Durante años hemos entrenado modelos cada vez más grandes para que “razonen” paso a paso con Chain-of-Thought (CoT). Es útil, pero tiene un problema: no es razonamiento real, es una lista de pasos escrita por humanos que el modelo trata de imitar.
Pero, ¿y si el modelo no necesitara narrar su proceso? ¿Y si pudiera pensar en silencio, como lo hacemos nosotros?
📣 Esta semana se publicó el Hierarchical Reasoning Model (HRM), un modelo con solo 27M de parámetros (sí, millones, no billones), que supera a Claude 3.7 y o3-mini en tareas que requieren razonamiento abstracto como:
Sudoku de dificultad extrema 🧩
Laberintos complejos 🌀
El benchmark ARC-AGI, considerado uno de los más duros para modelos sin preentrenamiento
¿Cómo lo hace?
🔁 Imita la arquitectura jerárquica del cerebro:
Un módulo lento y reflexivo (como el córtex prefrontal)
Un módulo rápido y táctico (como los circuitos motores)
Ambos colaboran a diferentes velocidades y convergen sin necesidad de retropropagación en el tiempo.
Lo impresionante: no usa CoT, no requiere millones de ejemplos, y aún así razona de forma increible.
Esto sugiere que el futuro del razonamiento en IA puede estar en cómo pensamos, no solo en el volumen de los entrenamientos.
Cambiar de arte marcial, no solo entrenar mas duro…
🧩 ¿Será esta la pieza que faltaba en el camino hacia una inteligencia general más humana (y mas eficiente?)?