El nuevo algoritmo que promete hacer más listos a los agentes de IA sin gastar un dineral en GPUs

Mira, colega, últimamente no puedo evitar sentir que el mundo de la inteligencia artificial se ha convertido en una carrera de consumo de recursos. Cada vez que sale un nuevo modelo, parece que necesitas una central nuclear para hacerlo funcionar. Y ojo, que los agentes de IA molan un montón, pero cuando les pides que planeen algo un poco complejo —como organizar una ruta de reparto o gestionar una cocina— se vuelven lentos y carísimos. Pero acabo de leer algo que me ha hecho levantar la ceja con interés: un equipo de investigadores ha presentado el GATS, o lo que es lo mismo, Graph-Augmented Tree Search. Vamos, que han dado con una forma de que los agentes piensen sin tener que recurrir constantemente al LLM (el cerebro gordo de la IA) durante el proceso de planificación. Y eso, amigo mío, es un cambio de juego.

Te pongo en contexto: hasta ahora, los sistemas como LATS (Language Agent Tree Search) o ReAct funcionan más o menos así: el agente va probando acciones, y cada vez que necesita decidir el siguiente paso, llama al LLM. Es como si cada vez que quisieras cruzar una calle, tuvieras que llamar a un gurú para que te diga si mirar a la izquierda o a la derecha. El resultado es caro, lento y, encima, impredecible, porque el LLM no siempre da la misma respuesta. Con GATS, la cosa cambia. En lugar de eso, construyen un modelo del mundo por capas —una especie de mapa mental— y usan un algoritmo de búsqueda en árbol basado en UCB1, que es una técnica clásica de exploración y explotación. ¿El truco? El LLM solo se usa para construir ese modelo inicial y para interpretar los resultados finales, pero no para cada paso intermedio. Así que el agente puede planificar sin tener que gastar un pastizal en inferencias.

Y no te creas que es una chorrada. El equipo ha probado el sistema en entornos como ALFWorld (un simulador de tareas domésticas) y WebArena (un benchmark de navegación web), y los resultados son la leche: reducen el coste computacional hasta en un 90% comparado con LATS, y además mejoran la tasa de éxito en tareas complejas. ¿Cómo lo consiguen? Pues combinando un grafo de estados con una búsqueda en árbol que prioriza las rutas más prometedoras sin tener que preguntar al LLM a cada paso. Es como si el agente aprendiera a moverse por el mapa con un GPS, en lugar de pedir direcciones en cada esquina.

Pero lo que más me mola es la capa de abstracción. El modelo del mundo se divide en capas: una capa de bajo nivel que maneja las acciones concretas (como coger un objeto o hacer clic en un botón), y una capa de alto nivel que se encarga de la estrategia general. Así, el agente puede planificar a nivel abstracto —por ejemplo, "primero ve a la cocina, luego coge el vaso"— sin tener que preocuparse de los detalles de bajo nivel hasta que toca ejecutar. Y todo eso sin llamar al LLM en medio. Es como si tuvieras un jefe que te dice "ve a por el café" y luego tú mismo te encargas de los pasos, sin tener que pedirle instrucciones para cada movimiento.

Ahora, no te voy a vender la moto de que es perfecto. El sistema tiene sus pegas. Por ejemplo, la construcción del modelo del mundo inicial sigue requiriendo una inferencia del LLM, y si el entorno cambia mucho, el modelo puede quedarse obsoleto. Pero los investigadores ya están trabajando en versiones que actualicen el modelo en tiempo real. Además, la técnica UCB1 no es nueva, y hay quien dice que se podría mejorar con algoritmos más modernos. Pero vamos, que el enfoque es sólido y, sobre todo, práctico. Porque al final, lo que importa en el mundo real es que la IA pueda hacer cosas útiles sin arruinarte en electricidad.

Y esto tiene implicaciones gordas. Piensa en coches autónomos, robots de almacén, asistentes virtuales que realmente organicen tu agenda... Todos esos sistemas necesitan planificar en tiempo real, y hasta ahora el coste de hacerlo con LLMs era prohibitivo. GATS abre la puerta a que esos agentes sean más autónomos y, sobre todo, más baratos. Y en un momento donde todo el mundo habla de la burbuja de la IA y de si los costes son sostenibles, esto es un soplo de aire fresco.

En fin, que si te interesa el tema, te recomiendo que le eches un ojo al paper. No es un ladrillo infumable, y las gráficas que muestran las comparativas de rendimiento son bastante claras. Y si eres de los que piensa que la IA solo vale para generar memes y textos de relleno, este tipo de avances te harán cambiar de opinión. Porque aquí no se trata de hacer poesía, sino de tomar decisiones en el mundo real. Y eso, colega, es lo que realmente importa.

Según ha adelantado el medio arXiv AI.