CORAL: Evolución Multi-Agente para Descubrimiento Autónomo en Entornos Abiertos | Sistema de IA para la generación y validación de hipótesis científicas | Marco de evolución algorítmica persistente sin supervisión humana

Abstract

PROBLEMA: La mayoría de los sistemas de IA están limitados a resolver tareas predefinidas; la creación de sistemas capaces de descubrimiento abierto (open-ended) y evolución continua sin intervención humana es un reto abierto. SOLUCIÓN: Presentan CORAL, un marco para la Evolución Autónoma Multi-Agente enfocada al descubrimiento científico y técnico. Los agentes no solo resuelven problemas, sino que generan activamente nuevas hipótesis y refinan sus propios algoritmos de búsqueda. METODOLOGÍA: Utilizan un ciclo de retroalimentación donde una población de agentes explora un entorno de simulación, compartiendo 'archivos de éxito' que evolucionan mediante recombinación algorítmica. RESULTADOS: Demuestran que CORAL puede redescubrir principios físicos complejos y optimizar arquitecturas de redes neuronales de forma más eficiente que los métodos de búsqueda por fuerza bruta. RELEVANCIA: Este enfoque es clave para el futuro de la IA "científica" y el desarrollo de sistemas que puedan operar en regímenes de datos donde el conocimiento humano es limitado.