La inteligencia artificial transversal (III): razonamiento y control

El aumento de transversalidad en la inteligencia artificial  no tiene lugar únicamente por una especie de fusión de diferentes enfoques de la misma como he revisado en los dos posts anteriores en que, por una parte, hablaba de la progresiva indiferenciación entre la inteligencia artificial generativa y la discriminativa (primer post de esta serie) y, por otro, de la unificación de modalidades en los mismos modelos o aplicaciones (objeto del segundo post).

Además, esa mayor transversalidad se produce por introducción de algunos elementos nuevos. Y uno de ellos, seguramente el principal, es el objetivo de este post: el control y el razonamiento.

 

Control

Aunque en este post uno el control y el razonamiento, quiero dedicar unas líneas a verlos por separado porque, aunque conceptualmente puedan unificarse, en la práctica se tienden a usar en contextos diferentes, aludiendo a funciones algo diferentes y con implementaciones también diferentes.

En ambos casos se refieren, de alguna forma, a la 'inteligencia' que gobierna un agente (por ejemplo, un robot, ya sea hardware o software), a aquella lógica que hace que ese agente, de alguna forma, tome decisiones lógicas conforme al estado del mundo, su propio estado y sus objetivos.

En general, el término control tiende a aplicarse a soluciones algo más modestas y, con frecuencia del mundo físico y de la automatización industrial.

Así, hablamos de control cuando como los mecanismos que mantienen una cierta variable (por ejemplo, una velocidad) en el punto deseado, mediante la utilización de un bucle de realimentación y un controlador de tipo PID.

Aunque no se suele utilizar la palabra control en ese ámbito, podríamos considerar también como una forma de control poco sofisticada, aunque muy eficaz, la estrategia de comportamientos reactivos ('behaviors'), es decir el establecimiento de pares estímulo-respuesta que se utilizan en algunos robots y que revisamos en el post titulado 'Comportamientos reactivos y los conceptos de inteligencia e inteligencia artificial'.

Por decirlo de alguna forma, lo que encuadro dentro del término 'control' (porque en la literatura con frecuencia se denomina así), son mecanismos de gestión de un agente que mantienen la coherencia de su comportamiento y la consecución de sus objetivos mediante mecanismos simples, estáticos y reglados.

Razonamiento

Aunque lo que denomino 'razonamiento' no deja de ser una forma de control, se trata de un control mucho más sofisticado, mucho más flexible y mucho más próximo al funcionamiento cognitivo humano.

En este caso, no tenemos un control o comportamiento estático y reglado sino que el agente traza un plan de actuación para conseguir un objetivo (ese plan no le viene dado como, de alguna forma, sucede en los mecanismos que he agrupado en la sección de 'control'). Y no sólo eso, es que además el agente es capaz de reaccionar y cambiar dinámicamente ese plan en función de los estímulos que recibe, de cómo cambia el estado de su entorno o cómo cambia su propio estado. 

Algunas formas de razonamiento se vienen aplicando en la inteligencia artificial desde hace muchos años, incluso en la inteligencia artificial simbólica. Razonamiento serían los motores de inferencia de los sistemas expertos, y razonamiento serían también los famosos algoritmos de búsqueda en un espacio de estados.

Pero hay importantes novedades en este campo del razonamiento.

Modelos razonadores

Y esas novedades vienen ¡cómo no! del campo de la inteligencia artificial generativa (una inteligencia artificial a la que probablemente, y como argumentaba en el primer artículo de esta serie, seguramente haya que ir pensando en quitarle el apellido de 'generativa').

Esa novedad son los modelos razonadores que, por ejemplo, OpenAI ha incorporado en su serie 'o' (como el recientemente lanzado o3), aunque ciertas capacidades de razonamiento venían en modelos anteriores.

En efecto, los modelos razonadores ya son capaces de trazar un plan y decidir unas acciones para conseguir el objetivo que normalmente le viene marcado por un 'prompt'. Y no sólo son capaces de trazar ese plan sino que, en función de los resultados que obtienen en cada paso de ese plan, pueden dinámicamente cambiarlo e ir decidiendo nuevos pasos. Los resultados, por cierto, a veces y curiosamente, se los da el modelo a sí mismo, pero en otros son el resultado de invocar a herramientas que les ponen en contacto con el exterior, por ejemplo, mediante una búsqueda en la web, mediante 'screen scraping', mediante creación y ejecución de programas python, mediante invocación a APIs, etc.

Los agentes (de la 'Agentic AI')

Y si mezclamos la capacidad de razonamiento (dinámico y autónomo) con la capacidad de interacción con el exterior mediante lo que habitualmente se denomina herramientas ('tools'), ya tenemos los ingredientes para construir los famosos agentes de la 'Agentic AI'.

Nota terminológica: recalco el apellido 'de la Agentic AI' porque el concepto de agente existe desde hace décadas (e incluso siglos) y, no sólo se ha utilizado fuera del ámbito tecnológico, sino que en la propia inteligencia artificial y la robótica, se viene empleando desde hace décadas y, de hecho, es definitorio del concepto de robot e, incluso, autores tan reconocidos como Russel y Norvig, en su famoso libro de texto 'Artificial intelligence. A modern approach', centran la propia definición de inteligencia artificial en la idea de agentes.

Lo novedoso de los agentes que ahora se han puesto de moda dentro del marco de la 'agentic AI', no es su concepto, que es el mismo de siempre, sino que ahora se está empezando a conseguir, y esa es la principal promesa, que puedan ellos mismos, los agentes, decidir el plan a ejecutar sólo con recibir un objetivo en forma de 'prompt' y que puedan decidir, así mismo, qué herramienta necesitan utilizar en cada momento y realizar su invocación.

En el fondo, la realización de los nuevos y poderosos agentes software, orbita en torno a estos modelos razonadores a que aludía más arriba. 

Conclusiones

La inteligencia artificial se hace más transversal, no sólo por la fusión de enfoques hasta ahora diferenciados, como discriminación versus generación, o el tratamiento de modalidades, sino también por la inclusión de nuevas capacidades entre las que destaca la posibilidad de razonamiento que nos conduce, de cabeza, a los así llamados agentes de la 'Agentic AI'..

Artículos de este blog relacionados

• La inteligencia artificial transversal (II): de la multimodalidad a la omnimodalidad
• La inteligencia artificial transversal (I): más que una inteligencia artificial generativa