Los modelos masivos de lenguaje, como ChatGPT, se han vuelto una parte fundamental de nuestra vida. Una investigación llevada a cabo por investigadores del IIIA – CSIC demuestra que estos modelos pueden asistir a los científicos en el diseño de algoritmos de optimización, similares a los utilizados cuando buscamos la ruta más corta en coche de un punto a otro.
Supongamos que necesitamos llegar a un lugar desconocido antes de las 2 p.m., pero estamos en el centro de una ciudad que no conocemos, sin móvil, sin mapa y sin dinero. ¿Cómo podríamos encontrar el camino? Seguramente nuestros abuelos, que crecieron en un mundo sin móviles ni internet, nos dirían que lo mejor es salir y preguntar a la gente. Al hacerlo, recibiríamos distintas indicaciones sobre cómo llegar a nuestro destino. Sin embargo, surge un segundo problema: ¿cómo elegimos la mejor ruta?
Este es un problema de optimización, ya que buscamos minimizar el tiempo de llegada cumpliendo ciertas restricciones: debemos llegar antes de las 2 p.m. y no podemos pagar un taxi. Si la ciudad es pequeña, el problema no sería complicado, pero en una metrópolis como Tokio, por ejemplo, la tarea sería casi imposible sin ayuda.
Las metaheurísticas
Existe un área de investigación dedicada a resolver este tipo de problemas mediante algoritmos de optimización capaces de encontrar soluciones incluso en escenarios muy complejos. Algunos problemas son tan difíciles que ni siquiera los superordenadores pueden resolverlos rápidamente, ya que la cantidad de combinaciones posibles es tan grande que podría tomar años encontrar una solución óptima.
Para abordar estos desafíos, se desarrollaron las metaheurísticas. El término «heurística» significa «hallar o inventar», y «meta» se traduce como «más allá». Es decir, son técnicas que no solo resuelven un problema específico, sino que pueden aplicarse a múltiples problemas de optimización. Su enfoque se basa en estrategias aleatorias que, aunque no garantizan hallar la mejor solución, permiten obtener una buena solución en poco tiempo.
Modelos masivos de lenguaje
Con la llegada de los modelos masivos de lenguaje (Large Language Models o LLMs), como ChatGPT, han surgido nuevas oportunidades en el campo de la optimización. Nuestra investigación ha demostrado que podemos utilizar LLMs como asistentes en el diseño de metaheurísticas, proporcionando información útil que guía el proceso de optimización.
Volviendo al ejemplo inicial, si estuviéramos perdidos en la ciudad, el trabajo de un LLM sería similar al de un guía que nos dice: «Por aquí es buena idea continuar” o «Evita esta calle”. Es capaz de sugerir rutas más eficientes porque tiene acceso a una cantidad masiva de información sobre la ciudad. De esta forma, podríamos llegar más rápido a nuestro destino evitando caminos poco recomendables. Por supuesto, sus respuestas no son 100 % precisas, pero dado que las metaheurísticas toleran cierto grado de aleatoriedad, pueden manejar estas imprecisiones sin comprometer la calidad de la solución.
Identificar influencers
Para demostrar la efectividad de esta integración, hemos aplicado nuestra metodología a un problema complejo en redes sociales: identificar a las personas más influyentes dentro de una plataforma. En redes como Instagram, no siempre quien tiene más seguidores es quien ejerce mayor impacto. Utilizando una metaheurística reconocida en optimización y combinándola con diversos LLMs, hemos logrado mejorar el desempeño de la metaheurística por sí sola, obteniendo resultados que superan el estado del arte en este problema.
Las principales limitaciones de este enfoque están en las restricciones actuales de los LLMs, como su costo y la cantidad de información que pueden procesar. Sin embargo, estas limitaciones están disminuyendo rápidamente.
Nuestra investigación abre un nuevo camino para el diseño de metaheurísticas asistidas por LLMs. En el futuro, podríamos contar con sistemas generativos capaces de analizar un problema, extraer información clave y, al integrarlos con algoritmos de optimización, lograr resultados superiores en problemas con gran impacto social. Así, los investigadores estarán potenciados con sofisticados asistentes que encontrarán patrones en datos sumamente complejos, y que no serán un reemplazo, sino una ayuda para hacer mejor su trabajo.
Esta integración entre LLMs y optimización tiene el potencial de transformar desde la logística en las ciudades hasta el desarrollo de nuevas tecnologías. El futuro de la toma de decisiones está cada vez más impulsado por la inteligencia artificial.
Referencia:
C. C. Sartori, C. Blum, F. Bistaffa and G. Rodríguez Corominas, Metaheuristics and Large Language Models Join Forces: Toward an Integrated Optimization Approach, IEEE Access, vol. 13, pp. 2058-2079, 2025, doi: 10.1109/ACCESS.2024.3524176.
Autores del artículo divulgativo:
Camilo Chacón Sartori, Christian Blum y Filippo Bistaffa
Instituto de Investigación en Inteligencia Artificial (IIIA-CSIC)
Guillem Rodríguez Corominas
Universitat Politècnica de Catalunya (UPC)
Fuente: Scientias
Artículo bajo licencia Creative Commons – Atribución (CC BY 4.0). Este artículo puede ser reproducido íntegramente siempre y cuando vaya firmado por los autores y se acredite SCIENTIAS como fuente, incluyendo el enlace a nuestra página.