Cuando se trata de inteligencia artificial, el MIT e IBM estuvieron allí desde el principio: sentando las bases y creando algunos de los primeros programas (antecesores de la IA) y teorizando cómo podría llegar a existir la “inteligencia” de las máquinas.
Hoy en día, colaboraciones como el MIT-IBM Watson AI Lab, que se lanzó hace ocho años, continúan brindando experiencia para la promesa de la tecnología de inteligencia artificial del mañana. Esto es fundamental para las industrias y la fuerza laboral que se beneficiarán, particularmente en el corto plazo: desde 3 a 4 billones de dólares de beneficios económicos globales previstos y aumentos de productividad del 80 por ciento para los trabajadores del conocimiento y las tareas creativas, hasta incorporaciones significativas de IA generativa en los procesos de negocios (80 por ciento) y aplicaciones de software (70 por ciento) en los próximos tres años.
Si bien la industria ha experimentado un auge en modelos notables, principalmente el año pasado, la academia continúa impulsando la innovación y contribuyendo con la mayor parte de las investigaciones más citadas. En el MIT-IBM Watson AI Lab, el éxito se materializa en 54 divulgaciones de patentes, un exceso de 128.000 citas con un índice h de 162 y más de 50 casos de uso impulsados por la industria. Algunos de los muchos logros del laboratorio incluyen la mejora de la colocación del stent con técnicas de imágenes de IA, la reducción de la sobrecarga computacional, la reducción de los modelos manteniendo el rendimiento y el modelado del potencial interatómico para la química de los silicatos.
«El laboratorio está en una posición única para identificar los problemas ‘correctos’ a resolver, lo que nos diferencia de otras entidades», dice Aude Oliva, directora del laboratorio del MIT y directora de participación estratégica de la industria en el MIT Schwarzman College of Computing. «Además, la experiencia que nuestros estudiantes obtienen al trabajar en estos desafíos para la IA empresarial se traduce en su competitividad en el mercado laboral y en la promoción de una industria competitiva».
«El Laboratorio de IA MIT-IBM Watson ha tenido un impacto tremendo al reunir un rico conjunto de colaboraciones entre IBM y los investigadores y estudiantes del MIT», dice la rectora Anantha Chandrakasan, copresidenta del laboratorio del MIT y profesora Vannevar Bush de Ingeniería Eléctrica e Informática. «Al apoyar la investigación transversal en la intersección de la IA y muchas otras disciplinas, el laboratorio está avanzando en el trabajo fundamental y acelerando el desarrollo de soluciones transformadoras para nuestra nación y el mundo».
Trabajo a largo plazo
A medida que la IA continúa generando interés, muchas organizaciones luchan por canalizar la tecnología hacia resultados significativos. Un estudio de Gartner de 2024 encuentra que “al menos el 30% de los proyectos de IA generativa serán abandonados después de la prueba de concepto para fines de 2025”, lo que demuestra ambición y hambre generalizada por la IA, pero una falta de conocimiento sobre cómo desarrollarla y aplicarla para crear valor inmediato.
Aquí, el laboratorio brilla, uniendo la investigación y la implementación. La mayor parte de la cartera de investigación del año actual del laboratorio está alineada para utilizar y desarrollar nuevas características, capacidades o productos para IBM, los miembros corporativos del laboratorio o aplicaciones del mundo real. El último de ellos comprende grandes modelos de lenguaje, hardware de inteligencia artificial y modelos básicos, incluidos los multimodales, biomédicos y geoespaciales. Los estudiantes y pasantes motivados por la investigación son invaluables en esta búsqueda, ya que ofrecen entusiasmo y nuevas perspectivas mientras acumulan conocimiento del dominio para ayudar a generar y diseñar avances en el campo, además de abrir nuevas fronteras para la exploración con la IA como herramienta.
Los hallazgos del panel presidencial de 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 tienen un papel que desempeñar al brindar asesoramiento e interpretaciones independientes de estos resultados. [from industry] y sus consecuencias. El sector privado se centra más en el corto plazo, y las universidades y la sociedad más en una perspectiva de más largo plazo”.
Reunir estas fortalezas, junto con el impulso por el abastecimiento y la ciencia abiertos, puede generar una innovación que ninguno de los dos podría lograr por sí solo. La historia muestra que adoptar estos principios, compartir códigos y hacer que la investigación sea accesible tiene beneficios a largo plazo tanto para el sector como para la sociedad. De acuerdo con las misiones de IBM y el MIT, el laboratorio aporta tecnologías, hallazgos, gobernanza y estándares a la esfera pública a través de esta colaboración, mejorando así la transparencia, acelerando la reproducibilidad y garantizando avances confiables.
El laboratorio se creó para fusionar la profunda experiencia en investigación del MIT con la capacidad de investigación y desarrollo industrial de IBM, con el objetivo de lograr avances en métodos y hardware centrales de IA, así como nuevas aplicaciones en áreas como atención médica, química, finanzas, ciberseguridad y una planificación y toma de decisiones sólidas para los negocios.
Más grande no siempre es mejor
Hoy en día, los modelos básicos de gran tamaño están dando paso a modelos más pequeños y con tareas más específicas que ofrecen un mejor rendimiento. Las contribuciones de miembros del laboratorio como Song Han, profesor asociado en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación (EECS) del MIT, y Chuang Gan de IBM Research ayudan a que esto sea posible, a través de trabajos como once-for-all y AWQ. Innovaciones como estas mejoran la eficiencia con mejores arquitecturas, reducción de algoritmos y cuantificación de peso basada en la activación, lo que permite que modelos como el procesamiento del lenguaje se ejecuten en dispositivos periféricos a velocidades más rápidas y con latencia reducida.
