ByteDance y Li Han: cómo hacer que las redes neuronales trabajen, no solo hablen

El Dr. Li Han, jefe del laboratorio de IA de ByteDance, ha publicado un trabajo sobre un framework universal para agentes de IA construido sobre cuatro módulos: percepción, planificación, memoria y acción. Según Jiqizhixin (机器之心), el objetivo del desarrollo es reemplazar los actuales sistemas de agentes experimentales como AutoGPT y BabyAGI, que a menudo "se rompen en el segundo paso y alucinan en bucles infinitos", por una herramienta industrial confiable.

Quién es Li Han

Li Han es una figura cuyo nombre en el mundo del procesamiento del lenguaje natural pesa, como dice el material, "aproximadamente lo mismo que todo el parque de servidores de una startup mediana". Su trayectoria profesional pasó por Microsoft Research Asia y Huawei antes de ocupar el puesto de jefe del laboratorio de IA de ByteDance. Se trata de una trayectoria aplicada, no de una carrera académica: según el autor de la publicación, este perfil indica que a Li Han no le interesa la belleza teórica de las arquitecturas, sino su poder aplicado, es decir, trasladar ideas de archivos PDF a productos reales.

Cuatro nodos de la arquitectura

El problema clave de los modelos de lenguaje actuales que resuelve el framework es la incapacidad de planificar con anticipación: el modelo "vive el momento", generando el siguiente token en lugar de trazar una estrategia. La arquitectura propuesta se centra en cuatro nodos críticos: percepción, planificación, memoria y acción. El modelo primero construye un árbol jerárquico de objetivos y luego usa herramientas externas para alcanzarlos, verificando constantemente con la memoria a largo plazo. El autor del material describe el efecto así: el enfoque convierte a la IA "de un estudiante de filología en un gerente de proyectos experimentado".

Por qué le importa esto a los negocios y quién es el competidor

Para que la IA genere dinero real en el sector B2B, necesita entrar por sí misma en el CRM, analizar datos, elaborar un informe y enviarlo al cliente sin pedir permiso en cada paso; precisamente este es el escenario que aborda el framework de Li Han. ByteDance, que opera con volúmenes colosales de datos y algoritmos de recomendación complejos, está interesada en estos sistemas autónomos como nadie más. El desarrollo se describe como un desafío directo al proyecto AutoGen de Microsoft: si las empresas occidentales, según el autor, suelen depender más de la "fuerza bruta" del cómputo, ByteDance apuesta por un esquema de ingeniería estructural, elegante y escalable.

Preguntas frecuentes

¿Qué propuso exactamente Li Han?

Un framework universal para agentes de IA basado en cuatro módulos: percepción, planificación, memoria y acción. En lugar de generar una respuesta "en el momento", el modelo primero construye un árbol jerárquico de objetivos y luego los alcanza a través de herramientas externas, verificando constantemente con la memoria a largo plazo.

¿En qué se diferencia esto de AutoGPT y BabyAGI?

Los sistemas de agentes existentes como AutoGPT y BabyAGI, según la descripción del material, son inestables: se rompen en los primeros pasos de la ejecución de tareas y caen en bucles de alucinación. El framework de Li Han introduce una arquitectura sistemática de planificación y memoria que debería convertir esos prototipos de agentes "de juguete" en una herramienta industrial confiable.

¿Por qué podría esto ser un desafío para Microsoft AutoGen?

Porque ambos proyectos resuelven el mismo problema —la construcción de agentes de IA autónomos y de múltiples pasos—, pero, según el autor de la publicación, por caminos diferentes: AutoGen y otros desarrollos occidentales suelen apoyarse más en el poder de cómputo, mientras que ByteDance, a través de Li Han, propone un esquema de ingeniería estructural. El resultado de la competencia dependerá de quién logre trasladar más rápido la arquitectura de una publicación académica a la producción.