Arquitectura de Doble-Proceso para agentes de IA

Descomponiendo la IA en 'Conciencia' y 'Reflejos': Arquitectura de Proceso Dual para Agentes con Respuesta de 16 ms

Los agentes modernos de LLM en juegos, robótica y sistemas interactivos sufren de una compensación fundamental: altas capacidades cognitivas vienen a costa de una latencia inaceptable. Incluso modelos locales como Gemma 3 o Llama 3 requieren entre 800 y 2500 ms para un ciclo completo de inferencia—algo inaceptable en entornos con una tasa de refresco de 60 FPS. Hemos implementado una separación arquitectónica de responsabilidades que elimina este cuello de botella: la ‘conciencia’ (Sistema 2) opera a un nivel estratégico con frecuencias de hasta 0,5 Hz, mientras que ‘la médula espinal’ (Sistema 1) funciona como un motor reflexivo con latencia ≤16 ms y un rendimiento superior a 60 Hz.

Descomponiendo la IA en 'Conciencia' y 'Reflejos': Arquitectura de Proceso Dual para Agentes con Respuesta de 16 ms

El cerebro humano no resuelve ecuaciones diferenciales cuando retiras tu mano del fuego. Se basa en arcos reflejos preentrenados y optimizados neurofisiológicamente—sin involucrar la corteza. De manera similar, en los agentes de IA actuales, cada señal entrante (sonido, vector de colisión, cambios en la iluminación) pasa por el mismo pesado stack de LLM: tokenización → embedding → atención → decodificación → postprocesamiento → animación. Este enfoque no escala: con 100 NPCs en UE5, incluso usando Llama 3 8B cuantizado, la latencia crece de forma no lineal y el consumo máximo de VRAM puede alcanzar los 48 GB.

Nuestras mediciones muestran que el 73% del tiempo de ejecución de un agente se dedica a procesar disparadores semánticamente redundantes—por ejemplo, la amplitud de la voz del jugador o el ángulo de rotación de la cámara—que no requieren comprensión del lenguaje, sino solo detección de umbral y generación de respuestas paramétricas. El Sistema 1 elimina esta redundancia al trabajar directamente con datos sensoriales crudos: vectores float32 de matrices de micrófonos, paquetes 6DoF de IMUs, coordenadas UV normalizadas de seguimiento ocular.

La Arquitectura de Proceso Dual: Interacción entre dos capas

El Sistema 2 es el clásico stack de LLM (local o en la nube), responsable de:

• Formular objetivos a largo plazo,
• Gestionar la memoria episódica,
• Interpretar eventos complejos (“el jugador rompió el contrato”, “un aliado fue asesinado”),
• Generar estados de alto nivel en forma de embeddings vectoriales de longitud fija (p. ej., [Estado de ánimo: Sospechoso, Confianza: 0,2, Prioridad: Vigilancia]).

El Sistema 1 es una red neuronal ligera personalizada (≤1,2 millones de parámetros), construida sobre una ResNet-10 modificada con gating residual y pooling aprendible sensible al tiempo. No tiene tokenizador, mecanismo de atención ni decodificador. Su entrada es el flujo sensorial crudo más el vector actual del Sistema 2. Su salida consiste directamente en parámetros controlables:

• Ángulos de Euler para 32 articulaciones esqueléticas,
• Ponderaciones para 89 blendshapes faciales,
• Parámetros del controlador PID para el control de servos de drones.

La clave ingenieril: no hay serialización/deserialización entre las capas. El vector del Sistema 2 se transmite a través de un segmento de memoria compartida, y el Sistema 1 lo accede mediante un archivo mapeado en memoria con un buffer circular sin bloqueo. Esto reduce la sobrecarga entre capas a menos de 0,3 ms.

Capacidades técnicas reales

Esta separación permite características imposibles con un enfoque de stack único:

• Adaptación de pesos sobre la marcha—no es fine-tuning, sino corrección online de pesos mediante SGD adaptativo con momento=0,95 y tamaño de paso dependiente de la varianza de la señal de entrada. Durante una batalla contra un jefe en UE5, el sistema aprende la trayectoria de ataque preferida del jugador en solo 28 segundos (tiempo promedio) y comienza a generar bloqueos 112±19 ms antes del inicio de la animación de ataque.

• Cambio de contexto sin latencia—cambiar modos de comportamiento no implica recargar el contexto de LLM; en su lugar, se realiza mediante un intercambio atómico de la matriz de pesos del Sistema 1. Al mismo tiempo, el estado interno (estado oculto de las unidades GRU) se preserva, asegurando transiciones fluidas en microexpresiones y dinámicas posturales.

• Compartición de recursos a nivel de enjambre—100 NPCs en una misma escena comparten una instancia común del Sistema 1 (pesos compartidos), pero cada uno tiene su propia instancia individual del Sistema 2. Esto resulta en una reducción del 92% en la memoria GPU en comparación con la replicación completa y permite ejecutar 240 NPCs en una sola A100 80GB sin degradación de FPS.

Integración en stacks de producción

La arquitectura no requiere modificar el motor del juego. Ofrecemos un SDK en C++ con una interfaz ABI estable:

struct ReflexInput {
  float sensor_data[128]; // IMU crudo, bins FFT de audio, etc.
  float system2_vector[64]; // de la salida de LLM
  uint64_t timestamp_ns;
};

struct ReflexOutput {
  float joint_angles[32];
  float blend_weights[89];
  bool needs_system2_update; // desencadena reevaluación
};

ReflexEngine engine;
engine.load("system1.bin");
ReflexOutput out = engine.step(input);

El soporte para Unity y Unreal se implementa mediante wrappers de plugin nativos con sincronización automática de timestamps entre el hilo del juego y el hilo de renderizado. Para robótica, hemos añadido un nodo ROS2 con comunicación interprocesos sin copia mediante DDS.

Lo que importa

• El Sistema 1 no es una ‘versión más ligera de LLM’—es una arquitectura fundamentalmente diferente sin atención, tokenización ni generación de texto.
• La transferencia de datos entre capas se maneja mediante un buffer circular sin bloqueo en memoria compartida—crucial para un comportamiento determinista en tiempo real.
• El entrenamiento del Sistema 1 se realiza en línea, sin recolectar conjuntos de datos: se utiliza acumulación de gradientes a lo largo de ventanas temporales y currículo automático basado en la varianza del error de predicción.
• La aproximación del comportamiento a través del Sistema 1 mantiene la coherencia semántica con el Sistema 2 gracias a la regularización mediante divergencia KL entre los vectores predichos y los objetivos.
• El soporte para 60+ Hz se logra no simplificando el modelo, sino abandonando la universalidad: el Sistema 1 está especializado para un dominio sensorial y una tarea específicos.

Esta arquitectura elimina la barrera artificial entre ‘inteligente’ y ‘rápido’. No reemplaza a los LLM—los libera de tareas para las cuales no fueron diseñados originalmente. La capa reflexiva asume el control reactivo, permitiendo que la capa cognitiva se concentre en lo que realmente requiere comprensión: intenciones, ética y consecuencias a largo plazo. A medida que crecen las demandas de interactividad en la IA para juegos, sistemas autónomos y robótica de borde, este enfoque deja de ser una opción y se convierte en una necesidad de la arquitectura ingenieril.

— Editorial Team