Cómo un método de taller literario logró mejorar la creatividad de la IA

Un sistema de 35 agentes de inteligencia artificial (IA) diseñado en la Universidad George Mason (GMU), Estados Unidos, reunió a esos modelos para escribir y revisar guiones humorísticos en conjunto, y ese diseño colaborativo mejoró la calidad del humor generado por máquina, un terreno que sigue siendo difícil para estos modelos por su dependencia de la interpretación humana, informó el portal tecnológico TechXplore.

La mejora apareció en la comparación directa entre entornos de prueba. Evaluadores humanos prefirieron los guiones surgidos del sistema basado en discusión en más del 70% de los casos.

La investigación fue desarrollada por Shiwei Hong, doctoranda en informática en la universidad bajo la dirección del profesor asistente Zhicong Lu, y fue aceptada en la 64ª reunión anual de la Association for Computational Linguistics. El trabajo, publicado en el servidor de prepublicaciones arXiv, examina si una estructura de interacción organizada entre agentes de IA puede elevar la producción creativa.

La doctoranda partió de una idea tomada de los talleres de escritura, donde los autores comparten borradores, prueban qué funciona y corrigen lo que no a partir de comentarios colectivos. Ese proceso iterativo, conocido como workshopping, fue el modelo para construir un entorno en el que varias IA producen, critican y reescriben contenido humorístico.

Los agentes operaron con roles de intérprete, crítico o público

Para reproducir una colaboración creativa, Hong construyó un entorno de pruebas o “sandbox” poblado por 35 agentes impulsados por el modelo GPT-4 y dotados de roles y personalidades diferentes. Entre ellos, cinco actuaron como intérpretes y el resto asumió funciones de críticos o miembros del público.

La investigadora explicó: “Generar un chiste o algo que sea realmente muy gracioso es en realidad una cuestión muy complicada, porque requiere mucho de cómo los humanos interpretan la pieza generada”.

El diseño de esas 35 personalidades exigió tanto recursos técnicos como imaginación narrativa. A partir de su interés por la escritura de ficción, la autora creó personajes con antecedentes sociales y culturales variados para dar más profundidad a las interacciones simuladas.

En uno de los experimentos, los agentes intérpretes generaron dos guiones consecutivos sin recibir comentarios entre una ronda y otra. En otro, esos mismos agentes intercambiaron críticas y discusión con el público antes de producir una segunda versión.

La diferencia entre ambos modelos apareció en tres criterios de evaluación: humor, coherencia y tono social. En los tres, los jueces humanos se inclinaron por los resultados del entorno con discusión entre agentes —frente al que operó sin feedback— en más de 7 de cada 10 comparaciones.

Los agentes compartieron memoria para ajustar su producción

La investigadora atribuye la mejora a una forma de aprendizaje colectivo: a medida que los agentes interactúan, detectan patrones en las preferencias del público y ajustan su producción con base en esas señales compartidas.

Ese mecanismo se apoya en una memoria conversacional común almacenada en una base de datos vectorial, un tipo de almacenamiento diseñado para recuperar información por contexto. Ese recurso permite a los agentes a incorporar intercambios anteriores a nuevos contenidos, lo que da lugar a una creatividad iterativa que se asemeja a la colaboración humana.

El siguiente paso del proyecto será ampliar el sistema con participación de personas reales y formas de interacción más ricas, informó el portal especializado. Los investigadores planean integrar voz, gestos y tecnologías inmersivas como la realidad virtual y la realidad aumentada. Hong resumió: “En la comedia real, tenemos rostros, gestos y voces reales. Esperamos incorporar más de eso al sistema”.

De acuerdo con el portal, el modelo multiagente podría definir el futuro de la inteligencia artificial aplicada a tareas creativas: no a través de modelos individuales más avanzados, sino mediante comunidades de agentes capaces de aprender y crear en conjunto.