Cómo el Laboratorio de IA Watson del MIT-IBM está dando forma a los sistemas sociotécnicos de IA para el futuro.
En lo que respecta a la inteligencia artificial, el MIT e IBM estuvieron allí desde el principio: sentaron las bases y crearon algunos de los primeros programas (predecesores de la IA) y teorizaron cómo podría surgir la “inteligencia” de las máquinas.
Hoy en día, colaboraciones como el Laboratorio de IA Watson del MIT-IBM, lanzado hace ocho años, siguen aportando experiencia para la promesa de la tecnología de IA del futuro. Esto es crucial para las industrias y la fuerza laboral que se beneficiarán, especialmente a corto plazo: desde 3-4 billones de dólares en beneficios económicos globales previstos y un aumento del 80 % en la productividad de los trabajadores del conocimiento y las tareas creativas, hasta la incorporación significativa de la IA generativa en los procesos de negocio (80 %) y las aplicaciones de software (70 %) en los próximos tres años.
Si bien la industria ha experimentado un auge de modelos notables, principalmente durante el último año, el mundo académico continúa impulsando la innovación , contribuyendo con la mayor parte de las investigaciones más citadas. En el Laboratorio de IA Watson del MIT-IBM, el éxito se materializa en 54 divulgaciones de patentes, más de 128 000 citas con un índice h de 162 y más de 50 casos de uso impulsados por la industria. Algunos de los numerosos logros del laboratorio incluyen la mejora de la colocación de stents mediante técnicas de imagen de IA, la reducción drástica de la sobrecarga computacional, la reducción de los modelos manteniendo el rendimiento y el modelado del potencial interatómico para la química de silicatos.
“El laboratorio está en una posición privilegiada para identificar los problemas ‘correctos’ que hay que resolver, lo que nos distingue de otras entidades”, afirma Aude Oliva, directora del laboratorio del MIT y directora de participación estratégica con la industria en el MIT Schwarzman College of Computing. “Además, la experiencia que nuestros estudiantes adquieren al trabajar en estos desafíos para la IA empresarial se traduce en su competitividad en el mercado laboral y en el fomento de una industria competitiva”.
“El Laboratorio de IA Watson del MIT-IBM ha tenido un impacto enorme al reunir un amplio abanico de colaboraciones entre investigadores y estudiantes de IBM y el MIT”, afirma el rector Anantha Chandrakasan, copresidente del laboratorio en el MIT y profesor Vannevar Bush de Ingeniería Eléctrica y Ciencias de la Computación. “Al apoyar la investigación transversal en la intersección de la IA y muchas otras disciplinas, el laboratorio impulsa trabajos fundamentales y acelera el desarrollo de soluciones transformadoras para nuestra nación y el mundo”.
Trabajo de largo horizonte
A medida que la IA sigue despertando interés, muchas organizaciones tienen dificultades para canalizar la tecnología hacia resultados significativos. Un estudio de Gartner de 2024 revela que, «al menos el 30 % de los proyectos de IA generativa se abandonarán tras la prueba de concepto para finales de 2025», lo que demuestra la ambición y el interés generalizados por la IA, pero la falta de conocimientos sobre cómo desarrollarla y aplicarla para generar valor inmediato.
Aquí, el laboratorio destaca, conectando la investigación con la implementación. La mayor parte de la cartera de investigación del laboratorio, este año, se centra en el uso y desarrollo de nuevas características, capacidades o productos para IBM, los miembros corporativos del laboratorio o aplicaciones prácticas. Estas últimas comprenden grandes modelos de lenguaje, hardware de IA y modelos de base, incluyendo modelos multimodales, biomédicos y geoespaciales. Los estudiantes y becarios, con un espíritu investigador, son invaluables en este objetivo, ya que aportan entusiasmo y nuevas perspectivas a la vez que acumulan conocimiento del dominio para ayudar a derivar y diseñar avances en el campo, además de abrir nuevas fronteras para la exploración con la IA como herramienta.
