Modelo de Gran Conocimiento: Perspectivas y Desafíos

La comprensión del mundo por parte de la humanidad está fundamentalmente vinculada a nuestra percepción y cognición, siendo los lenguajes humanos uno de los principales portadores del conocimiento mundial. En este sentido, los Grandes Modelos de Lenguaje (LLMs) como ChatGPT epitomizan el preentrenamiento de un extenso conocimiento mundial basado en secuencias en redes neuronales, facilitando el procesamiento y la manipulación de este conocimiento en un espacio paramétrico. Este artículo explora los grandes modelos desde la perspectiva del "conocimiento". Inicialmente investigamos el papel del conocimiento simbólico, como los Grafos de Conocimiento (KGs), en la mejora de los LLMs, cubriendo aspectos como el modelo de lenguaje aumentado con conocimiento, preentrenamiento con inducción estructural, indicaciones con conocimiento, razonamiento estructurado en cadena, edición de conocimiento, herramientas semánticas para LLM y agentes de IA con conocimiento. Posteriormente, examinamos cómo los LLMs pueden potenciar las bases de conocimiento simbólicas tradicionales, englobando aspectos como el uso de LLM como constructor y controlador de KG, preentrenamiento con conocimiento estructurado y razonamiento simbólico mejorado por LLM. Considerando la naturaleza compleja del conocimiento humano, abogamos por la creación de Modelos de Gran Conocimiento (LKM), diseñados específicamente para manejar un espectro diversificado de estructuras de conocimiento. Esta prometedora tarea implicaría varios desafíos clave, tales como separar la base de conocimiento de los modelos de lenguaje, alineación cognitiva con el conocimiento humano, integración de percepción y cognición, y construcción de grandes modelos de sentido común para interactuar con el mundo físico, entre otros. Finalmente, proponemos un principio de cinco "A" para distinguir el concepto de LKM.