Archivo - Logopeda, ictus, hablar, inteligencia artificial (IA) - OLE_CNX/ ISTOCK - Archivo
MADRID 20 (EUROPA PRESS)
Un equipo de investigadores de la Universidad de Carolina del Sur (Estados Unidos) especializados en dificultades del lenguaje y el habla tras un accidente cerebrovascular informa que este mismo marco puede aplicarse al estudio de grandes modelos de lenguaje (LLM).
La investigación, publicada en la revista 'Patterns' de Cell Press, demuestra que inducir una "lesión" en estos modelos y, posteriormente, administrarles pruebas similares a las de pacientes con lesiones cerebrales, permite comprender cómo estos modelos utilizan el lenguaje y podría ayudar a pacientes con dificultades de comunicación en el futuro.
Durante más de 150 años, médicos y científicos han estudiado las funciones de diversas regiones cerebrales mediante el análisis de personas con lesiones cerebrales y la determinación de cómo estas lesiones contribuyen a déficits conductuales específicos.
"Los modelos de lógica difusa se están implementando en situaciones donde el fallo tiene consecuencias, pero tenemos muy poca capacidad para explicar por qué un sistema determinado falla de la manera en que lo hace", plantea el autor principal, Julius Fridriksson, de la Universidad de Carolina del Sur. "Resulta que los métodos utilizados en neurología clínica pueden aplicarse a la comprensión de la inteligencia artificial. Este es el primer artículo que utiliza estos métodos de esta manera".
El laboratorio de Fridriksson se centra en el estudio de la afasia, es decir, las dificultades con el lenguaje y el habla. Su investigación emplea diversas técnicas de neuroimagen para estudiar a pacientes que sufren afasia a causa de un accidente cerebrovascular. Los esfuerzos del laboratorio se centran principalmente en ayudar a los pacientes a recuperarse, pero, al mismo tiempo, el equipo ha revelado muchos detalles nuevos sobre el cerebro humano y cómo las diferentes redes neuronales controlan el lenguaje.
"Nuestra motivación para realizar esta investigación era sencilla. Los modelos de lenguaje se entrenan con el lenguaje humano, y la afasia es una alteración del lenguaje humano", explica Fridriksson. "Así pues, la pregunta era si podíamos modificar las capas del modelo de lenguaje, aplicarle las mismas pruebas clínicas que a nuestros pacientes y comprobar si el resultado se asemejaba a la afasia".
Para ello, establecieron un método que denominan interpretabilidad basada en lesiones, en el que introdujeron intencionadamente errores, o lesiones, en los LLM. Descubrieron que estas "lesiones" provocaban errores en el procesamiento del lenguaje similares a los que presentaban sus pacientes con afasia.
"Los modelos LLM cometen errores de lenguaje, cognición y comprensión muy similares a los que cometen los humanos", determina Roger Newman-Norlund, coautor del estudio y también de la Universidad de Carolina del Sur. "El enfoque de lesionar estos modelos de la misma manera que se lesionan los cerebros humanos y observar cómo se superponen los síntomas y los errores fue posible gracias a la gran cantidad de datos que ha recopilado nuestro laboratorio".
"Hasta ahora, las comparaciones entre el lenguaje humano y el de la inteligencia artificial han sido casi exclusivamente correlacionales", añade Fridriksson. "Este enfoque, por primera vez, establece una relación de causa y efecto". Sin embargo, señala que es importante reconocer que lo que el artículo sugiere es una correspondencia entre patrones de fallos, no una correspondencia entre estructuras reales.
Los investigadores aseguran que estos modelos pueden ayudar a interpretar lo que ocurre dentro de la "caja negra" de los LLM para estudiar su eficiencia, identificando las partes redundantes e innecesarias. Esto podría dar lugar a LLM futuros más pequeños y con mayor eficiencia energética. Los modelos también podrían utilizarse para crear "gemelos digitales" de pacientes con afasia, simular ensayos clínicos y acelerar la traslación de nuevos descubrimientos.
Fridriksson cree que este marco teórico tiene aplicaciones para el estudio de afecciones neurológicas más allá de la afasia. "Espero que este enfoque se adopte para realizar descubrimientos científicos que ayuden a los pacientes, porque ahí reside mi verdadera pasión", declara.