Generalist ha publicado GEN-1.5, un modelo de robótica que aprende una tarea nueva viendo una sola demostración de entre 3 y 12 segundos. Sin reentrenar. La demostración se mete en la ventana de contexto del modelo y ya.
Lo llaman "physical prompting". Es exactamente lo que suena: en vez de escribir un prompt, le enseñas una vez.
Los números
Generalist probó el modelo en 10 tareas distintas y publica tres regímenes:
- Una demostración, cero actualizaciones de pesos: 59% de acierto medio, con una desviación estándar del 10%.
- Un paso de gradiente sobre un minuto de datos: 66,5% en tareas no vistas.
- Diez pasos sobre cinco minutos de datos (unas 50 demostraciones): 83%, con desviación del 9%.
El dato que más dice es otro. Esos diez pasos de ajuste cambian los pesos del modelo menos de un 0,15%. La adaptación clásica en robótica se mide en decenas de miles de pasos de gradiente.
El modelo emite trayectorias de acción a 100 Hz y arrastra una ventana de contexto de 30 segundos donde conviven la demostración, los datos de sensores, el lenguaje y la propiocepción. Detrás hay más de ocho meses de preentrenamiento continuo.
Lo que la propia empresa admite
Hay que darles esto: el post no vende humo.
Las tareas son "simples y de horizonte corto". Las habilidades aprendidas de un solo ejemplo son "más frágiles" que las de un modelo ajustado. Y describen las tasas de acierto como "modestas", que con un 59% es una descripción justa.
Un robot que acierta 59 veces de cada 100 no sirve para producción. Sirve para demostrar algo distinto.
Qué demuestra en realidad
Un día antes, Rich Sutton había argumentado que el próximo salto de la IA no vendrá de meter más datos hechos por humanos, sino de agentes que sigan aprendiendo del mundo en el que operan. GEN-1.5 aterriza esa idea, aunque con un matiz que conviene no saltarse.
El truco de una sola demostración es aprendizaje en contexto, no aprendizaje persistente. Los pesos no cambian. Cuando la sesión acaba, el robot no se ha llevado nada. El modo de pocos ejemplos, donde sí toca pesos en 1-10 pasos, es el que se parece de verdad al aprendizaje continuo.
La frase que mejor resume el hallazgo es de ellos: adaptar el modelo ahora se parece más a recordarle algo que casi sabe que a enseñarle algo nuevo. Ocho meses de preentrenamiento físico amplio hicieron que unos segundos de experiencia nueva sean aprovechables.
Por qué le importa a alguien que no fabrica robots
Porque el mismo patrón está apareciendo en el software que sí usas.
La curva de aprendizaje de una herramienta interna siempre ha sido: documentar el proceso, escribir las reglas, mantenerlas cuando el proceso cambia. Lo que insinúa este trabajo es otra vía: enseñar el proceso una vez, con un ejemplo real, y que el modelo lo tenga en contexto mientras trabaja.
Es lo que en la práctica hace un buen fichero de contexto para un agente. No le explicas las reglas en abstracto, le pones tres ejemplos de cómo se hizo bien y uno de cómo salió mal. Rinde más que veinte párrafos de instrucciones.
La diferencia entre 59% y 83% en el trabajo de Generalist es cinco minutos de datos. En una empresa, esos cinco minutos son grabar cómo alguien hace la tarea de verdad, con sus excepciones, en vez de describirla desde la memoria.
Es la parte aburrida. También es la que decide si el montaje funciona.
Relacionado
