Un buen fichaje aprende todo el tiempo. En su segunda semana alguien comenta que a un cliente se le factura cada trimestre, y ese cliente no vuelve a recibir una factura mensual. A final de año sabe cientos de pequeñas cosas así, y aprender la última no le ha costado ninguna de las demás.
Pídele lo mismo a una IA, y lo que hace cualquier buen compañero se convierte en un problema de investigación. Tu modelo aprendió el mundo en un único y largo entrenamiento, y después lo que sabía quedó fijado. Para enseñarle algo nuevo hay que volver a entrenarlo, y entrenarlo con lo nuevo tiende a desgastar lo antiguo. Así que los equipos corrigen las mismas respuestas semana tras semana, o esperan a la siguiente versión y cruzan los dedos.
Duplex aprende como ese fichaje: de cada resultado, mientras se trabaja, y cada lección nueva no le cuesta ninguna de las antiguas. Además se adapta a medida que cambia el trabajo, lo que es aún más difícil.
El aprendizaje continuo significa incorporar lo nuevo sin perder lo anterior.
Lo nuevo y lo antiguo tiran en sentidos opuestos.
Tu trabajo sigue avanzando mucho después de que se entrenara tu modelo. El lunes llega un arreglo, el miércoles cambia una regla, y cada día tu equipo confirma resultados que el modelo nunca ha visto. Aprender de cada uno en el momento es difícil, porque exige cosas que tiran en sentidos opuestos.
Si un sistema aprende con avidez, lo nuevo desplaza a lo antiguo. Los investigadores lo llaman olvido catastrófico, y por eso un modelo entrenado con las correcciones de este mes puede empezar a fallar en las respuestas del mes pasado. Si, en cambio, se aferra a lo que sabe, su conocimiento se queda quieto mientras tu trabajo avanza, así que las respuestas se desfasan. Y todo lo que aprende tiene que seguir abierto a tu equipo, para que una lección equivocada se pueda corregir o quitar sin alterar el resto.
Juntas, estas exigencias forman el trilema de las redes neuronales: plasticidad, estabilidad y editabilidad. Una red neuronal consigue dos como mucho. Y aprender en producción exige más que dos de ellas: un sistema tiene que seguir un cambio, conservar su trabajo previo, aceptar una corrección, seguir siendo rápido a medida que crece y saber lo que no ha aprendido, todo a la vez y con trabajo real. Duplex cumple las cinco, en cada ejecución.
Reentrenar hace esperar a cada arreglo.
La mayor parte de lo que se vende como aprendizaje continuo es reentrenamiento continuo. El sistema reúne lo que ha cambiado, reentrena el modelo, prueba la nueva versión y la pone en lugar de la anterior. Luego espera a la siguiente ronda.
Entre una ronda y otra, el modelo se queda como estaba. El arreglo que hizo tu equipo el lunes espera a esa ronda, y hasta entonces el mismo error les llega a todos los clientes que preguntan. Las respuestas nunca están más al día que la última ronda, y tu trabajo no espera al calendario de nadie.
Cada ronda es un proyecto en sí misma: un pipeline de entrenamiento, un clúster de aceleradores y un equipo que los maneje. Y cada ronda produce un modelo nuevo, que puede perder parte de lo que sabía el anterior.
El ajuste fino en línea, que reentrena sobre la marcha, corre el mismo riesgo. Tras un cambio de política, aprendió el cambio y se quedó con Casi nada de su trabajo previo. Duplex siguió el mismo cambio con el 100% de su trabajo previo intacto.
El lunes, tu equipo corrige una respuesta errónea.
Duplex aprende y actúa en ejecución.
Duplex aprende de cada resultado en cuanto tu equipo lo confirma: una prueba superada, una revisión aprobada, una corrección aceptada. La siguiente petición ya lo refleja, y Duplex actúa según lo que aprendió, dentro de tus reglas: responde, traspasa o rechaza. No hay ningún entrenamiento que esperar, ninguna versión nueva que probar ni ningún modelo que sustituir.
Aprende junto a tu IA, y no dentro de ella. Los pesos de tu modelo se quedan como están, y Duplex no necesita GPU. Puedes revisar, corregir o quitar cualquier cosa que haya aprendido, y todo lo demás sigue como estaba. Esa tercera necesidad, la editabilidad, es la que más le cuesta al reentrenamiento, porque en un modelo reentrenado nadie puede señalar una sola lección y cambiarla.
Duplex está basado en ACI, Adaptive Continual Intelligence: los algoritmos y la arquitectura propietarios de Vareon para una inteligencia que aprende y actúa de forma continua en ejecución. ACI es el resultado de años de investigación sobre ese trilema, y es lo que permite a Duplex incorporar lo nuevo sin renunciar a lo antiguo.
Aprender en ejecución también mantiene al día las respuestas. Tras un cambio de política, el 0% de las respuestas de Duplex estaban desfasadas. Caché y recuperación, que seguían sirviendo lo que habían encontrado antes del cambio, dieron respuestas desfasadas el 72% de las veces.
Adaptarse es aún más difícil.
Aprender un arreglo es la mitad del trabajo. La otra mitad es adaptarse: saber cuándo se aplica lo aprendido, cuándo no, y qué hacer cuando cambia el trabajo. Un sistema que aplica cada lección en todas partes es tan poco útil como uno que no aprende nada, y más peligroso, porque suena seguro de sí mismo.
Tres momentos lo muestran. La misma petición llega con otras palabras, y Duplex la reconoce y responde. Una petición parece conocida pero es nueva, como un reembolso de una tarjeta regalo, y Duplex la distingue y recurre a tu IA, con el contexto de lo que sabe del caso. Cambia una regla, y Duplex sigue la regla nueva desde la siguiente petición, mientras el resto de lo que sabe sigue igual.
En un flujo de 3,000 decisiones en el que las reglas cambiaron cinco veces, Duplex acertó el 92.5% de las decisiones afectadas por esos cambios. El modelo por sí solo, sin forma de aprender las reglas nuevas, acertó el 2.3%.
Duplex aprende de cada resultado confirmado y construye sobre él.
Cada resultado mejora el siguiente.
Un modelo mejora cuando su creador entrena el siguiente. Eso ocurre según el calendario del laboratorio, para todos a la vez, y el nuevo modelo llega sin saber nada de tu trabajo.
Creemos que Los agentes mejorarán con una segunda inteligencia a su lado, en un bucle recursivo, en ejecución. Por eso creamos Duplex. Un agente con Duplex a su lado mejora cada día que trabaja, gracias a sus propios resultados: actúa, vuelve el resultado, Duplex aprende de él, y la siguiente acción parte de una base mayor que la anterior. Mejores decisiones traen mejores resultados, y mejores resultados le enseñan más a Duplex.
Los modelos seguirán mejorando, y querrás el mejor de ellos. Tu trabajo también seguirá cambiando, cada hora de cada día. Con Duplex junto a tu IA, el aprendizaje deja de ser algo que le pasa a un modelo de vez en cuando. Pasa a formar parte del propio trabajo: cada resultado le enseña algo a Duplex, cada lección se apoya en la anterior, y todo ello viene contigo al siguiente modelo.