La inteligencia humana y su relación con la inteligencia artificial es un tema que despierta cada vez más interés en el ámbito académico. El profesor asociado Phillip Isola, del Departamento de Ingeniería Eléctrica y Ciencias de la Computación (EECS), se dedica a investigar cómo las máquinas pueden “pensar” y cómo esto puede ayudarnos a comprender mejor nuestra propia inteligencia.
Isola, quien ha sido recientemente nombrado profesor titular, aborda este complejo asunto desde una perspectiva computacional, centrándose especialmente en la visión por computadora y el aprendizaje automático. Su objetivo principal es desentrañar cómo surge la inteligencia en los modelos de IA y cómo estos aprenden a representar el mundo que les rodea.
“Veo que todas las formas de inteligencia tienen muchas similitudes, y me gustaría entender esas similitudes. ¿Qué es lo que todos los animales, humanos y AIs tienen en común?” plantea Isola, miembro también del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL).
Un viaje hacia la comprensión científica
Desde joven, Isola mostró un gran interés por las preguntas científicas. Creciendo en San Francisco, pasaba tiempo explorando la costa de California junto a su padre, lo que despertó su curiosidad por los procesos geológicos y el funcionamiento del mundo natural. Aunque inicialmente se inclinó hacia materias técnicas como las matemáticas y la ciencia, su deseo de aprender no conocía límites.
Al ingresar a la Universidad de Yale, no estaba seguro de qué estudiar hasta que descubrió las ciencias cognitivas. “Mi interés inicial era sobre la naturaleza —cómo funciona el mundo— pero luego me di cuenta de que el cerebro era aún más interesante”, recuerda.
Durante su primer año universitario, comenzó a trabajar en el laboratorio de su profesor de ciencias cognitivas, Brian Scholl, donde permaneció durante toda su carrera como estudiante. Tras un año sabático en una compañía indie de videojuegos, Isola decidió regresar al fascinante mundo del cerebro humano al inscribirse en el programa de posgrado en ciencias cerebrales y cognitivas del MIT.
Perspectiva computacional en IA
En el MIT, su investigación se orientó hacia la informática y la inteligencia artificial. “Aún amaba todas esas preguntas de las ciencias cognitivas, pero sentí que podría avanzar más si abordaba el tema desde una perspectiva puramente computacional”, explica.
Su tesis se centró en el agrupamiento perceptual, un proceso mediante el cual tanto personas como máquinas organizan partes discretas de una imagen como un solo objeto coherente. Esto tiene aplicaciones significativas en áreas como vehículos autónomos y traducción automática.
Después de graduarse del MIT, Isola realizó un postdoctorado en la Universidad de California en Berkeley para ampliar sus perspectivas trabajando exclusivamente en informática. Allí desarrolló marcos para la traducción imagen-a-imagen, un modelo temprano de IA generativa capaz de transformar bocetos en imágenes fotográficas.
Investigando la inteligencia similar a la humana
Aceptar un puesto académico le permitió dirigir su propio laboratorio, algo que le resultó instantáneamente atractivo. “Me encanta la etapa inicial de una idea; siento que soy una especie de incubadora donde puedo hacer cosas nuevas y aprender constantemente”, comenta.
Su grupo investiga los cálculos fundamentales involucrados en la inteligencia similar a la humana que emergen en las máquinas. Un enfoque central es el aprendizaje representacional: cómo humanos y máquinas representan y perciben el mundo sensorial que les rodea.
Recientemente, él y sus colaboradores observaron que diversos modelos de aprendizaje automático parecen representar el mundo de maneras similares. A pesar de estar diseñados para tareas muy diferentes, sus arquitecturas presentan muchas similitudes.
Nuevas fronteras del aprendizaje automático
Esto llevó al equipo a proponer la Hipótesis de Representación Platónica, que sostiene que las representaciones aprendidas por estos modelos convergen hacia una representación subyacente compartida de la realidad. “El lenguaje, las imágenes y el sonido son sombras diferentes sobre una pared desde las cuales podemos inferir algún tipo de proceso físico subyacente”, explica Isola.
Además, estudian el aprendizaje auto-supervisado: cómo los modelos AI agrupan píxeles relacionados o palabras sin ejemplos etiquetados para aprender. Este enfoque busca desarrollar modelos capaces de crear representaciones internas precisas del mundo por sí mismos.
A pesar del éxito obtenido al descubrir técnicas innovadoras, Isola reconoce los desafíos inherentes a este enfoque menos convencional: mantener alineado al equipo y asegurar financiamiento puede ser complicado cuando se busca resultados inesperados.
Pasión por enseñar e inspirar
Aparte de sus investigaciones, Isola siente pasión por transmitir conocimiento a futuras generaciones. Uno de sus cursos favoritos es 6.7960 (Deep Learning), lanzado hace cuatro años junto con otros profesores del MIT. La clase ha crecido exponencialmente desde sus inicios con 30 estudiantes hasta más de 700 actualmente.
Aunque hay mucho interés entre los alumnos debido al auge actual de la IA, Isola advierte sobre la rapidez con que avanza el campo: “Les digo a los estudiantes que deben tomar todo lo que decimos con cautela; tal vez dentro de unos años les diremos algo diferente”.
A pesar del entusiasmo generalizado por los últimos modelos AI, enfatiza que estas máquinas son mucho más simples de lo que muchos creen: “La creatividad humana y las emociones son aspectos difíciles; quizás nunca sean modelables”, reflexiona.
Meditaciones sobre el futuro
A medida que avanza su trabajo con modelos avanzados, Isola sigue fascinado por las complejidades del cerebro humano e interactúa con investigadores dedicados a estudios cognitivos. Además, mantiene viva su conexión con la naturaleza disfrutando actividades al aire libre como senderismo o esquí cuando viaja por conferencias científicas.
A medida que explora nuevas preguntas en su laboratorio del MIT, también contempla cómo podrían cambiar los roles entre humanos e inteligencias artificiales avanzadas: “No creo que las AIs hagan todo por nosotros; habrá coexistencia entre máquinas inteligentes y humanos”. Reflexiona sobre cómo puede contribuir al mundo tras alcanzar esa futura era post-AGI sin tener respuestas definitivas aún.
Si (
No(
