El nuevo sistema de IA de DeepMind ha descubierto una forma extraña e innovadora de pensar, lo que representa un avance significativo en la inteligencia artificial. Este hallazgo subraya la creciente capacidad de las IAs para desarrollar enfoques cognitivos poco convencionales.
El autor propone un nuevo patrón de pensamiento de IA, "ADHD - Parallel Divergent Ideation for Coding Agents", inspirado en el pensamiento divergente. Sugiere reemplazar la "Chain-of-thoughts" lineal por un "Tree-of-thoughts" para que los modelos de IA conecten ideas dispares y piensen de forma más creativa.
Anthropic muestra que el verdadero desafío para los agentes de IA es mantener la coherencia en ejecuciones largas, no solo iniciar una tarea. Para evitar la deriva cognitiva y lograr la continuidad, proponen un "runtime harness" con memoria externa, puntos de control y re-anclaje continuo.
Lantea.ai presenta un sistema métrico propietario para evaluar la IA, desafiando la visión tradicional basada en la escala de parámetros. La empresa define cinco indicadores esenciales (Divergencia, Datos de Potencia Computacional, Entrada de Densidad de Señal, Precisión de Salida, Refinamiento) que miden la creatividad, la eficiencia computacional, la robustez lógica y la capacidad de refinación del conocimiento.
Las empresas de IA buscan desarrollar sistemas que puedan comprender el mundo exterior y superar las limitaciones de los LLMs. Los recientes avances han situado los modelos de mundo en el centro del debate sobre la inteligencia artificial.
El autor ha creado EIDOLON OS, un sistema operativo cognitivo de IA experimental y local-first. Integra memoria, visión, recuperación semántica y acciones de agente para transformar la actividad del escritorio en memoria estructurada y buscable.
Este contenido explora la fascinante área de traducir los procesos internos o "pensamientos" de un modelo de inteligencia artificial como Claude a un lenguaje comprensible. Investiga cómo las operaciones complejas de la IA pueden interpretarse y expresarse para comprender mejor su razonamiento.
Este artículo presenta la Programación de Actividades de Pensamiento Autónomo Impulsada por Latidos para agentes LLM, con el fin de superar los flujos de control rígidos y reactivos. El sistema permite una autorregulación proactiva, adaptativa y continua al orquestar dinámicamente módulos cognitivos, imitando el ritmo de la cognición humana.
El artículo propone una clasificación bidimensional para patrones de diseño de agentes de IA, combinando función cognitiva y topología de ejecución. Este nuevo marco busca superar las limitaciones de los sistemas existentes que describen arquitecturas de agentes LLM desde una única perspectiva.
Este estudio presenta un atlas del monitoreo metacognitivo a nivel de dominio en 33 LLM de frontera, analizando 1.500 ítems MMLU en seis dominios. Revela una variación significativa dentro del modelo, siendo el conocimiento Aplicado/Profesional el dominio más fácil y el Razonamiento Formal/Ciencia Natural los más difíciles de monitorear.
Este artículo explora la capacidad de los sistemas de inteligencia artificial para retener y recuperar información. Evalúa la efectividad de la 'memoria' de la IA en diversos contextos y aplicaciones.
Este artículo explora cómo los agentes de IA modernos utilizan la memoria a corto plazo (STM) y a largo plazo (LTM), estableciendo paralelismos con el sistema de memoria del cerebro humano. Define la STM en IA como memoria temporal para interacciones en curso y la LTM como almacenamiento persistente más allá de sesiones individuales.