programa
Fundamentos de la IA
10 h
Vivimos un momento apasionante para la IA. Desde el lanzamiento de ChatGPT a finales de 2022, el sector de la IA ha emprendido un camino que está transformando a gran velocidad cómo vivimos y trabajamos. Las grandes tecnológicas, como Google, Microsoft, Meta, Apple y Amazon, están desempeñando un papel clave en esta revolución. Gracias a sus enormes presupuestos, recursos de computación y talento, avanzan constantemente la investigación de vanguardia para liderar la carrera de la IA.
Hasta ahora, probablemente el mayor hito en IA de 2024, además de Sora de OpenAI, es AlphaGeometry de DeepMind. Diseñado por DeepMind, la rama de Google centrada en desarrollar IA de propósito general, AlphaGeometry es un sistema de IA innovador que combina un modelo de lenguaje neuronal y un motor de deducción simbólica para resolver problemas complejos de geometría. Presentado como un sistema de nivel Olimpiada en geometría, este modelo supone una contribución importante al objetivo a largo plazo de crear sistemas de IA capaces de generalizar entre distintos campos de las matemáticas.
En este artículo te presentamos AlphaGeometry. Analizaremos qué motivó su desarrollo, cómo funciona y los casos de uso más relevantes. Cerraremos con algunas claves sobre lo que puede significar AlphaGeometry para el futuro de la investigación en IA.
¿Qué es AlphaGeometry?
AlphaGeometry es un sistema de IA de nueva generación creado para resolver geometría compleja. Adopta un enfoque de diseño novedoso del razonamiento lógico que le permite superar el estado del arte en tareas relacionadas con la geometría.
Así, a diferencia de herramientas de IA como ChatGPT de OpenAI y Gemini de Google, que pueden considerarse modelos de propósito general, AlphaGeometry es un modelo de IA específico de dominio.
El código y el modelo, así como las metodologías utilizadas para la generación de datos sintéticos y el entrenamiento (ver siguiente sección), se publican bajo una licencia de código abierto.
Para evaluar el rendimiento de AlphaGeometry, los investigadores de Google DeepMind prepararon un conjunto de referencia con problemas de geometría recopilados de distintas ediciones de las Olimpiadas Internacionales de Matemáticas (IMO) entre 2000 y 2022.
Las IMO son una competición anual que reúne a brillantes estudiantes de secundaria de todo el mundo para resolver problemas matemáticos, entre ellos de geometría.
AlphaGeometry fue capaz de resolver 25 de 30 preguntas seleccionadas dentro de los límites de tiempo de competición, superando los mejores resultados anteriores de otros sistemas de IA y acercándose a la puntuación media de los medallistas de oro humanos, como se muestra en la imagen siguiente. El diseño y los resultados de esta evaluación se recogen en un artículo publicado en Nature.
Fuente: Google
¿Cómo funciona AlphaGeometry?
La clave del éxito de AlphaGeometry reside en su enfoque híbrido para resolver problemas (geométricos). Aunque los modelos de lenguaje grandes (LLM) modernos, como ChatGPT de OpenAI y Gemini de Google, son buenos detectando patrones, a menudo no razonan con precisión.
Google DeepMind trata de superar esta limitación combinando un modelo de lenguaje neuronal con un motor de deducción simbólica especializado en razonamiento algebraico y geométrico. El modelo neuronal aporta ideas y soluciones rápidas e intuitivas. En cambio, el modelo simbólico, basado en enunciados de lógica formal que se pueden explicar y verificar fácilmente, ofrece decisiones más meditadas y racionales a partir de las ideas preliminares del primer modelo.
Para entender mejor cómo funciona AlphaGeometry, primero conviene comprender la naturaleza de los problemas de geometría de las IMO. Estos problemas se basan en diagramas a los que hay que añadir nuevos elementos geométricos, como puntos, rectas y circunferencias, antes de poder resolverlos.
