Los LLMs no tienen memorias de trabajo parecidas a las humanas.

Resumen

Explora las limitaciones de los modelos de lenguaje grandes en la replicación de la memoria de trabajo humana a través de tres juegos experimentales, revelando desafíos clave para lograr la inteligencia general artificial.

Programa de estudio

• Introducción a los Modelos de Lenguaje de Gran Escala
Visión general de la arquitectura de los LLM
Comparación con la arquitectura cognitiva humana
Introducción a la memoria de trabajo
• Comprendiendo la Memoria de Trabajo Humana
Componentes de la memoria de trabajo
Memoria de trabajo en los procesos cognitivos
El papel de la memoria de trabajo en la inteligencia humana
• Juego Experimental 1: Retención a Corto Plazo
Diseño y objetivos del juego
Medición de capacidades de retención
Análisis del rendimiento de los LLM frente a los humanos
• Juego Experimental 2: Procesamiento Secuencial
Diseño y objetivos del juego
Comprensión de la ejecución de tareas secuenciales
Desafíos para los LLM en el razonamiento secuencial
• Juego Experimental 3: Integración de Nueva Información
Diseño y objetivos del juego
Evaluación de la adaptabilidad y el aprendizaje en contexto
Limitaciones de los LLM en tareas sensibles al contexto
• Principales Desafíos para la Inteligencia Artificial General
Limitaciones de los LLM actuales en emular la cognición humana
Posibles vías para mejorar el uso de la memoria en LLM
Discusión sobre las direcciones futuras de investigación en IA
• Conclusión
Resumen de los hallazgos de los juegos experimentales
Implicaciones para el desarrollo de la IAG
Reflexiones finales sobre la IA y la memoria de trabajo
• Lecturas y Recursos Adicionales
Artículos clave y investigaciones sobre LLM y memoria de trabajo
Libros y artículos sugeridos sobre ciencia cognitiva e IA

Asignaturas

Ciencias de la Computación