Un pez cebra virtual abre el camino hacia la IA autónoma

Imitando la curiosidad natural de los gatos y otros animales, un pez cebra virtual puede potenciar las capacidades de la IA para manejarse en forma autónoma y no depender del entrenamiento humano, abriendo nuevas posibilidades en investigación científica y otras herramientas.

Científicos de la Universidad Carnegie Mellon, en Estados Unidos, han creado un “pez cebra virtual” capaz de explorar su entorno cercano sin instrucciones externas. El trabajo, publicado en arXiv, sugiere una nueva vía para diseñar inteligencias artificiales verdaderamente autónomas.

La iniciativa combina neurociencia con modelos computacionales para diseñar agentes de IA que se guían por objetivos internos, en lugar de recompensas externas o datos aportados en un entrenamiento. Para los especialistas, sería la base de una futura IA autónoma, según explican en una nota de prensa.

Exploración independiente del entorno: una IA que no dependa del entrenamiento humano

La clave del enfoque es un método llamado 3M-Progress (Model-Memory-Mismatch Progress), que mide las diferencias entre un modelo del mundo construido en línea y una memoria previa “etológicamente relevante”, o sea con expectativas innatas sobre cómo debería comportarse el entorno.

Cuando la experiencia sensorial difiere de esa memoria, el agente actualiza su representación y se genera una señal de "curiosidad" que impulsa la exploración. Según los autores, esto lo aproxima a comportamientos de animales reales y permite que el agente aprenda sin entrenamiento supervisado ni recompensas externas.

El equipo eligió al pez cebra larvario como banco de pruebas por su simplicidad y por estudios previos sobre la función de células gliales en su cerebro. Experimentos con peces reales mostraron que, tras perder la capacidad de nadar, los animales entran en un estado de “pasividad inducida por la frustración”, pero luego reintentan, mostrando un comportamiento mediado por interacciones neuronales-gliales que se vuelve esencial para modelar la persistencia y la curiosidad.

IA autónoma y agentes científicos virtuales

Los resultados indican que el pez virtual no solo reproduce patrones de exploración semejantes a los observados en animales, sino que además su actividad artificial predice con notable precisión la dinámica cerebral y glial medida a nivel de poblaciones celulares en peces reales.

Los científicos creen que este es el primer caso en que un objetivo intrínseco, optimizado de manera autosupervisada, explica tanto el comportamiento como la dinámica cerebral sin usar datos de actividad o neuronales previos. ¿Cómo se traduce esto en el mundo de la IA autónoma?

Para la IA, incorporar memorias y objetivos internos que emulen la curiosidad animal podría permitir crear “agentes científicos virtuales”: sistemas autónomos capaces de explorar conjuntos de datos complejos, formular hipótesis y concretar descubrimientos prácticamente sin supervisión humana.