La intel·ligència, observada des de diferents disciplines, sembla adoptar màscares diverses: compressió de dades en estadística i aprenentatge automàtic, computació universal en sistemes dinàmics i comportament adaptatiu en agents. Cada camp persegueix el seu propi objectiu, i dues de les forces més influents solen fracassar en mirall: la recerca de novetat, que anhela la sorpresa, es queda hipnotitzada davant d'una pantalla de televisió amb soroll; el principi d'energia lliure, que evita la sorpresa, se sent més còmode en una habitació fosca. Tots dos fracassos comparteixen una causa: tracten com una mateixa quantitat la sorpresa que un aprenent pot convertir en coneixement i aquella que mai no podrà assimilar. Aquí mostrem que la part aprensible d'aquesta informació, que anomenem novetat aprensible, unifica les projeccions aparentment dispars de la intel·ligència, i oferim un estimador de forma tancada construït sobre un reservori computacional barat i diferenciable. Usat com a mètrica, sense supervisió de cap mena, l'estimador recupera dècades de classificació de complexitat, situant la regla 110 dels autòmats cel·lulars elementals, capaç de computació universal, com la més complexa. Usat com a objectiu, el seu gradient porta un autòmat cel·lular neuronal des de dinàmiques simples a un règim de solitons —les estructures viatgeres i col·lisionants mitjançant les quals la regla 110 computa— i organitza la representació d'un codificador d'imatges al voltant de les deu classes de dígits de MNIST, totalment sense supervisió: cap etiqueta intervé en l'entrenament. Lliurat a un agent d'aprenentatge per reforç com a recompensa intrínseca, proporciona l'exploració que les recompenses de la tasca no ofereixen, millorant el rendiment base en nou de deu entorns i sense col·lapsar en cap. La generació de complexitat, l'abstracció i l'exploració, normalment perseguides amb objectius no relacionats en camps separats, emergeixen així de l'ascens en una única quantitat diferenciable, i les projeccions de la intel·ligència guanyen un fonament quantitatiu comú.
Aquesta perspectiva té implicacions profundes per al desenvolupament tecnològic empresarial. En un món on les dades creixen exponencialment, les organitzacions necessiten algoritmes que no només identifiquin patrons, sinó que distingeixin entre allò que pot ser après i allò que és soroll estèril. La novetat aprensible ofereix un criteri per dissenyar sistemes que maximitzin l'adquisició de coneixement útil sense caure en l'overfitting o l'estancament. A Q2BSTUDIO, apliquem aquests principis a la creació d'aplicacions a mida que integren intel·ligència artificial, computació al núvol i ciberseguretat, assegurant que cada component del programari estigui orientat a extreure valor real de les dades. Els nostres equips implementen models d'IA que, inspirats en la novetat aprensible, aprenen representacions abstractes sense necessitat d'etiquetatge massiu, reduint costos i accelerant la posada en producció.
Per exemple, en l'àmbit de la visió per computador, en lloc d'entrenar xarxes amb milers d'imatges etiquetades, un sistema basat en novetat aprensible pot organitzar automàticament les representacions internes al voltant de les categories rellevants, com va passar amb MNIST a l'estudi de referència. Això és especialment valuós per a empreses que gestionen dades propietàries o nínxols on l'etiquetatge manual és inviable. Q2BSTUDIO incorpora aquestes tècniques a les seves solucions d'IA, permetent als clients descobrir estructures latents en els seus conjunts de dades sense intervenció humana. A més, la capacitat de generar complexitat controlada —com l'aparició de solitons en autòmats cel·lulars— es tradueix en arquitectures de programari que poden adaptar-se a dinàmiques canviants, ideals per a entorns cloud com AWS o Azure. La gestió de pics de demanda, la tolerància a fallades i l'escalabilitat es beneficien d'aquest enfocament, ja que els sistemes aprenen a explorar configuracions òptimes sense necessitat de regles predefinides.
La connexió amb la ciberseguretat també és natural: un sistema que sap distingir entre esdeveniments nous realment aprenents (com un nou tipus d'atac) i soroll aleatori (falsos positius) pot prioritzar alertes i adaptar les seves defenses en temps real. A Q2BSTUDIO, desenvolupem mòduls de detecció d'anomalies que fan servir estimadors de novetat aprensible per reduir la fatiga dels analistes i millorar la precisió. Així mateix, en l'àrea de Business Intelligence, el concepte permet crear dashboards que no només mostren indicadors passats, sinó que assenyalen automàticament quines variacions en les dades mereixen investigació perquè contenen informació aprensible. El nostre servei de BI / Power BI integra aquests principis per transformar dades brutes en insights accionables, mentre que les plataformes d'automatització de processos es beneficien d'agents d'IA que exploren l'espai d'accions de forma intel·ligent, guiats per la novetat aprensible en lloc de recompenses superficials.
En l'àmbit dels agents intel·ligents, la novetat aprensible proporciona una recompensa intrínseca que evita que l'agent s'estanqui en comportaments repetitius o s'obsessioni amb estímuls irrellevants. Això és crucial per a aplicacions com robots autònoms, assistents virtuals o sistemes de recomanació. En lloc de dissenyar funcions de recompensa complexes, els desenvolupadors poden deixar que l'agent busqui activament allò que pot aprendre, millorant l'exploració i, amb això, el rendiment final. Q2BSTUDIO aplica aquesta filosofia en el desenvolupament d'agents IA personalitzats, capaços d'adaptar-se a entorns dinàmics sense reentrenament constant. Els nostres projectes d'automatització i robòtica de processos es beneficien d'aquest enfocament, reduint el temps de configuració i augmentant la robustesa.
En resum, la novetat aprensible es perfila com un concepte unificador que no només explica fenòmens en diferents branques de la ciència, sinó que ofereix una guia pràctica per al disseny de programari intel·ligent. Des de l'abstracció de característiques fins a l'exploració autònoma, aquesta mètrica diferenciable permet alinear el desenvolupament tecnològic amb la veritable naturalesa de l'aprenentatge: convertir la sorpresa en coneixement. A Q2BSTUDIO, estem compromesos a portar aquests avenços al món empresarial, oferint serveis que van des de la consultoria en IA fins a la implementació d'infraestructures cloud i ciberseguretat, sempre amb la mirada posada a extreure el màxim valor de la informació. La intel·ligència, al capdavall, troba un motor comú: la novetat que pot ser apresa.
