El éxito de Faraday confirma que entrenar a los modelos en la curiosidad metodológica y el gusto científico puede superar a la mera ampliación de los tamaños de los modelos computacionales.
Índice del artículo:
- Avanzado logro científico del agente de inteligencia artificial Faraday
- La filosofía del gusto en la investigación y el uso del aprendizaje por refuerzo
- Entorno de trabajo colaborativo y afrontamiento de las restricciones de contratación
- Preguntas frecuentes
Avanzado logro científico del agente de inteligencia artificial Faraday
La empresa «Inherent», un laboratorio emergente de inteligencia artificial con sede en la capital británica, Londres, fundado por un grupo selecto de expertos e investigadores anteriores del laboratorio «Google DeepMind», anunció que su nuevo agente inteligente «Faraday» logró superar a modelos principales mucho más grandes pertenecientes a las empresas Anthropic y OpenAI, basándose en un modelo inteligente que representa una pequeña fracción de los tamaños de esos modelos gigantes.
Aunque la empresa no ha recibido un amplio revuelo mediático en comparación con algunas empresas competidoras fuertemente financiadas, tras pocas semanas de salir de su fase de sigilo y recaudar una ronda de financiación inicial de 50 millones de dólares, ha comenzado a mostrar sus innovaciones tangibles. La empresa confirmó que su agente inteligente Faraday superó a los modelos líderes más conocidos en una tarea específica y de alta precisión: la reproducción independiente de resultados científicos contenidos en artículos de investigación publicados sin previo conocimiento de la respuesta o las conclusiones de antemano.
Edward Hughes, cofundador y director científico de Inherent, explicó que la repetición de experimentos y la reproducción de investigaciones se considera una progresión de entrenamiento estándar para los científicos humanos, y declaró: «Muchos estudiantes de doctorado comienzan su trayectoria académica realizando precisamente esta tarea». Añadió en declaraciones al sitio TechCrunch que el objetivo principal no era solo superar a otros sistemas inteligentes, sino el enfoque de ingeniería innovador seguido para construir este agente.
La filosofía del gusto en la investigación y el uso del aprendizaje por refuerzo
El aspecto más interesante para los inversores y expertos radica en la comparación técnica; mientras que el rendimiento de Faraday se comparó con modelos gigantes y de gran tamaño como «Claude Opus 4.8» de Anthropic y «GPT-5.5» de OpenAI, el agente de Inherent opera basándose en un modelo inteligente relativamente pequeño llamado «Qwen 3.6», que cuenta con solo 27 mil millones de parámetros (donde los parámetros representan una medida del tamaño del modelo y sus costos de entrenamiento). El estándar de éxito de la empresa no se limitó a la mera precisión computacional, sino que se centró en dotar al agente de lo que describe como «gusto investigador», que es la intuición científica para determinar qué experimentos merecen ser ejecutados y cómo diseñarlos a la perfección.
Enseñar a los modelos un concepto tan intangible como el gusto en la investigación es algo complejo, y es aquí donde destaca el papel del aprendizaje por refuerzo, un método de entrenamiento que recompensa al sistema inteligente por lograr buenos resultados en lugar de inculcarle reglas rígidas y predeterminadas. Inherent se basó en este enfoque basado en recompensas partiendo de su apuesta por su capacidad de generalización y expansión para lograr su objetivo a largo plazo de construir agentes capaces de contribuir al descubrimiento de conocimiento en múltiples campos científicos.
Este enfoque se reflejó en lo que la empresa decidió no construir internamente: en lugar de desarrollar una herramienta de software propia para escribir código, hizo que Faraday utilizara la herramienta «GPT-5.5 Codex» de OpenAI, tal como los científicos humanos recurren al software disponible y listo para usar para centrarse en el núcleo de la investigación científica.
Entorno de trabajo colaborativo y afrontamiento de las restricciones de contratación
Inherent busca evitar la construcción de agentes que se limiten a repetir lo que el usuario desea escuchar; en su lugar, el diseño del agente se basa en el modelo del colega curioso que realiza sus propios experimentos y regresa para debatir los resultados y proponer nuevas vías. Este enfoque colaborativo se extiende al entorno de trabajo de la empresa, donde sus 12 empleados trabajan de forma totalmente presencial en una oficina ubicada en la zona de King’s Cross en Londres, la cual se ha transformado, gracias a la presencia de DeepMind, en uno de los focos de inteligencia artificial más importantes del mundo.
Hughes expresó su optimismo ante la densidad de talento técnico en Londres, pidiendo al mismo tiempo el fin del sistema de «baja por jardinería» (garden leave) común en Gran Bretaña, que impide a los empleados que abandonan sus empresas unirse a competidores o fundar nuevas empresas durante varios meses, otorgando así a las empresas estadounidenses una ventaja competitiva para atraer talento. La empresa planea aumentar el número de sus empleados a entre 20 y 25 trabajadores para finales del año en curso, lo dota de atractivo para el talento en medio de sus ambiciones de construir los modelos mundiales del futuro. La lista de fundadores de la empresa incluye, junto a Hughes, a Louis Kirsch, Kaloyan Aleksiev y Tantum Collins.
Preguntas frecuentes
Pregunta: ¿Cuál es el logro científico que alcanzó el agente inteligente Faraday?
Respuesta: Logró reproducir investigaciones y documentos científicos publicados con total independencia, superando a los modelos Opus y GPT.
Pregunta: ¿Cuál es el tamaño del modelo en el que se basa el agente de Inherent?
Respuesta: Se basa en el modelo Qwen 3.6, que contiene solo 27 mil millones de parámetros, siendo mucho más pequeño que los modelos líderes competidores.
Pregunta: ¿Cuál es la metodología que siguió la empresa para entrenar al agente en el gusto investigador?
Respuesta: Se basó en el aprendizaje por refuerzo centrado en premiar los buenos resultados para fomentar la exploración y el diseño experimental depurado.
