Un sistema de IA aprende a actuar, recordar y navegar, pero los investigadores no se ponen de acuerdo sobre hacia dónde se dirige

De herramienta a actor

Algo fundamental está cambiando en el panorama de la IA. Durante las últimas semanas se ha publicado una oleada de resultados de investigación que, por separado, impresionan, pero que en conjunto apuntan a un cambio que pocos parecen dominar por completo. Los sistemas de IA ya no se limitan a responder preguntas. Empiezan a actuar en el mundo.

Tomemos la investigación sobre navegación publicada en arXiv: un robot físico aprende a orientarse en entornos reales utilizando únicamente instrucciones de voz, sin mapas predefinidos, sin vistas panorámicas y sin el paisaje de simulación controlado que antes era necesario. El sistema relaciona lo que ve con lo que oye y toma decisiones en tiempo real. Es poco, pero es concreto. Es robótica que realmente funciona fuera del laboratorio.

Una memoria que no olvida

Paralelamente al movimiento en el espacio, se está produciendo una revolución igual de apasionante en la forma en que la IA gestiona el tiempo, es decir, la capacidad de recordar lo que ha sucedido y de construir sobre ello.

El marco AMBER, presentado en arXiv, resuelve un problema fundamental: los agentes de IA anteriores sobrescribían su propia memoria al encontrar nueva información. Los hechos críticos, las correcciones y las lecciones aprendidas se perdían por el camino. AMBER introduce una memoria basada en adiciones en la que no se borra nada, y los resultados en el referente establecido WebArena Lite son claros. El agente completa más tareas, en más intentos y con mayor precisión.

Pero la memoria no es neutral. Un estudio complementario muestra que los agentes de IA con memoria persistente corren el riesgo de almacenar afirmaciones inciertas como si fueran hechos establecidos. La solución es elegante: hacer que los umbrales de memoria dependan del tipo de afirmación. Los valores y las opiniones exigen un mayor nivel de evidencia para almacenarse, lo que da como resultado un sistema que reduce en casi un 36 por ciento la información almacenada incorrectamente. Se trata de construir una IA que no solo recuerde, sino que recuerde bien.

El sistema que se cuestiona a sí mismo

Uno de los resultados de investigación más prometedores no se refiere a lo que la IA puede hacer hacia fuera, sino a lo que puede hacer hacia dentro. El marco MOTIVE dota a los modelos de imagen y lenguaje de la capacidad de examinar de forma independiente sus propias respuestas desde varias perspectivas, calcular una medida de fiabilidad y, si es necesario, reiniciar su propio razonamiento. Sin revisores externos. Sin intervención humana.

Esto es importante. Una IA que sabe cuándo no está segura es una herramienta fundamentalmente distinta de una IA que siempre suena convencida. Abre la puerta a sistemas en los que realmente podemos confiar en contextos críticos.

Al mismo tiempo, el proceso de entrenamiento se mejora desde dentro. El marco RGPO aborda un problema clásico del aprendizaje por refuerzo: cuando las tareas son demasiado difíciles, el proceso de entrenamiento apenas ofrece retroalimentación y el aprendizaje se estanca. RGPO utiliza soluciones de referencia como estructuras de apoyo temporales, no como plantillas que copiar, y proporciona al modelo el impulso que necesita para avanzar. Los resultados son consistentemente superiores a los de métodos comparables.

El juego que nadie ordenó

Pero quizá el resultado más revelador es el más sencillo de describir y el más difícil de explicar: una IA que juega.

En un experimento, un moderno asistente de programación basado en IA fue colocado en un entorno digital desconocido, sin objetivos, sin recompensas y sin instrucciones. Durante treinta horas empezó espontáneamente a escalar colinas, apilar bloques, dibujar patrones e inventar deportes propios. Trece agentes diferentes repitieron el experimento. Todos mostraron patrones de comportamiento similares, aunque con historias únicas.

Los investigadores se preguntan ahora si esto cumple los criterios clásicos del juego. Yo diría que realmente no importa cómo lo llamemos. Lo que importa es que surge un comportamiento de exploración autoorganizado sin que lo hayamos pedido. Es un patrón que necesitamos entender mejor y con rapidez.

La infraestructura que lo hace posible

Detrás de todos estos avances también hay una revolución silenciosa en la infraestructura. FluidPD, un nuevo sistema para el funcionamiento de modelos de lenguaje de gran tamaño, mejora el cumplimiento de los requisitos de tiempo de respuesta en hasta 94,6 puntos porcentuales en comparación con soluciones establecidas, sin necesidad de hardware adicional. Y GameGo demuestra que los agentes de IA ya pueden tomar una idea de juego formulada de manera vaga y entregar un videojuego jugable, entrenado con más de 55 000 procesos de desarrollo reales.

Las piezas del rompecabezas encajan a un ritmo vertiginoso.