Redacción - El Semanal
La Revolución de la Inteligencia Artificial: Cómo los Modelos Colaborativos Están Cambiando el Juego
En el mundo en constante evolución de la inteligencia artificial (IA), un equipo de investigadores del laboratorio de IA japonés Sakana AI ha presentado una técnica innovadora que permite a múltiples modelos de lenguaje de gran tamaño (LLMs) trabajar juntos para resolver problemas complejos. Este enfoque, denominado Multi-LLM AB-MCTS, ha demostrado ser capaz de superar a los modelos individuales en un 30%, lo que supone un avance significativo en el campo de la IA.
La Fuerza de la Inteligencia Colectiva
Los LLMs han avanzado rápidamente en los últimos años, pero cada modelo tiene sus propias fortalezas y debilidades, derivadas de sus datos de entrenamiento y arquitectura únicos. Por ejemplo, un modelo puede destacar en la codificación, mientras que otro sobresale en la escritura creativa. Los investigadores de Sakana AI sostienen que estas diferencias no son limitaciones, sino recursos valiosos para crear inteligencia colectiva.
Al combinar las fortalezas de varios modelos, los sistemas de IA pueden resolver problemas que serían insuperables para cualquier modelo individual. Esto se logra mediante la creación de equipos de modelos de IA que pueden trabajar juntos para encontrar soluciones más efectivas.
El Poder del Algoritmo AB-MCTS
El algoritmo AB-MCTS (Adaptive Branching Monte Carlo Tree Search) es el núcleo de esta técnica. Permite a los modelos de IA realizar pruebas y errores de manera inteligente, equilibrando dos estrategias de búsqueda diferentes: "buscar más a fondo" y "buscar más ampliamente". Esto se logra mediante el uso de modelos de probabilidad para decidir si es más estratégico refinar una solución existente o generar una nueva.
La Colaboración entre Modelos
El equipo de Sakana AI llevó esta técnica un paso más allá con Multi-LLM AB-MCTS, que no solo decide "qué" hacer, sino también "qué" modelo de IA debe hacerlo. Al inicio de una tarea, el sistema no sabe qué modelo es el más adecuado para el problema, por lo que comienza probando una mezcla equilibrada de modelos disponibles y, a medida que avanza, aprende qué modelos son más efectivos.
Resultados Impresionantes
Los investigadores probaron su sistema Multi-LLM AB-MCTS en el benchmark ARC-AGI-2, diseñado para evaluar la capacidad de razonamiento visual similar a la humana. El equipo utilizó una combinación de modelos de frontera, incluyendo o4-mini, Gemini 2.5 Pro y DeepSeek-R1. Los resultados fueron impresionantes: el equipo de modelos pudo encontrar soluciones correctas para más del 30% de los 120 problemas de prueba, lo que superó significativamente a cualquier modelo individual.
Aplicaciones en el Mundo Real
Para ayudar a los desarrolladores y empresas a aplicar esta técnica, Sakana AI ha lanzado el algoritmo subyacente como un marco de código abierto llamado TreeQuest, disponible bajo una licencia Apache 2.0. Esto podría abrir el camino a una nueva clase de aplicaciones de IA más potentes y confiables.
En resumen, la técnica Multi-LLM AB-MCTS de Sakana AI está revolucionando el campo de la inteligencia artificial al permitir que los modelos colaboren para resolver problemas complejos. Con su capacidad para superar a los modelos individuales y su potencial para aplicaciones en el mundo real, esta innovación tiene el potencial de cambiar el juego en la industria de la IA.
GIPHY App Key not set. Please check settings