Los límites de la memoria de trabajo: cerebros humanos vs. modelos de IA

En informática, el "conjunto de trabajo" se refiere a la cantidad de datos que un procesador puede manejar a la vez para resolver problemas. Esta idea tiene un paralelismo interesante en la cognición humana, conocido como "memoria de trabajo". La memoria de trabajo es como un bloc de notas mental donde almacenamos información temporalmente. Es esencial para razonar y tomar decisiones complejas.

Sin embargo, la memoria de trabajo tiene una capacidad limitada que puede limitar nuestra capacidad para abordar problemas muy complejos. Esta perspicacia es importante a medida que avanzamos hacia un mundo cada vez más influenciado por la IA, especialmente en campos como la ciberseguridad.  

El ancho de banda de un cerebro  

La ciencia cognitiva tiene diferentes pruebas para medir la capacidad de memoria de trabajo de una persona. Estas pruebas muestran que existe un límite superior consistente, incluso para personas que son pensadores excepcionales.

Por ejemplo, los maestros de ajedrez, matemáticos y músicos de primer nivel tienen habilidades asombrosas, pero su capacidad de memoria de trabajo probablemente no difiera mucho de la de la persona promedio. Parece que la evolución ajustó nuestro cerebro para un cierto nivel de capacidad cognitiva. Esto puede dificultar que comprendamos completamente problemas muy grandes y complejos.

El beneficio de la IA: Escalar la ventana de contexto (con salvedades)  

Los sistemas de inteligencia artificial, especialmente los modelos de lenguaje grande (LLMs), tienen una limitación llamada "ventana de contexto". Esta es la cantidad de tokens (palabras o partes de código) que pueden manejar a la vez. A diferencia de los humanos, cuya memoria de trabajo es fija, la ventana de contexto de una IA se puede ampliar, aunque es costoso. Más GPU, mejores algoritmos o nuevo hardware pueden aumentar la capacidad de una IA.

Sin embargo, este enfoque tiene límites importantes. Al principio, tareas como encontrar anomalías en conjuntos de datos enormes y complejos parecen perfectas para los LLMs. Gastar mucho dinero en tiempo de procesamiento de IA puede parecer que merece la pena para estas perspicacias.

Pero es importante saber que la detección de anomalías suele encajar mejor con el aprendizaje automático (ML) tradicional y la estadística que con redes neuronales avanzadas y aprendizaje profundo. Esto es positivo: los métodos tradicionales suelen ser más previsibles y fiables que algunas aplicaciones de IA.

Sin embargo, existe un problema mayor. Los modelos y usos de IA actuales siguen siendo muy defectuosos. Ejemplos como autos autónomos que fallan y LLMs que hacen "alucinaciones" convincentes pero erróneas nos recuerdan esto. Antes de emplear la IA ampliamente para resolver grandes problemas, debemos cerciorarnos de que estos sistemas sean fiables y sean consistentemente correctos.  

Encontrar las herramientas adecuadas para el trabajo adecuado

Entonces, ¿dónde nos deja esto? La clave es entender que los cerebros humanos y los modelos de IA tienen fortalezas diferentes. Los humanos, con nuestra capacidad cognitiva fija, somos buenos resolviendo problemas detallados dentro de los límites de nuestra memoria de trabajo. Normalmente elegimos problemas que tenemos muchas posibilidades de resolver por nosotros mismos.

Los modelos de IA, en cambio, pueden ampliar para problemas que serían demasiado para la mente humana. Pero este enfoque solo tiene sentido cuando:

• El valor financiero de la solución es mayor que el costo de cálculo.
• La confianza en la precisión del resultado es crucial.

El alto costo de procesar conjuntos de datos complejos, junto con los límites actuales de explicabilidad y corrección, significa que los problemas que podemos resolver con la IA actual siguen siendo limitados. Su mejor uso actualmente es reducir el alcance y la complejidad a un conjunto más pequeño de problemas accesibles a través de la cognición humana.  

Integrando la IA en la ciberseguridad: un enfoque estratégico

En ciberseguridad, el objetivo no es solo combatir las amenazas generadas por la IA con más IA, sino emplear la IA de manera inteligente en los protocolos de seguridad. Los equipos de seguridad deben ser inteligentes en cuanto a cómo invierten en IA, cerciorar de que mejore sus capacidades sin crear nuevas debilidades.

Illumio está haciendo esto con capacidades de ciberseguridad de IA como Illumio Virtual Advisor, que ofrece respuestas conversacionales a preguntas sobre la configuración y el uso de la segmentación de confianza cero. Y el nuevo motor de etiquetado impulsado por IA brinda visibilidad instantánea de los activos en centros de datos y entornos de nube para ayudar a las organizaciones a adoptar la segmentación de confianza cero más rápidamente.  

Estas soluciones emplean IA para analizar grandes cantidades de datos, manteniendo la supervisión humana central en la toma de decisiones de seguridad. Al combinar los cerebros dinámicos y adaptativos de los humanos con la potencia de procesamiento de la IA, los equipos de seguridad pueden manejar mejor el complejo mundo de las amenazas modernas.

¿Reducirá la IA costos exponencialmente y mejorará la confianza?

¿Podría un efecto similar a la Ley de Moore reducir significativamente el costo de una IA de alto rendimiento con el tiempo? Esto sigue siendo incierto. El progreso de la IA depende no solo del hardware, sino también de mejores algoritmos, conjuntos de datos mejorados y avances para hacer que los resultados de IA sean fiables y dignos de confianza.

Por eso es fundamental entender los límites y costos asociados tanto a la memoria de trabajo humana como a las ventanas de contexto de la IA. Elegir la herramienta adecuada, ya sea el cerebro humano o una máquina, requiere comprender claramente el tamaño del problema, su valor potencial, los costos de encontrar una solución y la fiabilidad de los resultados. En ciberseguridad, esto significa usar estratégicamente la IA para potenciar las capacidades humanas, cerciorando que la combinación de intuición humana y potencia de máquina se base en una creciente confianza en las soluciones de IA.

De cara al futuro, probablemente el futuro implicará una estable colaboración entre el pensamiento humano y la inteligencia artificial, con cada uno apoyando al otro en la afrontación de los desafíos de un mundo más complejo.

¿Quieres aprender más sobre las ofertas de IA de la plataforma de segmentación Zero Trust de Illumio? Contáctanos hoy.