Nested Learning: La nueva frontera para que la inteligencia artificial nunca olvide lo aprendido

La inteligencia artificial (IA) avanza a pasos agigantados, pero hasta ahora ha tenido un problema importante: cuando aprende cosas nuevas, a menudo olvida lo que ya sabía.

Esta dificultad se conoce como “catástrofe del olvido”. Sin embargo, investigadores de Google Research han desarrollado un revolucionario enfoque llamado Nested Learning (Aprendizaje Anidado) que podría cambiar este paradigma.

¿Qué es el Aprendizaje Anidado?

Para entenderlo, primero recordemos que los modelos actuales llamados LLM o modelos de lenguaje grande, como ChatGPT, son programas que procesan y generan texto basado en una enorme cantidad de información previamente aprendida.

Pero su memoria está limitada: sólo recuerdan lo que entra en una ventana de texto o lo que aprendieron antes, y si intentan aprender algo nuevo, a veces pierden lo anterior.

Nested Learning propone mirar los modelos de IA no como una sola gran tarea, sino como muchos problemas más pequeños que se organizan en niveles o “anidados”.

Cada nivel tiene su propio flujo de información y actualiza su aprendizaje a diferentes ritmos, parecido a cómo funciona el cerebro humano gracias a la neuroplasticidad — nuestra mente adapta y reorganiza sus conexiones para aprender y recordar mejor.

El desafío de la “catástrofe del olvido”

Cuando un modelo de IA intenta aprender algo nuevo simplemente actualizando todo su conocimiento, puede caer en la catástrofe del olvido: pierde efectividad en tareas antiguas a medida que adquiere nuevas.

Este problema ha frenado enormemente la capacidad de la IA para mejorar continuamente y adaptarse, algo fundamental para aplicaciones prácticas.

La inspiración en el cerebro humano

El cerebro humano maneja información en diferentes escalas y ritmos. Por ejemplo, recordamos detalles inmediatos (memoria a corto plazo) y también almacenamos conocimientos a largo plazo.

Los científicos de Google han desarrollado un modelo que imita esta estructura con distintos “niveles” que se actualizan a distintas velocidades, lo que permite que la IA aprenda de manera continua sin olvidar.

Hope: la arquitectura que aprende a aprender

Para poner a prueba esta teoría, crearon un sistema llamado Hope, basado en una arquitectura llamada Titans. Hope es capaz de auto-modificarse y mejorar su propia memoria usando el principio del aprendizaje anidado.

Gracias a esto, el modelo supera a los actuales en tareas de lenguaje y razonamiento común, y maneja efectivamente contextos largos, algo que antes era complicado para las IA.

¿Por qué es importante para la vida diaria?

Con esta nueva tecnología, los sistemas de IA podrán aprender y adaptarse continuamente, mejorando desde la experiencia y sin perder información valiosa.

Esto significa que en el futuro, aplicaciones como asistentes virtuales, traductores, motores de búsqueda e incluso diagnósticos médicos serán más confiables y personalizados, entendiendo y recordando mejor nuestras necesidades a lo largo del tiempo.

Conclusión

Nested Learning abre una puerta para crear inteligencias artificiales más parecidas a la mente humana, que puedan crecer, aprender y recordar sin límites frecuentes.

Este avance marca un paso hacia máquinas que no sólo responden, sino que también evolucionan de forma autónoma y sostenida.

¿Quieres entender mejor la inteligencia artificial?

Aquí encontrarás los términos básicos que necesitas para moverte con seguridad en este nuevo mundo digital.

Preparamos un glosario claro, completo y pensado para que cualquier persona —sin importar su nivel técnico— pueda comprender cómo funciona la IA, sus conceptos esenciales y sus aplicaciones prácticas.

Descarga el glosario en PDF y consérvalo como guía de consulta permanente

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