En consecuencia, los modelos de fundamento, visión, multimodal y de lenguaje grande han obtenido beneficios, lo que ha permitido que los grupos de investigación de laboratorio de Oliva, el profesor asociado del MIT EECS Yoon Kim y los miembros de investigación de IBM Rameswar Panda, Yang Zhang y Rogerio Feris se basen en el trabajo. Esto incluye técnicas para dotar a los modelos de conocimiento externo y el desarrollo de métodos de transformadores de atención lineal para lograr un mayor rendimiento, en comparación con otros sistemas de última generación.
La comprensión y el razonamiento en visión y sistemas multimodales también han sido de gran ayuda. Trabajos como “Task2Sim” y “AdaFuse” demuestran un rendimiento mejorado del modelo de visión si el entrenamiento previo se realiza con datos sintéticos, y cómo el reconocimiento de acciones de video se puede impulsar fusionando canales de mapas de características actuales y pasados.
Como parte de un compromiso con una IA más eficiente, los equipos de laboratorio de Gregory Wornell, profesor de ingeniería de Industrias Eléctricas Sumitomo del MIT EECS, Chuang Gan de IBM Research y David Cox, vicepresidente de IA fundamental de IBM Research y director del laboratorio de IBM, han demostrado que la adaptabilidad del modelo y la eficiencia de los datos pueden ir de la mano. Dos enfoques, EvoScale y el razonamiento de pensamiento en cadena (COAT), permiten que los modelos de lenguaje aprovechen al máximo los datos y la computación limitados al mejorar los intentos de la generación anterior a través de iteraciones estructuradas, acercándose a una mejor respuesta. COAT utiliza un marco de metaacción y aprendizaje por refuerzo para abordar tareas de razonamiento intensivo mediante la autocorrección, mientras que EvoScale aporta una filosofía similar a la generación de código, desarrollando soluciones candidatas de alta calidad. Estas técnicas ayudan a permitir una implementación en el mundo real, orientada y consciente de los recursos.
«No se puede subestimar el impacto de la investigación del MIT-IBM en nuestros grandes esfuerzos de desarrollo de modelos de lenguaje», dice Cox. «Estamos viendo que los modelos y herramientas más pequeños y especializados están teniendo un impacto enorme, especialmente cuando se combinan. Las innovaciones del MIT-IBM Watson AI Lab ayudan a dar forma a estas direcciones técnicas e influyen en la estrategia que estamos adoptando 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 por computadora diseñada para la comprensión de documentos, a pesar de su tamaño compacto. Esto llega en un momento en el que existe una necesidad creciente de extracción, interpretación y resumen confiable de información y datos contenidos en formatos largos para fines empresariales.
Otros logros que van más allá de la investigación directa sobre IA y en todas las disciplinas no solo son beneficiosos, sino necesarios para hacer avanzar la tecnología y mejorar la sociedad, concluye el panel AAAI 2025.
El trabajo de Caroline Uhler y Devavrat Shah del laboratorio, ambos profesores Andrew (1956) y Erna Viterbi en EECS y el Instituto de Datos, Sistemas y Sociedad (IDSS), junto con Kristjan Greenewald de IBM Research, trasciende las especializaciones. Están desarrollando 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 funcionar los “tratamientos” para diferentes subpoblaciones, como en una plataforma de comercio electrónico o restricciones de movilidad en los resultados de morbilidad. Los hallazgos de este trabajo podrían influir desde los campos del marketing y la medicina hasta la educación y la gestión de riesgos.
«Los avances en la 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 MIT-IBM Watson AI Lab, los investigadores reconocen esta naturaleza transversal de su trabajo y su impacto, interrogando los problemas desde múltiples puntos de vista y trayendo problemas del mundo real desde la industria, para desarrollar soluciones novedosas», dice Dan Huttenlocher, copresidente del laboratorio del MIT, decano del MIT Schwarzman College of Computación y profesor Henry Ellis Warren (1894) de Ingeniería Eléctrica e Informática.
Una parte importante de lo que hace prosperar a este ecosistema de investigación es la afluencia constante 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 sólo han acelerado el desarrollo de sus habilidades técnicas, sino que, a través de la orientación y el apoyo de los mentores del laboratorio, han adquirido conocimientos en los dominios de la IA para convertirse ellos mismos en profesionales emergentes. Es por eso que el laboratorio busca continuamente identificar estudiantes prometedores en todas las etapas de su exploración del potencial de la IA.
“Para desbloquear todo el potencial económico y social de la IA, necesitamos fomentar una ‘inteligencia útil y eficiente’”, dice Sriram Raghavan, vicepresidente de investigación de IA de IBM y presidente del laboratorio de IBM. «Para traducir la promesa de la IA en progreso, es fundamental que sigamos centrándonos en las innovaciones para desarrollar modelos eficientes, optimizados y adecuados para su propósito que puedan adaptarse fácilmente a dominios y casos de uso específicos. Las colaboraciones entre académicos e industrias, como el MIT-IBM Watson AI Lab, ayudan a impulsar los avances que hacen esto posible».
