La joven startup singapurense Sapient Intelligence se ha propuesto alcanzar lo que muchos consideran el Santo Grial de la IA: la IAG, o Inteligencia Artificial General. Para lograrlo, apuesta por una arquitectura radicalmente innovadora: el Hierarchical Reasoning Model (HRM). Su modelo supera a LLMs mucho más voluminosos como OpenAI o3-mini, Claude 3.7 8K o DeepSeek R1 en tareas de razonamiento reputadamente arduas, con solo 27 millones de parámetros y alrededor de 1,000 ejemplos de entrenamiento, y esto sin preentrenamiento.
Sapient Intelligence cuenta en su equipo con antiguos miembros de Google DeepMind, DeepSeek, Anthropic y xAI, así como investigadores procedentes de universidades de primer nivel. La arquitectura que han desarrollado, inspirada en la forma en que el cerebro humano procesa la información, se basa en una estructura jerárquica y un procesamiento multiescala temporal.
Una arquitectura inspirada en la biología
A diferencia de los grandes modelos de lenguaje (LLM), que se basan mayoritariamente en la incitación por cadena de pensamiento (CoT), un método sujeto a descomposiciones frágiles de las tareas, el modelo HRM introduce un enfoque fundamentalmente diferente.
El modelo se apoya en una arquitectura jerárquica de dos niveles: una red recurrente de alto nivel gestiona la planificación abstracta y lenta, mientras que una segunda, a bajo nivel, trata la ejecución rápida y detallada.
Esta organización le permite alternar entre un razonamiento rápido e intuitivo y un análisis lento y deliberado en un solo pase de cálculo.
Crédito Sapiens. HRM dispone de dos redes recurrentes que funcionan a diferentes escalas de tiempo para resolver tareas complejas de manera colaborativa
.
Guan Wang, fundador y CEO de Sapient Intelligence, comenta:
"La IAG consiste realmente en dotar a las máquinas de una inteligencia a nivel humano, y eventualmente más allá de lo humano. CoT permite a los modelos imitar el razonamiento humano jugando con las probabilidades, y esto no es más que una solución de compromiso. En Sapient, partimos de cero con una arquitectura inspirada en el cerebro, ya que la naturaleza ha pasado ya miles de millones de años perfeccionándola. Nuestro modelo piensa y razona como una persona, y no se limita a analizar las probabilidades para obtener puntos de referencia. Creemos que alcanzará, y luego superará, la inteligencia humana, y será en ese momento cuando la conversación sobre IAG se volverá real".
Rendimiento
A pesar de su tamaño modesto, HRM supera a modelos como OpenAI o3-mini, Claude 3.7 8K o DeepSeek R1 en tareas reputadamente particularmente difíciles.
Alcanza notablemente un 5% en la versión 2 de ARC-AGI (Abstraction and Reasoning Corpus), uno de los benchmarks más exigentes para la inteligencia inductiva. En los puzzles Sudoku complejos y la búsqueda de caminos óptimos en laberintos 30x30, es el único en lograrlo.
¿Qué usos concretos?
La eficiencia del razonamiento del modelo y su baja dependencia de los datos abren perspectivas en áreas donde los grandes conjuntos de datos son limitados, pero donde la exactitud e interpretabilidad son esenciales.
Los casos de uso mencionados por Sapient Intelligence incluyen, por ejemplo, el de la salud donde se está probando para ayudar en el diagnóstico de enfermedades raras. Para las previsiones climáticas estacionales, el equipo anuncia tasas de precisión del 97%. Gracias a su ligereza computacional, HRM puede ser integrado en robots operando en tiempo real, en entornos dinámicos.
El código fuente está disponible en GitHub en la dirección https://github.com/sapientinc/HRM .