FSBio presenta Metabolic AI Runtime, una arquitectura de IA basada en la «homeostasis» en lugar de en prompts empáticos

FSBio ha propuesto una alternativa a los LLM convencionales. En lugar de añadir más parámetros y ampliar la ventana de contexto, la compañía describe Metabolic AI Runtime, una arquitectura en la que la respuesta nace del estado interno del sistema. Según sus autores, la empatía artificial no aparece tras entrenar con otro dataset de diálogos amables, sino cuando la IA tiene un equilibrio propio que el problema del usuario puede alterar.

Por qué el Transformer no basta

El texto de FSBio cuestiona la gran apuesta de la industria: el escalado. Los autores sostienen que, por muchos diálogos de Reddit, Twitter o foros que se le den al modelo, un Transformer sigue siendo una máquina de predecir el siguiente token. Imita bien la compasión, pero no la experimenta: carece de un estado propio que pueda desplazarse, alterarse o ajustarse temporalmente a la situación de otra persona. Por eso, frases como «lo siento» suenan más convincentes, pero no se convierten en una comprensión real del usuario.

De ahí surge la tesis principal del artículo: ampliar el contexto, aumentar los parámetros o desplegar nuevos clústeres de H100 no resuelve el problema de la subjetividad. Según FSBio, si un usuario se queja de cansancio, un LLM convencional simplemente reconoce el patrón y elige la respuesta estadísticamente adecuada. Dentro del modelo no cambia nada. Los autores consideran este enfoque un callejón sin salida para los compañeros de IA, los asistentes terapéuticos y los servicios en los que importa tanto la precisión factual como la sensación de que el sistema ha captado de verdad el estado de su interlocutor.

Qué propone FSBio

Frente al modelo stateless, la compañía describe una arquitectura con homeostasis interna. Se basa en principios modificados de Reservoir Computing y en circuitos dinámicos continuos, que el artículo compara con la neuroquímica: oxitocina, cortisol y adrenalina. Cuando un usuario llega con un problema, el sistema no busca una réplica prefabricada en un conjunto de plantillas. Procesa el contexto a través de su propio «metabolismo» y desplaza su equilibrio interno hacia esa petición. En este esquema, lo que importa es el propio desplazamiento interno: sin él, según los autores, la empatía se queda en una estilización lograda.

Los autores destacan varios elementos clave del sistema:

• circuitos dinámicos continuos en lugar de una inferencia stateless puntual
• homeostasis artificial, que puede desplazarse por influencia del problema del usuario
• Liquid Intuition, un mecanismo que recupera conocimiento a través del estado actual del sistema
• un gradiente de voluntad y pulsiones vectoriales que fijan la prioridad de la atención
• la posibilidad de no mantener una conversación vacía si los recursos internos del sistema han caído

La idea es que la respuesta surja como un intento de devolver el equilibrio a ambas partes a la vez: al usuario y al propio sistema. Esto se aleja bastante del prompting habitual, en el que simplemente se ordena al modelo que sea helpful y empathetic. FSBio afirma que la empatía no puede ser una directiva en el mensaje de sistema. Debe surgir como consecuencia de una arquitectura que tiene un estado propio y, por tanto, un coste por equivocarse o mostrarse indiferente.

Memoria y voluntad

Los autores también cargan contra el RAG clásico. En su opinión, la búsqueda por similitud del coseno sirve para extraer hechos, pero encaja mal a la hora de entender el estado de una persona. Si el sistema solo busca documentos cuyas palabras se parecen a la consulta, encuentra texto relevante, pero no necesariamente el fragmento de conocimiento que hace falta en la fase emocional concreta de la conversación. Por eso, Metabolic AI propone una memoria «fluida»: los recuerdos necesarios deben activarse por la tensión interna, no por una fría consulta matemática.

De aquí nace también el concepto de «voluntad de empatizar». El artículo explica que el sistema puede tener pulsiones que aumentan o reducen su disposición a invertir recursos de cómputo en un diálogo concreto. Esta IA no está obligada a responder igual a cualquier entrada. Puede ignorar la charla vacía, pero centrarse de golpe cuando el usuario plantea un problema que altera su equilibrio interno. Esto contrasta con los asistentes actuales, en los que la empatía suele fijarse mediante una instrucción y no como motivación interna.

«La empatía artificial es física, no lingüística».

Qué significa esto

El artículo de FSBio no anuncia un producto de consumo, sino que es un manifiesto arquitectónico contra la carrera actual por LLM cada vez más grandes. Si el enfoque resulta viable, el mercado podría desplazarse de modelos que simplemente suenan más humanos a sistemas con estado interno permanente, memoria dinámica e implicación selectiva. Por ahora es más una hipótesis de investigación sólida que un nuevo estándar de la industria, pero apunta directamente al punto débil de los asistentes de IA actuales: imitar la empatía sigue sin ser lo mismo que sentirla.