGB
- Relaciones públicas de la Universidad de Loughborough (@LboroPR) 22 de marzo de 2024
El Dr. Andrea Soltoggio, de la Universidad de Loughborough, investigador principal del estudio, describió la visión del estudio: "El intercambio instantáneo de conocimientos a través de una red colectiva de unidades de IA capaces de aprender y adaptarse continuamente a nuevos datos permitirá dar respuestas rápidas a situaciones, retos o amenazas novedosos."
Soltoggio destacó además el potencial de la IA descentralizada estableciendo una analogía con el sistema inmunitario humano, en el que múltiples componentes trabajan juntos para montar una defensa coordinada contra las amenazas.
"También podría conducir al desarrollo de robots de respuesta ante catástrofes capaces de adaptarse rápidamente a las condiciones en las que son enviados, o de agentes médicos personalizados que mejoren los resultados sanitarios fusionando los conocimientos médicos más avanzados con la información específica del paciente", explicó Soltoggio.
En el estudio se mencionan varios usos potenciales en el mundo real:
- Exploración espacial: Las capacidades descentralizadas de aprendizaje y adaptación de ShELL podrían ser valiosas en misiones al espacio profundo, donde la comunicación con la Tierra es limitada y los sistemas autónomos tienen que hacer frente a retos inesperados.
- Medicina personalizada: ShELL podría impulsar sistemas de IA médica distribuida que se adapten continuamente a la evolución de las necesidades de los pacientes y de los conocimientos médicos, permitiendo una prestación sanitaria más específica y eficaz.
- Ciberseguridad: El aprendizaje colectivo y el intercambio de conocimientos de los agentes ShELL podrían aprovecharse para crear sistemas defensivos descentralizados que detecten y difundan rápidamente información sobre nuevas amenazas, lo que permitiría dar respuestas más rápidas y contundentes a los ciberataques.
- Respuesta ante catástrofes: El artículo sugiere que los sistemas ShELL podrían utilizarse para coordinar agentes autónomos en situaciones de catástrofe, lo que permitiría una respuesta más eficiente y eficaz al aprovechar la inteligencia colectiva del grupo.
- Detección multiagente: ShELL podría permitir la coordinación de enjambres de agentes para construir modelos tridimensionales del mundo en tareas como operaciones de búsqueda y rescate o detección de anomalías en reconocimiento militar.
He aquí una posible idea para construir una democracia de muchas IA, diversidad y resistencia frente a un puñado de grandes entidades que controlan la tecnología más poderosa del siglo XXI https://t.co/Eg7R9X4WEp ¿Algún interesado?
- Andrea Soltoggio (@asoltoggio) 22 de marzo de 2024
A pesar de sus prometedores usos, los investigadores son conscientes de los riesgos potenciales de los sistemas colectivos de IA, como la rápida difusión de conocimientos incorrectos, inseguros o poco éticos entre las unidades.
Para combatirlo, sugieren fomentar la autonomía de cada unidad de IA dentro del colectivo, garantizando un equilibrio entre cooperación e independencia.
Construir una IA colectiva
¿Cómo puede funcionar la IA colectiva? Los investigadores proponen varios mecanismos posibles:
- Aprendizaje automático permanente: Permite a los agentes de IA aprender múltiples tareas de forma incremental sin sufrir olvidos catastróficos. Las técnicas incluyen métodos de repetición (almacenar y reproducir experiencias anteriores), regularización (limitar las actualizaciones del modelo para evitar sobrescribir conocimientos antiguos) y aislamiento de parámetros (dedicar componentes separados del modelo a tareas diferentes).
- Aprendizaje federado: Un paradigma de aprendizaje distribuido en el que varios agentes entrenan en colaboración un modelo manteniendo sus datos localizados. Cada agente calcula las actualizaciones del modelo basándose en sus datos locales y solo comparte estas actualizaciones con los demás, preservando la privacidad de los datos.
- Sistemas multiagente: Estudio de agentes autónomos que interactúan en un entorno compartido. Los agentes ShELL operan de forma descentralizada, tomando decisiones basadas en sus objetivos y conocimientos individuales.
- Computación de borde: Realización de cálculos y almacenamiento de datos cerca de las fuentes de datos, como en dispositivos o servidores periféricos, en lugar de en sistemas centralizados en la nube. Los agentes ShELL operan en dispositivos periféricos, lo que permite un procesamiento de baja latencia y reduce los costes de comunicación.
La IA colectiva se basa en recientes avances futuristas de la IA, como IA bioinspirada arquitecturas que simulen eficazmente estructuras sinápticas analógicas y modelos de IA que se ejecuten en células cerebrales reales.
El propio interés por la IA descentralizada está creciendo, como indica el reciente dimisión del CEO de Stability AI, Emad Mostaque. Se marchó para dedicarse a proyectos descentralizados que buscan difundir el poder de la IA de Big Tech.
Además, una empresa emergente, Sakana, fundada por ex ingenieros de Google, acaba de publicar recaudó $30 millones para la IA de "enjambre"., conceptualmente similar a lo que se propone en este nuevo estudio.
