Un paso importante en la investigacion de inteligencia artificial (IA) acaba de ser anunciado cuando cientificos de la empresa AI Sapient (Singapur) presentaron un modelo de teoria de la fragmentacion (HRM) inspirado en como el cerebro humano procesa la informacion.
Los resultados de las pruebas muestran que HRM es superior a muchos modelos de lenguajes grandes (LLM) actuales incluido ChatGPT.
A diferencia de las LLM populares que se basan en miles de millones o miles de millones de variables HRM solo utiliza 27 millones de variables y 1.000 modelos de entrenamiento pero aun logra una eficacia sobresaliente.
Segun el grupo de investigacion HRM simula el mecanismo de asignacion y multitarea del cerebro con un modulo de alto nivel de procesamiento de planificacion lenta abstracta; un modulo de bajo nivel de procesamiento detallado y rapido.
Gracias a ello el HRM puede razonar secuencialmente en una sola revision en lugar de tener que pasar por muchos pasos complejos como el metodo de cadena de pensamiento (CoT) que se aplica a menudo en las LLM modernas.
En las pruebas estandar ARC-AGI la medida del progreso hacia la inteligencia artificial general (AGI) – HRM obtuvo resultados impresionantes.
En ARC-AGI-1 el modelo alcanzo el 40 3% superando a OpenAI 03-mini-high (34,5%) Claude 3.7 (21 2%) y DeepSeek R1 (15 8%). En ARC-AGI-2 mas dificil HRM aun alcanzo el 5% mientras que muchos otros modelos casi no lo superaron.
En particular HRM tambien resolvio Sudoku y encontro el camino en el abismo problemas que los LLM suelen fracasar.
Otra caracteristica especial de HRM es la capacidad de 'ajustar repetidamente' al comenzar con una respuesta cruda y luego mejorar gradualmente a traves de muchas veces de pensamiento corto pruebas continuas para detenerse cuando haya resultados optimos. Este enfoque ayuda a que el modelo de procesamiento de problemas logicos tenga una estructura mas eficiente.
Sin embargo los expertos señalan que la investigacion solo se ha publicado en la base de datos arXiv y no ha sido revisada.
El grupo de evaluacion ARC-AGI ha confirmado muchos resultados despues de que HRM fuera de codigo abierto pero cree que la mejora no proviene completamente de la arquitectura de nivel sino que puede estar relacionada con el proceso de ajuste en el entrenamiento.
Aunque aun necesita ser verificado mas HRM abre perspectivas de desarrollo de modelos de IA compactos y de bajo costo pero con una fuerte capacidad de razonamiento un paso mas cerca de la era de la inteligencia artificial general.
