Redacción - El Semanal
Un nuevo marco agencial propuesto por DeepMind, conocido como Talker-Reasoner, está revolucionando la forma en que los agentes de inteligencia artificial abordan tareas diversas que requieren diferentes niveles de razonamiento y planificación. Este framework se inspira en el modelo de «dos sistemas» de la cognición humana, permitiendo a los agentes de IA equilibrar diferentes tipos de razonamiento para ofrecer una experiencia de usuario más fluida.
El modelo de dos sistemas, originalmente propuesto por el premio Nobel Daniel Kahneman, postula que el pensamiento humano se rige por dos sistemas distintos: el Sistema 1, rápido e intuitivo, y el Sistema 2, lento y analítico. Mientras el Sistema 1 se encarga de las reacciones rápidas y patrones reconocibles, el Sistema 2 se activa en situaciones que requieren planificación y razonamiento complejo.
Actualmente, la mayoría de los agentes de IA operan principalmente en modo Sistema 1, destacándose en el reconocimiento de patrones y tareas repetitivas. Sin embargo, su desempeño se ve limitado en escenarios que demandan planificación a varios pasos, razonamiento complejo y toma de decisiones estratégicas, características del Sistema 2.
El marco Talker-Reasoner propuesto por DeepMind busca dotar a los agentes de IA con capacidades de ambos sistemas, dividiendo al agente en dos módulos distintos: el Talker y el Reasoner. Mientras el Talker se encarga de las interacciones en tiempo real con el usuario y el entorno de forma intuitiva, el Reasoner se dedica a realizar razonamientos y planificaciones complejas.
En un estudio de caso, los investigadores de DeepMind aplicaron este framework en un sistema de coaching para mejorar los hábitos de sueño. El Talker maneja las conversaciones empáticas con el usuario, mientras que el Reasoner mantiene un estado de creencias sobre las preocupaciones, metas y hábitos de sueño del usuario para brindar recomendaciones personalizadas y planes adaptados.
El futuro de este framework sugiere la optimización de la interacción entre el Talker y el Reasoner, permitiendo al Talker determinar automáticamente cuándo requiere la intervención del Reasoner para minimizar cálculos innecesarios y mejorar la eficiencia en general. Además, la posibilidad de incorporar múltiples Reasoners especializados en distintos tipos de razonamientos o dominios de conocimiento abriría nuevas posibilidades para abordar tareas más complejas y ofrecer asistencia integral.
🧠 ¡INTERESANTE cómo DeepMind está incorporando el PENSAMIENTO HUMANO a sus agentes de IA! 🤖 ¡Una evolución emocionante en el mundo de la tecnología!