En un esfuerzo por acortar la brecha entre la inteligencia artificial y la capacidad de aprendizaje natural de los humanos Google acaba de anunciar un nuevo modelo de IA llamado HOPE (Encoder Progresivo Hierarchizado).
Esto se considera un gran paso adelante en el camino hacia la inteligencia artificial general (IAG) que es un tipo de IA que puede aprender adaptarse y mejorarse con el tiempo.
Segun un anuncio en el blog de Google el 8 de noviembre (hora local) HOPE se basa en el concepto de Nested Learning un nuevo enfoque inventado por el equipo de investigacion de Google.
A diferencia del entrenamiento lineal tradicional este metodo de aprendizaje considera un modelo de IA como un sistema de problemas de aprendizaje multinivel vinculado y optimizado simultaneamente lo que ayuda a la IA a procesar el contexto largo y aprender continuamente sin olvidar los conocimientos antiguos.
Los investigadores dicen que este metodo puede superar la situacion del olvido catastrofico (CF) una debilidad inherente de los modelos de lenguajes grandes (LLM) actuales.
Aunque los LLM ya pueden escribir poesia compilar codigo o conversar de forma natural todavia no pueden aprender de la experiencia una habilidad que el cerebro humano puede hacer todos los dias.
Segun Google Nested Learning abre una nueva direccion de diseño de IA cuando el modelo y el algoritmo de entrenamiento se consideran dos caras de la misma estructura.
Al combinar niveles de aprendizaje entre si HOPE puede recordar modificar y optimizar el comportamiento basado en experiencias previas algo que los modelos actuales son casi imposibles.
El famoso investigador Andrej Karpathy que trabajo en Google DeepMind opina que AGI todavia esta lejos de la humanidad porque ningun sistema es realmente capaz de aprender continuamente. Sin embargo el nacimiento de HOPE podria ser la primera señal para reducir esa brecha.
En un articulo cientifico presentado en la conferencia NeurIPS 2025 el equipo de investigacion de Google afirma que HOPE no solo tiene una menor complejidad de calculo sino que tambien alcanza una mayor precision en comparacion con los modelos modernos cuando se prueba en muchas tareas lingüisticas y teoricas diferentes.
Aplicando el principio de Nested Learning los ingenieros pueden diseñar componentes de aprendizaje mas profundos ayudando a la IA a aprender sistematicamente y a reaccionar de forma flexible ante los nuevos datos.
Creemos que este enfoque es la base para reducir la brecha entre los modelos actuales de LLM y la increible capacidad de aprendizaje del cerebro humano' enfatizo Google.
Si tiene exito HOPE podria marcar un hito en la industria de la inteligencia artificial cuando las maquinas no solo simulan el pensamiento sino que tambien saben autoaprender mejorar y recordar durante mucho tiempo como los humanos.