Las conclusiones del panel presidencial de la AAAI 2025 sobre el Futuro de la Investigación en IA respaldan la necesidad de contribuciones de colaboraciones entre la academia y la industria, como el laboratorio en el ámbito de la IA: «Los académicos desempeñan un papel importante al proporcionar asesoramiento e interpretaciones independientes de estos resultados [de la industria] y sus consecuencias. El sector privado se centra más en el corto plazo, y las universidades y la sociedad en una perspectiva a largo plazo».
La combinación de estas fortalezas, junto con el impulso al código abierto y la ciencia abierta, puede impulsar una innovación que ninguno de los dos podría lograr por sí solo. La historia demuestra que adoptar estos principios, compartir código y hacer accesible la investigación, tiene beneficios a largo plazo tanto para el sector como para la sociedad. En consonancia con las misiones de IBM y el MIT, el laboratorio aporta tecnologías, hallazgos, gobernanza y estándares al ámbito público a través de esta colaboración, mejorando así la transparencia, acelerando la reproducibilidad y garantizando avances fiables.
El laboratorio fue creado para fusionar la profunda experiencia en investigación del MIT con la capacidad de I+D industrial de IBM, con el objetivo de lograr avances en los métodos y hardware básicos de IA, así como nuevas aplicaciones en áreas como la atención médica, la química, las finanzas, la ciberseguridad y la planificación y toma de decisiones sólidas para las empresas.
Más grande no siempre es mejor
Hoy en día, los grandes modelos de base están dando paso a modelos más pequeños y específicos para cada tarea, que ofrecen un mejor rendimiento. Las contribuciones de miembros del laboratorio como Song Han, profesor asociado del Departamento de Ingeniería Eléctrica y Ciencias de la Computación (EECS) del MIT, y Chuang Gan, de IBM Research, contribuyen a que esto sea posible mediante trabajos como » once-for-all» y «AWQ» . Innovaciones como estas mejoran la eficiencia con mejores arquitecturas, reducción de algoritmos y cuantificación de peso con capacidad de activación, lo que permite que modelos como el procesamiento de lenguaje se ejecuten en dispositivos periféricos a mayor velocidad y con menor latencia.
En consecuencia, los modelos de fundamento, visión, multimodales y de lenguaje extenso han obtenido beneficios, lo que ha permitido a los grupos de investigación de laboratorio de Oliva, el profesor asociado del MIT EECS Yoon Kim y los miembros de IBM Research Rameswar Panda, Yang Zhang y Rogerio Feris profundizar en el trabajo. Esto incluye técnicas para integrar el conocimiento externo en los modelos y el desarrollo de métodos de transformadores de atención lineal para un mayor rendimiento, en comparación con otros sistemas de vanguardia.
La comprensión y el razonamiento en sistemas de visión y multimodales también han experimentado un auge. Trabajos como » Task2Sim » y » AdaFuse » demuestran un mejor rendimiento de los modelos de visión si el preentrenamiento se realiza con datos sintéticos, y cómo el reconocimiento de acciones de video puede potenciarse fusionando canales de mapas de características anteriores y actuales.
Como parte de un compromiso con una IA más eficiente, los equipos de laboratorio de Gregory Wornell, profesor de Ingeniería de Sumitomo Electric Industries del MIT EECS, Chuang Gan de IBM Research y David Cox, vicepresidente de IA fundamental de IBM Research y director del laboratorio en IBM, han demostrado que la adaptabilidad de los modelos y la eficiencia de los datos pueden ir de la mano. Dos enfoques, EvoScale y el razonamiento en cadena de acción y pensamiento (COAT), permiten a los modelos de lenguaje aprovechar al máximo los datos y la computación limitados, mejorando los intentos de generación anteriores mediante iteraciones estructuradas, lo que permite obtener una mejor respuesta. COAT utiliza un marco de metaacción y aprendizaje por refuerzo para abordar tareas que requieren un razonamiento intensivo mediante la autocorrección, mientras que EvoScale aplica una filosofía similar a la generación de código, desarrollando soluciones candidatas de alta calidad. Estas técnicas permiten una implementación práctica, dirigida y con un uso eficiente de los recursos.
