En un estudio reciente, un equipo de investigadores liderado por Suketu Patel examinó cómo responden los modelos avanzados de inteligencia artificial a una famosa tarea psicológica conocida como la prueba de Stroop. Esta prueba refleja los desafíos relacionados con la atención y el enfoque que enfrenta el cerebro humano. Los resultados mostraron diferencias fundamentales entre el procesamiento de información en los sistemas artificiales y el cerebro humano.
Comprendiendo la prueba de Stroop
La prueba de Stroop es un clásico en la psicología, utilizada durante décadas para estudiar habilidades de atención, enfoque y autocontrol. En esta prueba, se muestran palabras como «rojo», «azul» y «verde» escritas en tintas de colores. A veces, la palabra coincide con el color de la tinta, y en otras ocasiones no, como la palabra «rojo» escrita en tinta azul.
A los participantes se les pide que nombren el color de la tinta en lugar de leer la palabra. Aunque la tarea parece simple, requiere que el cerebro suprima el impulso natural de leer la palabra y, en cambio, se concentre en identificar el color de la tinta. Esta prueba se utiliza para medir la capacidad de control ejecutivo, un conjunto de procesos mentales que ayudan a las personas a organizar la atención, resistir distracciones y centrarse en objetivos.
¿Cómo maneja la inteligencia artificial la prueba de Stroop?
El estudio tenía como objetivo conocer la capacidad de los grandes modelos de lenguaje, como ChatGPT, Claude y Gemini, para enfrentar este desafío de la misma manera que lo hacen los humanos. Estos modelos se entrenan con enormes cantidades de texto y aprenden patrones de lenguaje para generar respuestas que parecen notablemente humanas.
Cuando se les presentaron listas cortas con cinco palabras de colores, los modelos tuvieron un buen desempeño, incluso cuando las palabras no coincidían con los colores. Pero las cosas cambiaron significativamente cuando aumentó la longitud de las listas.
Por ejemplo, GPT-4o logró una precisión del 91% con cinco palabras, pero al manejar diez palabras, la precisión cayó al 57%, y con cuarenta palabras, descendió al 15% solamente. Mientras que Claude 3.5 Sonnet mantuvo un rendimiento estable con listas de veinte palabras, experimentó una caída abrupta a una precisión del 24% con listas de cuarenta palabras.
¿Por qué la inteligencia artificial pierde el enfoque?
Los desafíos se volvieron más complejos cuando aparecieron juntas palabras de colores coincidentes y no coincidentes en la misma lista. Bajo estas condiciones, el rendimiento se deterioró aún más, con la precisión de los elementos no coincidentes cayendo casi a cero en algunos casos.
Los investigadores observaron que los modelos de inteligencia artificial tuvieron dificultades para mantener las instrucciones de identificar los colores de la tinta y, en cambio, comenzaron a leer las palabras mismas. Parece que los sistemas no pudieron suprimir la respuesta para la que fueron intensamente entrenados.
Es interesante que los humanos enfrentan una lucha similar, ya que generalmente son mejores leyendo palabras que nombrando colores de tinta. Sin embargo, la mayoría de las personas pueden mantener una alta precisión y un rendimiento estable incluso al enfrentar listas largas de palabras y colores conflictivos.
Diferencias entre la atención humana y la inteligencia artificial
El estudio destaca las importantes diferencias entre la inteligencia humana y la artificial. Aunque los sistemas de inteligencia artificial modernos pueden producir capacidades lingüísticas y lógicas asombrosas, sus mecanismos subyacentes difieren de los procesos de atención presentes en el cerebro humano.
Los humanos a menudo pueden mantener su enfoque en un objetivo específico mientras filtran información competidora. Los resultados sugieren que los modelos de inteligencia artificial actuales pueden tener dificultades con este tipo de control cognitivo cuando las tareas se vuelven más complejas.
Conclusión
El estudio mostró que, aunque los modelos de inteligencia artificial pueden simular algunos comportamientos humanos, enfrentan grandes desafíos para mantener el enfoque y la atención en tareas complejas. Mientras que el cerebro humano posee una capacidad excepcional para manejar estos desafíos, los sistemas de inteligencia artificial aún son limitados en este aspecto. Esto nos recuerda que incluso los sistemas más avanzados tienen debilidades, especialmente cuando las tareas requieren resistir distracciones y enfocarse en largas cadenas de información.