Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarX: @HowToPrompt__→ original

Un agente de Microsoft escribió a mano los pesos de una red neuronal y logró un 100 % de precisión en 13 tareas

Normalmente, una red neuronal se entrena con descenso de gradiente y después se intenta adivinar cómo funciona por dentro. En Microsoft pidieron a un agente de programación que escribiera en Python los pesos de la red como una hipótesis, que la comprobara con pruebas y que la reescribiera. En 13 tareas, como ordenar o calcular el máximo común divisor, logró un 100 % de precisión, y los modelos se comprimieron 29 veces, hasta una mediana de 166 parámetros. Si el resultado se puede leer, los errores en los datos se ven de inmediato, y no después de la publicación.

Procesado por IA desde X: @HowToPrompt__; editado por Hamidun News
Un agente de Microsoft escribió a mano los pesos de una red neuronal y logró un 100 % de precisión en 13 tareas
Fuente: X: @HowToPrompt__. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalX: @HowToPrompt__ ↗
Editor jefe
Dato clave #1En fMRI de la corteza visual, el modelo superó a todos los análogos interpretables
Dato clave #2Los rasgos auditivos mejoraron la predicción de señales en 126 de 166 electrodos
Dato clave #3El salto de la puntuación de 0,067 a 0,104 resultó ser un error del conjunto de datos, no un significado real

En las redes sociales, la nueva publicación de Microsoft se está describiendo como el «fin de la retropropagación». El titular es llamativo, pero el fondo es más modesto y más útil. Normalmente, una red neuronal se entrena así: se ajustan millones de veces sus números, los pesos, mediante descenso de gradiente, hasta que las respuestas son precisas.

El resultado es una caja negra: funciona, pero no está claro por qué. Los investigadores de Microsoft propusieron el método iWSP (Interpretable Weight-Space Programming, «programación en el espacio de pesos con un resultado interpretable»). Un agente de programación escribe por sí mismo los pesos de una red pequeña con código Python normal, como un científico que anota una hipótesis en forma de fórmula.

Sin descenso de gradiente y sin pesos preentrenados, resolvió al 100 % 13 problemas algorítmicos, y el tamaño de los modelos fue, en mediana, de solo 166 parámetros. Para quienes construyen agentes y trabajan con datos, es un ejemplo claro de cómo obtener artefactos verificables en lugar de cajas negras.

Cómo escribe el agente los pesos en lugar de entrenarlos

El ciclo se parece al trabajo habitual de un investigador. El agente formula una idea matemática sobre cómo resolver la tarea y la escribe directamente en los pesos del modelo. Después, un evaluador fijo ejecuta el modelo sobre las pruebas y devuelve una puntuación. El agente mira la cifra, corrige el código y repite el ciclo.

Una red neuronal habitual se parece a un cocinero que, a base de prueba y error, ha dado con una receta y no puede explicar por qué funciona. Aquí, la receta la escribe el propio autor, y cada línea puede leerse, cuestionarse y corregirse.

Primero se probó el método en 13 tareas algorítmicas: ordenación, multiplicación, distancia de edición (cuántas correcciones separan una cadena de otra) y máximo común divisor. Según el resumen publicado, el agente obtuvo un 100 % de precisión en cada una. Los modelos resultaron 29 veces más compactos que los habituales, con una mediana de 166 parámetros. Si se describe uno de estos modelos en menos de 200 palabras, otro modelo de IA reciente puede reconstruirlo desde cero, también con un 100 % de precisión. La red es tan transparente que puede explicarse con palabras.

Cerebro, Whisper y la trampa de los datos

Después, el método se aplicó a la neurociencia. Las redes profundas predicen bastante bien cómo responde el cerebro a imágenes, voz y relatos, pero no explican el mecanismo. En los datos de fMRI (imágenes de la actividad cerebral al ver imágenes), el modelo escrito a mano superó todos los enfoques interpretables existentes y funcionó con personas nuevas y con imágenes nuevas.