Cuando AlphaGeometry se enfrenta a uno de estos problemas, primero utiliza su modelo de lenguaje para predecir qué nuevos elementos sería más útil añadir entre un número infinito de posibilidades. Estas pistas ayudan a completar la información y permiten que el motor simbólico haga nuevas deducciones sobre el diagrama y se acerque a la solución. Todo el proceso se ilustra a continuación:
Fuente: Google
Este innovador enfoque dual permite a AlphaGeometry no solo predecir qué construcciones son útiles, sino también explicar y validar sus decisiones.
Aprovechar datos sintéticos
Uno de los mayores retos durante el desarrollo de AlphaGeometry fue el proceso de entrenamiento. Traducir a un formato legible por máquina las propiedades y relaciones de los objetos geométricos (espacio, distancia, forma, posiciones relativas) es muy complejo, ya que los lenguajes de programación específicos de geometría están muy acotados y tienen dificultades para capturar demostraciones humanas que se apoyan en herramientas más allá de la propia geometría, como los números complejos.
Esta situación crea un cuello de botella de datos que dificulta el uso de técnicas de aprendizaje automático en geometría.
Para superar esta limitación, los investigadores de Google DeepMind desarrollaron un método novedoso que aprovecha la computación en paralelo para generar un enorme conjunto de datos sintéticos de entrenamiento: 100 millones de diagramas únicos de objetos geométricos. Echa un vistazo a nuestro artículo para descubrir qué son los datos sintéticos.
Con estos datos de entrenamiento, el modelo aprendió propiedades y relaciones, así como teoremas geométricos y sus demostraciones asociadas. Todo ello sin necesidad de ejemplos humanos. El proceso de generación de datos sintéticos se ilustra en la siguiente imagen:
Fuente: Nature
La amplia disponibilidad de datos sintéticos permite que el modelo de lenguaje de AlphaGeometry haga buenas sugerencias de nuevas construcciones cuando se enfrenta a problemas de geometría no vistos.
¿Qué supone AlphaGeometry para el futuro de la investigación en IA?
AlphaGeometry es un modelo de investigación diseñado específicamente para resolver problemas geométricos abstractos. A pesar de su rendimiento sin precedentes, AlphaGeometry está entrenado únicamente para abordar preguntas de las IMO (y solo una parte de ellas, ya que estas pruebas también incluyen problemas de otros ámbitos de las matemáticas, como el álgebra, la teoría de números y la combinatoria).
AlphaGeometry no pretende aportar soluciones directas en disciplinas donde la geometría desempeña un papel fundamental, como la arquitectura, la ingeniería o el arte. Más bien, es un ejemplo prometedor de cómo se pueden combinar modelos de lenguaje neuronales y simbólicos para potenciar las capacidades de razonamiento en futuros sistemas de IA.
El desarrollo de enfoques novedosos para generar datos sintéticos a gran escala, como se demostró durante el entrenamiento de AlphaGeometry, nos acerca a esta nueva frontera de la investigación en IA.
El objetivo final es construir una nueva generación de sistemas de IA que supere las limitaciones y carencias de los actuales modelos de lenguaje grandes. Será posible dotando a los nuevos modelos de habilidades avanzadas de razonamiento y resolución de problemas que permitan generalizar el conocimiento entre distintos campos de las matemáticas y más allá.
Sigue aprendiendo
Esperamos que te haya gustado este artículo sobre AlphaGeometry de DeepMind. Estamos solo al principio de una revolución de la IA que está cambiando el mundo a un ritmo vertiginoso. Hay mucho en juego, así que es importante mantenerse al día de las últimas novedades.
En DataCamp trabajamos para ayudarte a navegar esta revolución. Descubre nuestros artículos y cursos sobre IA generativa.
- AI Fundamentals Skill Track
- Generative AI Concepts Course
- How to Learn AI From Scratch in 2024: A Complete Expert Guide
- The OpenAI API in Python Cheat Sheet
- Fine-Tuning LLaMA 2: A Step-by-Step Guide to Customizing the Large Language Model
- Mistral 7B Tutorial: A Step-by-Step Guide to Using and Fine-Tuning Mistral 7B
- How to Fine Tune GPT 3.5: Unlocking AI's Full Potential