“El impacto de la investigación del MIT-IBM en nuestros amplios esfuerzos de desarrollo de modelos lingüísticos es innegable”, afirma Cox. “Observamos que los modelos y herramientas más pequeños y especializados tienen un impacto enorme, especialmente al combinarse. Las innovaciones del Laboratorio de IA Watson del MIT-IBM ayudan a definir estas direcciones técnicas e influyen en la estrategia que adoptamos en el mercado a través de plataformas como WatsonX”.
Por ejemplo, numerosos proyectos de laboratorio han aportado características, capacidades y usos a Granite Vision de IBM , que proporciona una impresionante visión artificial diseñada para la comprensión de documentos, a pesar de su tamaño compacto. Esto surge en un momento en que existe una creciente necesidad de extracción, interpretación y resumen fiable de información y datos contenidos en formatos extensos para fines empresariales.
Otros logros que se extienden más allá de la investigación directa sobre IA y atraviesan disciplinas no solo son beneficiosos, sino necesarios para avanzar la tecnología y elevar la sociedad, concluye el panel AAAI 2025.
El trabajo de Caroline Uhler y Devavrat Shah, ambos profesores Andrew (1956) y Erna Viterbi de EECS y del Instituto de Datos, Sistemas y Sociedad (IDSS), junto con Kristjan Greenewald de IBM Research, trasciende las especializaciones. Desarrollan métodos de descubrimiento causal para descubrir cómo las intervenciones afectan los resultados e identificar cuáles logran los resultados deseados. Los estudios incluyen el desarrollo de un marco que pueda dilucidar cómo pueden afectar los «tratamientos» a diferentes subpoblaciones, como en una plataforma de comercio electrónico o las restricciones de movilidad a los resultados de morbilidad. Los hallazgos de este trabajo podrían influir en los campos del marketing y la medicina, así como en la educación y la gestión de riesgos.
Los avances en IA y otras áreas de la informática están influyendo en la forma en que las personas formulan y abordan desafíos en casi todas las disciplinas. En el Laboratorio de IA Watson del MIT-IBM, los investigadores reconocen la naturaleza transversal de su trabajo y su impacto, analizando los problemas desde múltiples perspectivas y aportando problemas reales de la industria para desarrollar soluciones innovadoras, afirma Dan Huttenlocher, copresidente del laboratorio del MIT, decano del MIT Schwarzman College of Computing y profesor de Ingeniería Eléctrica y Ciencias de la Computación de la cátedra Henry Ellis Warren (1894).
Un factor importante que impulsa el desarrollo de este ecosistema de investigación es la constante afluencia de talento estudiantil y sus contribuciones a través del Programa de Oportunidades de Investigación de Pregrado ( UROP ) del MIT, el Programa MIT EECS 6A y el nuevo Programa de Pasantías del Laboratorio de IA Watson del MIT-IBM. En total, más de 70 jóvenes investigadores no solo han acelerado el desarrollo de sus habilidades técnicas, sino que, gracias a la orientación y el apoyo de los mentores del laboratorio, han adquirido conocimientos en los dominios de la IA para convertirse en profesionales emergentes. Por ello, el laboratorio busca continuamente identificar estudiantes prometedores en todas las etapas de su exploración del potencial de la IA.
“Para liberar todo el potencial económico y social de la IA, necesitamos fomentar una inteligencia útil y eficiente”, afirma Sriram Raghavan, vicepresidente de IA de IBM Research y presidente del laboratorio en IBM. “Para que la promesa de la IA se traduzca en progreso, es crucial que sigamos centrándonos en la innovación para desarrollar modelos eficientes, optimizados y adecuados a sus necesidades, que puedan adaptarse fácilmente a dominios y casos de uso específicos. Las colaboraciones entre la academia y la industria, como el Laboratorio de IA Watson del MIT-IBM, impulsan los avances que lo hacen posible”.
MIT News. Traducido al español
