Aristotelesek sortua da animalia arrazional terminoa gizakiari erreferentzia egiteko, eta, haren bidez, gizon-emakumeon arrazoibide-gaitasunaren garrantzia azpimarratu zuen. Arrazoiketaren eta beste zenbait gaitasun kognitiboren bidez, askotariko eginkizunei heldu diezaiekegu: gehien komeni zaigun hipoteka aukeratu, teknologia berri bat sortu, edo eguneroko eginkizunetan jardun, hala nola zer arropa jantzi behar dugun erabaki. Azken buruan, arrazoiketaren bidez hautatzen dugu bide zuzena, eta haren bitartez egiten dugu aurrera, hala maila indibidualean nola kolektiboan.
60ko hamarkadan adimen artifizialeko lehenbiziko sistemak garatzeko baliaturiko eredua logika klasikoan oinarritzen zen. Arrazoiketa arau logikoak kateatuta egituratzen zen. Arau haiek premisa batzuen gainean aplikatzen ziren, eta, emaitza gisa, jakintza berria lortzen zen. Alabaina, sistema horiek oso mugatuak ziren mundu errealeko eginkizun askori aurre egiteko —esate baterako, gaixotasun bat diagnostikatzeko edo giza hizkuntza erabiltzeko—. Izan ere, eginkizun horietarako, arrazoibideak gai izan behar du ziurgabetasunak kudeatzeko edo informazio osatugabea eta anbiguotasunak prozesatzeko.
Giza arrazoiketara hobeto hurbilduko ziren ereduen bilaketa hartan, zenbait alternatiba proposatu ziren, hala nola eredu probabilistikoak edo eredu mentalak. Lehenbizikoek ziurgabetasuna kudeatzeko mekanismoak eta heuristikoak (bidezidor mentalak) zituzten, eta bigarrenak, berriz, agertoki posibleen simulazioan eta ebaluazio mentalean oinarritzen ziren. Halako ereduak software gisa inplementatzea konplexuagoa zen arau logikoetan oinarritutakoak ezartzea baino, azken horiek ia zuzenean kodetzen baitziren. Horretarako, beharrezkoa zen ikaskuntza automatikoko algoritmoetara jotzea —sare neuronaletan oinarritutakoetara, adibidez—; hau da, gai izan behar zuten prozesu hori kodetzen duen funtzio matematiko bat inferitzeko, giza arrazoiketaren zantzuak dituzten adibideetatik abiatuta.
Hizkuntza idatzia da giza arrazoiketaren zantzuak dituzten adibideen iturririk onenetako bat. Hizkuntzaren bidez adierazten ditugu gure trebetasun kognitiboak; arrazoiketa, kasurako. Ideia horren gainean oinarritzen dira, hain justu, gaur egun nonahi ageri diren hizkuntza-eredu handiak (Large Language Models, LLM), hala nola ChatGPT edo DeepSeek: sare neuronal erraldoiak dira, nagusiki testu-bilduma erraldoiak baliatuz entrenatuak.
2022ko azaroan ChatGPT aurkeztu zutenean —adopzio masiboko lehen LLMa—, erabiltzaileak harri eta zur gelditu ziren ematen zituen erantzunen itxurazko kalitatearekin. Distira akaso itsugarri hura bereziki agerikoa zen haren etorrian eta hizkuntza-koherentzian. Baina zenbait laborategik eta ikerketa-taldek eginiko ebaluazioek ondorioztatu zutenez, lehenbiziko LLM haiek errendimendu eskasa zuten arrazoitze-lanetan.
Lortu al dute egiaz RLMek gizakienarekin alderatu daitekeen arrazoibide sendo bat? Laborategiek egindako ikerketak ezezkoan daude
Arrazoiketa behar zuten eginkizunetan, errendimendu apala zuten: horixe zen LLMen ahulgune handia. LLMak zeregin intelektualak eta are zenbait lanbide osorik automatizatzera bideratutako teknologia gisa aurkezten ziren, baina ez zuten konpontzen haien funtsezko elementu bat: arrazoibidea. Hori dela eta, adimen artifizialaren laborategi nagusiak etengabe eta buru-belarri jardun dira lanean LLMen arrazoiketa-gaitasunak hobetzeko.
Lehenengo berrikuntzetako bat —egiazki samurra eta LLMetan barne-aldaketarik ez zekarrena— zera izan zen: erabiltzaileak idatzitako jarraibidean agindu espezifiko bat sartzea, ereduak urratsez urrats adieraz zezan arrazoibidea; hau da, ozen pentsa zezan erantzunak sortu ahala. Emaitzak hobetu ziren, baina mugatuak izaten jarraitzen zuten. 2024aren amaieran urrats kualitatibo bat egin zen: OpenAIk o1 eredua merkaturatu zuen, lehen RLMa (Reasoning Language Model edo arrazoiketa-eredu linguistikoa), zeinak barne-aldaketa sakonagoak jasotzen baitzituen. Handik hilabete gutxira, Txinaren erantzuna iritsi zen: DeepSeek-R1, zeinak, o1 ereduarekin errendimenduan lehiatzeaz gainera, publiko egin baitzuen errezeta. Eta hori egundoko bultzagarria izan zen kode irekiko LLMen ekosistemarako. Errezeta haren gakoetako bat zen errefortzu bidezko ikaskuntza erabiltzea arrazoibidea hobeto orokortzeko. Horretarako, ereduak berak partzialki sorturiko arrazoiketa-adibideen kopuru handi bat hartzen zuen abiapuntu gisa.
Gaur egun, LLMak garatzen dituzten ia enpresa guztiek eskaintzen dituzte RLMak, eta jauzi handia egin dute arrazoiketaren kalitatean. Horren erakusgarri, Googleren eta OpenAIren RLM ereduek olinpiada matematikoetako giza parte-hartzailerik onenen pareko emaitzak lortu zituzten 2025ean. Baina lortu al dute egiaz RLMek gizakienarekin alderatu daitekeen arrazoibide sendo bat? Laborategiek egindako ikerketak ezezkoan daude: eredu horiek azaleko patroietan oinarritzen dira oraindik; horrek galarazi egiten die orokortzea, eta kale egiten dute eginkizuna entrenamenduan ikusitakotik aldentzen denean.
Arrazoibidea mugatua izanik ere, RLMak oso tresna baliotsua dira arrazoiketa-mota jakin batzuk eskatzen dituzten zereginak automatizatzeko. Gaur egun, problema matematikoak ebazteko eta softwarea garatzeko erabiltzen dira. Zer adibide hoberik. Hala eta guztiz ere, oraindik ez dute lortu giza arrazoiketaren malgutasuna, eta, horregatik, muga handiak izaten jarraitzen dute jarduerak edo lanbideak erabat automatizatzeko. Malgutasun hori lortzea da adimen artifizialaren egungo erronka handienetako bat, baita autoikaskuntza edo mundu-eredu bat eraikitzea ere. Zalantza nagusia da RLMak eta LLMak izango ote diren gakoa Aristotelesen animalia arrazionalaren software-bertsio horretara iristeko. Agerikoa da adimen artifizialaren industriak eta laborategi nagusiek ausarki segitzen dutela haien alde apustu egiten. Bide zuzena hori izango ote da?
