FSBio Describe Metabolic AI Runtime — Arquitectura de IA con "Homeostasis" en Lugar de Prompts Empáticos

FSBio propuso una alternativa a los LLM familiares: en lugar de expandir parámetros y ventana de contexto, la empresa describió Metabolic AI Runtime, donde la respuesta emerge del estado interno del sistema. Según el diseño de los autores, la empatía de la máquina aparece no después de otro dataset con diálogos educados, sino cuando la IA tiene su propio equilibrio que puede ser interrumpido por un problema del usuario.

Por qué Transformer no es suficiente

En su texto, FSBio cuestiona la apuesta básica de la industria en el escalado. Los autores creen que sin importar cuántos diálogos de Reddit, Twitter o foros se alimenten al modelo, el Transformer sigue siendo una máquina de predicción del siguiente token. Imita bien la compasión, pero no la experimenta: no tiene estado interno alguno que pueda ser desplazado, interrumpido o temporalmente ajustado a la situación de otra persona.

Por lo tanto, frases como "lo siento" suenan más convincentes, pero no se transforman en comprensión genuina del usuario. Esto lleva a la tesis principal del artículo: expandir contexto, aumentar el número de parámetros y nuevos clusters con H100 no resuelven la tarea de subjetividad. Si un usuario se queja de fatiga, un LLM ordinario, según FSBio, simplemente reconoce el patrón y selecciona una respuesta estadísticamente apropiada.

Nada cambia dentro del modelo. Los autores llaman a tal enfoque un callejón sin salida para compañeros de IA, asistentes terapéuticos y servicios donde no solo la precisión factual importa, sino también la sensación de que el sistema realmente captó el estado del interlocutor.

Lo que propone FSBio

En lugar de un modelo sin estado, la empresa describe una arquitectura con homeostasis interna. Se basa en principios modificados de Reservoir Computing y lazos dinámicos continuos, que en el artículo se comparan con la neuroquímica — oxitocina, cortisol y adrenalina. Cuando un usuario llega con un problema, el sistema no busca una respuesta lista en un conjunto de plantillas, sino que pasa el contexto a través de su propio "metabolismo", desplazando el equilibrio interno hacia esta solicitud. En tal esquema, el mero hecho del desplazamiento interno importa: sin él, según los autores, la empatía sigue siendo solo una estilización exitosa. Los autores destacan varios elementos clave de tal sistema:

• lazos dinámicos continuos en lugar de inferencia sin estado única
• homeostasis artificial que puede desplazarse bajo la influencia de un problema del usuario
• Liquid Intuition — un mecanismo para extraer conocimiento a través del estado actual del sistema
• gradiente de voluntad y drives vectoriales que establecen la prioridad de atención
• la capacidad de no mantener conversación vacía si los recursos internos del sistema se han agotado

La idea es que la respuesta debe emerger como un intento de restaurar el equilibrio simultáneamente para ambos lados: el usuario y el propio sistema. Esto es notablemente diferente del prompting familiar, donde los modelos simplemente reciben instrucciones de ser útiles y empáticos. FSBio afirma que la empatía no puede ser una directiva en un mensaje del sistema. Debe surgir como consecuencia de una arquitectura que tiene su propio estado y, por lo tanto, un costo para el error o la indiferencia.

Memoria y voluntad

Por separado, los autores atacan el RAG clásico. Según su versión, la búsqueda por similitud de coseno es adecuada para extraer hechos, pero inadecuada para entender el estado humano. Si el sistema solo busca documentos similares a la consulta por palabras, encuentra texto relevante, pero no necesariamente el fragmento de conocimiento necesario en la fase emocional actual de la conversación.

Por lo tanto, en Metabolic AI, se propone que la memoria sea "fluida": los recuerdos necesarios deben activarse bajo la influencia de la tensión interna, no de una solicitud matemática seca. De aquí surge el concepto de "voluntad de empatizar". El artículo afirma que el sistema puede tener drives que fortalezcan o debiliten su disposición a invertir recursos computacionales en un diálogo específico.

Tal IA no está obligada a responder de forma idéntica a cualquier entrada. Puede ignorar charla vacía, pero enfocarse agudamente cuando un usuario trae un problema que interrumpe el equilibrio interno del modelo. Esto contrasta con los asistentes actuales, donde la empatía más a menudo se establece por instrucción que por motivación interna.

"La empatía de máquina es física, no lingüística."

Lo que significa

El artículo de FSBio no es un anuncio de un producto masivo, sino un manifiesto arquitectónico contra la actual carrera por LLM más grandes. Si este enfoque resulta viable, el mercado podría desplazarse de modelos que simplemente suenan más humanos a sistemas con estado interno permanente, memoria dinámica y participación selectiva. Por ahora es más una fuerte hipótesis de investigación que un nuevo estándar de la industria, pero definitivamente golpea un punto débil de los asistentes de IA actuales: la imitación de empatía sigue sin ser igual a la empatía.