Titans y MIRAS: la revolución que permitirá a la inteligencia artificial recordar mejor y por más tiempo

La inteligencia artificial (IA) está en constante evolución para comprender y procesar cada vez más información como lo hace el cerebro humano.

Recientemente, Google Research presentó dos innovaciones que prometen cambiar cómo las máquinas “recuerdan” datos importantes durante períodos prolongados sin perder rapidez ni eficiencia: la arquitectura Titans y el marco teórico MIRAS.

¿Por qué es tan importante la memoria en la IA?

Los modelos modernos de IA, como los llamados transformadores, funcionan relacionando cada palabra o dato con los anteriores mediante un mecanismo llamado “atención”.

Esto les permite dar sentido a textos, conversaciones o incluso información médica.

Pero su capacidad para manejar datos extensos, como libros enteros o largas secuencias de ADN, está limitada porque el costo computacional crece mucho con la cantidad de información a procesar.

Por ejemplo, un modelo tradicional puede “olvidar” datos relevantes o tardar mucho tiempo en procesarlos a medida que crece el volumen de texto, dificultando su uso para trabajos complejos y de gran escala.

Titans: aprender y actualizar la memoria al instante

Inspirándose en cómo funciona la memoria humana, Titans divide la memoria en dos partes: la memoria a corto plazo para datos recientes (como cuando recordamos el final de una frase) y una memoria a largo plazo mucho más compleja que sintetiza y guarda grandes cantidades de información relevante.

A diferencia de los sistemas anteriores que simplemente guardaban datos como notas, Titans “entiende” y organiza la información, decidiendo qué es importante recordar y qué olvidar. Para lograrlo utiliza algo llamado “métrica de sorpresa”: detecta cuándo algo inesperado o muy relevante aparece en la información.

Por ejemplo, si el modelo está analizando un informe financiero y de repente aparece la imagen de una banana (algo absolutamente fuera de contexto), este dato se marcará como sorprendente y se almacenará en esa memoria profunda para referirse a ella después.

Además, Titans tiene la capacidad de adaptarse en tiempo real a medida que la información va llegando, sin necesidad de entrenamiento previo, lo que significa que puede “aprender sobre la marcha”.

MIRAS: un marco para entender y mejorar la memoria AI

MIRAS es el “plano” teórico que permite diseñar diferentes tipos de memoria dentro de los modelos de IA, desde las más simples hasta las altamente complejas como las de Titans.

Propone una forma nueva y más flexible de manejar y actualizar la información que combina diferentes objetivos de aprendizaje y estrategias para olvidar datos menos relevantes, algo vital para el manejo de grandes volúmenes de datos.

Este marco también abre la puerta para crear modelos más robustos, capaces de manejar información ruidosa o errores, y estables para mantener memorias precisas a largo plazo.

Resultados: más rápido, mejor y con memoria casi infinita

En pruebas rigurosas, Titans y los modelos desarrollados bajo MIRAS superaron a los más avanzados, incluyendo algunos modelos gigantes como GPT-4, especialmente en tareas que requieren analizar documentos muy largos o datos complejos como secuencias genéticas y series de tiempo.

Por ejemplo, Titans mantiene una precisión superior cuando se le pide recordar contextos que superan los 2 millones de palabras, algo sin precedentes que abre nuevas posibilidades en medicina, investigación y más.

Conclusión

Estas novedades científicas de Google superan los límites tradicionales de las máquinas para aprender y recordar, conjugando rapidez con la capacidad de comprender extensos contextos.

Esto marca un avance sólido hacia inteligencias artificiales que no solo procesan información al instante, sino que pueden construir memorias duraderas y significativas, una cualidad vital para aplicaciones avanzadas en educación, ciencia y negocios.

Nota de Transparencia

Esta nota fue generada 100% con IA. La fuente fue aprobada por Diario Occidente y el contenido final fue revisado por un miembro del equipo de redacción.

Comments