Un equipo internacional ha desarrollado un modelo de inteligencia artificial capaz de planificar acciones sin explorar sistemáticamente todas las soluciones posibles. Inspirado en mecanismos asociados al hipocampo, el sistema combina mapas cognitivos, cálculos aleatorios y elementos reutilizables para avanzar hacia un objetivo.
Los mapas cognitivos representan las relaciones entre objetos o situaciones de forma geométrica. Proporcionan al modelo una especie de dirección general. Este puede entonces probar pasos intermedios, conservar aquellos que lo acercan a la meta y abandonar rápidamente las vías menos prometedoras.
Este enfoque se basa también en un muestreo neuronal. El sistema genera varios escenarios posibles sin calcular cada trayectoria hasta el final. Después evalúa su orientación en el mapa cognitivo, antes de continuar con las opciones consideradas más útiles.
Los investigadores añaden una organización denominada composicional. La información y los planes se dividen en elementos que pueden reutilizarse en distintas situaciones. Este principio permite al modelo ensamblar una nueva estrategia a partir de componentes ya disponibles, en lugar de reiniciar por completo su aprendizaje.
El sistema se probó en tres categorías de tareas. Debía navegar por un espacio de dos dimensiones, orientarse en un entorno abstracto con varias dimensiones y montar y desmontar una figura compuesta por distintas piezas.
Según los autores, el modelo también puede adaptarse cuando la situación cambia, sin necesidad de un nuevo entrenamiento completo. Esta capacidad podría interesar a los robots, los vehículos autónomos o los dispositivos que funcionan localmente con recursos limitados.
Los investigadores presentan además su método como mucho menos energívoro que las redes neuronales multicapa o los grandes modelos de lenguaje.
Por tanto, el equipo no busca reproducir todas las funciones de una inteligencia artificial generalista. Más bien propone una arquitectura especializada en la planificación y la resolución de problemas.