Redacción - El Semanal
Investigadores de universidades de prestigio y empresas líderes en tecnología, entre ellas Microsoft y un ex investigador de DeepSeek, han desarrollado un nuevo método para entrenar agentes de inteligencia artificial (IA) más fiables y menos propensos a fallar en entornos del mundo real. Este avance, denominado RAGEN, se centra en mejorar la capacidad de los modelos de lenguaje y multimodal para adaptarse, recordar y razonar en situaciones de incertidumbre.
A diferencia de las tareas estáticas como la resolución de problemas matemáticos o la generación de código, RAGEN se enfoca en escenarios interactivos y dinámicos donde los agentes deben tomar decisiones basadas en la experiencia y no solo en la memorización. Para lograr esto, el equipo de investigadores utilizó un marco de trabajo de aprendizaje por refuerzo personalizado llamado StarPO, que explora cómo los modelos de lenguaje pueden aprender a través de la experiencia y mejorar su toma de decisiones.
El sistema RAGEN ha sido probado en varios entornos simbólicos diseñados para evaluar la capacidad de los agentes para razonar y adaptarse en diferentes escenarios. Los resultados muestran que RAGEN puede mejorar significativamente la fiabilidad y el rendimiento de los agentes de IA en tareas complejas. Además, el equipo ha desarrollado una versión estabilizada del marco de trabajo, llamada StarPO-S, que incorpora intervenciones clave para evitar el colapso del entrenamiento y mejorar el rendimiento.
La importancia de RAGEN radica en su potencial para permitir a las empresas implementar agentes de IA más autónomos y capaces de razonar en entornos del mundo real. Sin embargo, aún existen preguntas pendientes sobre la adopción práctica de este método, como su escalabilidad y transferibilidad a diferentes tareas y entornos.
El equipo de investigadores ha puesto a disposición de la comunidad el código fuente de RAGEN en GitHub, lo que permite a otros investigadores y desarrolladores explorar y mejorar este avance. A medida que la IA sigue avanzando hacia la autonomía, proyectos como RAGEN son fundamentales para entender cómo entrenar modelos que puedan aprender no solo de los datos, sino también de las consecuencias de sus propias acciones.
En un contexto en el que la IA se está volviendo cada vez más presente en nuestras vidas, la capacidad de desarrollar agentes de IA fiables y autónomos es crucial para aprovechar al máximo su potencial. RAGEN representa un paso importante en esta dirección, ofreciendo una base sólida para el desarrollo de agentes de IA más avanzados y capaces de razonar y adaptarse en entornos complejos.
GIPHY App Key not set. Please check settings