Investigadores publican un estudio sobre cómo la IA aprende reglas ocultas mediante ensayo y error
Un estudio publicado en arXiv analiza la capacidad de la IA para inferir reglas ocultas y transferir conocimientos mediante un juego de prueba
El repositorio académico arXiv publicó en agosto de 2026 el informe arXiv:2608.21372v1, titulado "AI Learning and Conceptual Transfer in the Game of Hidden Rules", que utiliza un entorno llamado Game of Hidden Rules (GOHR) como banco de pruebas.
El estudio examina la capacidad de agentes de aprendizaje por refuerzo (Reinforcement Learning - RL) para inferir reglas ocultas utilizando únicamente la retroalimentación obtenida mediante ensayo y error. También profundiza en el diseño de representaciones (Representation Design), el análisis de la dificultad de las reglas, el aprendizaje por transferencia (Transfer Learning) y la generalización (Generalization).
En el apartado técnico, el equipo empleó una arquitectura Transformer-based A2C (Advantage Actor-Critic) y comparó el rendimiento de representaciones Feature-Centric y Object-Centric. El informe también contrasta estos resultados con el aprendizaje humano asistido por bots simulados (Pseudo-Bot-Assisted Human Learning).
Este estudio ayuda a comprender mejor cómo la IA puede aprender, adaptarse y transferir conocimientos en situaciones sin reglas explícitas, un paso importante para desarrollar sistemas más flexibles y cercanos al aprendizaje humano.