En los registros de ECoG (electrodos colocados directamente sobre la superficie del cerebro mientras se escuchan sonidos), los rasgos acústicos reunidos por el agente captaron señales que se le escaparon a Whisper-large-v3, de OpenAI. La predicción mejoró en 126 de los 166 electrodos.

El episodio más revelador ocurrió en un conjunto de datos de fMRI del lenguaje, en el que las personas escuchaban relatos. La puntuación del agente subió de forma repentina, de 0,067 a 0,104, y superó a GPT-2 XL. Con una caja negra, un salto así probablemente se habría celebrado y publicado. Pero el código era legible, y los investigadores miraron dentro. Resultó que el agente había encontrado un defecto en los datos: seguía la deriva de la señal al principio y al final del escaneo, y no el significado de la historia. Cuando se recortaron los bordes dañados de las grabaciones, el agente aun así obtuvo rasgos semánticos transparentes, y en calidad igualaron a GPT-2 XL.

Qué se deduce en la práctica

La lección principal trata de la auditoría, no del abandono de los gradientes. Un agente al que se le da una métrica la optimiza tal cual y encuentra cualquier atajo. Si el resultado se puede leer, el atajo se ve enseguida. Esto es útil para quien construye flujos de trabajo con agentes y evaluación automática: los errores en los datos o en el evaluador hay que detectarlos antes de publicar.

También hay límites honestos. En primer lugar, esto es un resumen de un artículo publicado en X, no la publicación en sí, así que las cifras conviene contrastarlas con el original. En segundo lugar, las tareas algorítmicas con 166 parámetros están muy lejos de los modelos de lenguaje con miles de millones de pesos, y nada indica que este enfoque vaya a sustituir al preentrenamiento de los LLM grandes. En tercer lugar, el propio agente sigue siendo un LLM normal, entrenado mediante retropropagación. Es decir, la retropropagación no ha desaparecido: simplemente trabaja en otro nivel.

Con todo, la idea es interesante. Si un modelo se necesita para una explicación científica, una auditoría regulatoria o una lógica crítica en la que importa entender la causa de una respuesta, la combinación de «agente de programación más evaluador estricto» ofrece una forma de obtener un modelo compacto y verificable. Se puede probar ya: dé al agente un conjunto fijo de pruebas, exija código legible y observe qué patrones encuentra.

Historia

Preguntas frecuentes sobre la noticia

Cómo escribe el agente los pesos en lugar de entrenarlos?

El ciclo se parece al trabajo habitual de un investigador. El agente formula una idea matemática sobre cómo resolver la tarea y la escribe directamente en los pesos del modelo. Después, un evaluador fijo ejecuta el modelo sobre las pruebas y devuelve una puntuación. El agente mira la cifra, corrige el código y repite el ciclo. Una red neuronal habitual se parece a un cocinero que, a base de prueba y error, ha dado con una receta y no puede explicar por qué funciona.

¿Qué se sabe sobre Cerebro, Whisper y la trampa de los datos?

Después, el método se aplicó a la neurociencia. Las redes profundas predicen bastante bien cómo responde el cerebro a imágenes, voz y relatos, pero no explican el mecanismo. En los datos de fMRI (imágenes de la actividad cerebral al ver imágenes), el modelo escrito a mano superó todos los enfoques interpretables existentes y funcionó con personas nuevas y con imágenes nuevas.

¿Qué se sabe sobre Qué se deduce en la práctica?

La lección principal trata de la auditoría, no del abandono de los gradientes. Un agente al que se le da una métrica la optimiza tal cual y encuentra cualquier atajo. Si el resultado se puede leer, el atajo se ve enseguida. Esto es útil para quien construye flujos de trabajo con agentes y evaluación automática: los errores en los datos o en el evaluador hay que detectarlos antes de publicar. También hay límites honestos.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…