¿Cuál es el avance de la ciencia cognitiva impulsado por IA en el ‘Kempner Institute’ de Harvard?
Esta visión plantea la construcción de modelos capaces de generalizar y adaptarse a la riqueza y variabilidad de la vida real.
Primera Cumbre IA Colombia 2022: Retos y su impacto en los negocios / Getty Images
El ‘Kempner Institute’ está liderando un cambio profundo en la ciencia cognitiva a través del trabajo del investigador Wilka Carvalho, en colaboración con Andrew Lampinen de ‘Google DeepMind’.
En su reciente publicación ‘Naturalistic Computational Cognitive Science: Towards Generalizable Models and Theories That Capture the Full Range of Natural Behavior’, Carvalho sostuvo que los enfoques tradicionales, basados en experimentos controlados de laboratorio, no logran capturar la complejidad del comportamiento humano en su entorno natural.
De esta manera, su propuesta introduce la ciencia cognitiva computacional naturalista, un enfoque innovador que busca integrar la inteligencia artificial con los métodos clásicos de investigación.
A diferencia de los modelos limitados a contextos artificiales, esta visión plantea la construcción de modelos capaces de generalizar y adaptarse a la riqueza y variabilidad de la vida real.
En este orden de ideas, la IA se posiciona como un aliado determinante para desarrollar teorías más robustas, que no solo expliquen procesos cognitivos aislados, sino que también predigan con mayor precisión cómo las personas piensan, actúan y aprenden en escenarios dinámicos y cambiantes.
¿Qué aporta ‘NiceWebRL’ a la investigación?
En su segundo estudio, Wilka Carvalho introduce ‘NiceWebRL’, una innovadora biblioteca de Python diseñada para realizar experimentos con sujetos humanos en entornos de aprendizaje por refuerzo.
Este desarrollo responde a una dificultad común en la investigación cognitiva: la brecha entre el uso de Python, lenguaje ampliamente empleado en inteligencia artificial, y las plataformas web que suelen depender de JavaScript.
Adicionalmente, el trabajo, publicado bajo el título ‘NiceWebRL: a Python library for human subject experiments with reinforcement learning environments’, muestra cómo la herramienta facilita la integración de IA en estudios en línea, ofreciendo a los investigadores la posibilidad de crear entornos interactivos con apariencia de videojuegos.
Con esta propuesta, se abre la posibilidad para desarrollar experimentos más realistas y accesibles, capaces de involucrar a participantes diversos y en mayor número.
Asimismo, ‘NiceWebRL’ simplifica el análisis de datos complejos y reduce barreras técnicas y metodológicas, ampliando el alcance de la ciencia cognitiva hacia escenarios digitales dinámicos y mucho más cercanos a la experiencia cotidiana de los usuarios.
¿Cómo funciona la teoría del ‘multitask preplay’?
Desde otra perspectiva, el artículo, titulado ‘Preemptive Solving of Future Problems: Multitask Preplay in Humans and Machines’, fue desarrollado por Wilka Carvalho en colaboración con Sam Gershman (Harvard), Sam Hall-McMaster y Honglak Lee (Universidad de Míchigan).
En este estudio se presenta el algoritmo ‘multitask preplay’, un modelo que explica cómo los seres humanos son capaces de aprender sobre metas futuras mientras persiguen objetivos distintos, aprovechando experiencias pasadas para alcanzar nuevas metas con mayor eficiencia.
Los experimentos, realizados con la biblioteca ‘NiceWebRL’, demostraron que los participantes lograban sus objetivos de manera más rápida al reutilizar trayectorias previamente exploradas.
Este descubrimiento ofrece evidencia sólida sobre la capacidad humana de anticipación y planificación, integrando el aprendizaje pasado en contextos novedosos.
Finalmente, cabe resaltar que la propuesta no solo aporta un marco comprobable para comprender la cognición humana, sino que también abre el camino a aplicaciones en robótica e inteligencia artificial. Desde este enfoque, las máquinas podrían optimizar su adaptación a entornos dinámicos y desconocidos, imitando estrategias humanas de flexibilidad y resolución de problemas.