Hyperagents — una nueva IA capaz de auto-mejora continua
Investigadores de Meta AI, junto con equipos de varias universidades y laboratorios de investigación, han presentado el concepto de Hyperagents, un nuevo enfoque para construir sistemas de inteligencia artificial capaces no solo de mejorar el rendimiento en tareas, sino también de perfeccionar sus propios mecanismos de aprendizaje.
La idea central consiste en combinar dos funciones en un solo agente: un ejecutor de tareas y un analista interno que evalúa los resultados y modifica el proceso utilizado para alcanzarlos. A diferencia de los modelos tradicionales con reglas de autoaprendizaje fijas, los Hyperagents pueden adaptar también el propio enfoque de aprendizaje. Los autores describen esto como auto-modificación metacognitiva.
El desarrollo se basa en la Darwin Gödel Machine (DGM), pero elimina su limitación de requerir instrucciones predefinidas para la auto-mejora. En la nueva versión, DGM-Hyperagents (DGM-H), el proceso de optimización se vuelve más universal y no está vinculado a un dominio específico, lo que potencialmente permite su aplicación en una amplia gama de tareas computacionales.
Los experimentos han demostrado que el sistema presenta mejoras consistentes en diversos escenarios, desde programación y análisis de artículos científicos hasta evaluación de problemas matemáticos y diseño de algoritmos para robótica. Al mismo tiempo, los Hyperagents perfeccionan progresivamente sus propias estrategias de aprendizaje mediante la acumulación de experiencia, el seguimiento de la eficacia de las soluciones y la adaptación de sus enfoques.
Las capacidades de auto-mejora adquiridas resultan transferibles entre diferentes tareas, lo que aumenta la versatilidad del sistema. Según los investigadores, este enfoque abre el camino hacia sistemas de IA capaces de mejorar continuamente sus propios procesos de aprendizaje y acelerar el progreso tecnológico.