{"id":11151,"date":"2025-09-17T11:39:04","date_gmt":"2025-09-17T15:39:04","guid":{"rendered":"https:\/\/periodismo360.com\/?p=11151"},"modified":"2026-06-03T12:12:27","modified_gmt":"2026-06-03T16:12:27","slug":"modelo-chino-de-inteligencia-artificial-deepseek-aprende-mas-cuando-recibe-recompensas-por-resolver-problemas","status":"publish","type":"post","link":"https:\/\/periodismo360.com\/?p=11151","title":{"rendered":"Modelo chino de inteligencia artificial DeepSeek aprende m\u00e1s cuando recibe \u2018recompensas\u2019 por resolver problemas"},"content":{"rendered":"

EFE.- <\/strong>El modelo chino de inteligencia artificial DeepSeek-R1<\/strong> aprende m\u00e1s y mejor cuando recibe \u2018recompensas\u2019 por resolver problemas, pero esos est\u00edmulos requieren de la intervenci\u00f3n humana, por lo que ese enfoque puede resultar costoso y limitar adem\u00e1s su capacidad de crecimiento.<\/p>\n

Lo ha comprobado un equipo de investigadores y tecn\u00f3logos, entre los que figuran responsables de la empresa china que lanz\u00f3 este modelo abierto de inteligencia artificial, que han analizado sus potencialidades y sus limitaciones; hoy publican los resultados de su trabajo en la revista Nature.<\/p>\n

Ense\u00f1ar a los modelos de inteligencia artificial a razonar de la misma manera que los humanos es un desaf\u00edo, y los investigadores han corroborado que los modelos de lenguaje a gran escala (LLM, por sus siglas en ingl\u00e9s) est\u00e1n demostrando ya ciertas capacidades de razonamiento, aunque ese entrenamiento requiere importantes recursos computacionales.<\/p>\n

El modelo DeepSeek-R1 incluye una etapa de entrenamiento adicional bajo supervisi\u00f3n humana para mejorar el proceso de razonamiento, y emplea un sistema de aprendizaje \u00abpor refuerzo\u00bb en lugar de ejemplos humanos para desarrollar los pasos de razonamiento, lo que seg\u00fan los investigadores y responsables de la empresa reduce los costos y la complejidad del entrenamiento.<\/p>\n

Limitaciones de la versi\u00f3n actual<\/strong>
\nHan constatado no obstante en el art\u00edculo que hoy publica la revista Nature algunas de las limitaciones de la versi\u00f3n actual de ese modelo de inteligencia artificial, entre ellas que combina dos idiomas, el chino y el ingl\u00e9s, o que solo est\u00e1 optimizado para esos idiomas.<\/p>\n

Citan tambi\u00e9n, como una limitaci\u00f3n, que hay algunas tareas en las que su modelo no ha mostrado mejoras importantes, como la ingenier\u00eda de software, y han incidido en que la investigaci\u00f3n futura se debe centrar en mejorar esos procesos de \u2018recompensa\u2019 para garantizar la fiabilidad de los razonamientos y de las tareas que realiza esta IA.<\/p>\n

Los investigadores han demostrado que el modelo obtiene buenos resultados en pruebas de matem\u00e1ticas, biolog\u00eda, f\u00edsica o qu\u00edmica, en concursos de programaci\u00f3n, y han concluido que entrenar a la IA a razonar con menos intervenci\u00f3n humana es posible, lo que abre la puerta a conseguir modelos capaces de crecer, m\u00e1s potentes y m\u00e1s baratos, aunque todav\u00eda quedan muchos retos por resolver.<\/p>\n