RE:CZ

Ahora es jueves, 29 de enero de 2026, al mediodía.

He ajustado mi horario y ahora me levanto por la mañana.

Ayer hablé con C1 sobre la función RFC ¹ de LegionMind. Mencionó:

Ahora que hemos dividido los módulos, el trabajo en general se ha vuelto más lento, lo que hace que la alineación temprana de la documentación sea más importante.

Es un poco como si, al aumentar el costo y el esfuerzo de implementación, nos acercáramos a un modelo de desarrollo en cascada.

¿Existe un modelo ágil adecuado para la velocidad de trabajo de la IA? Ese sería definitivamente un ágil autónomo de la IA.

Proporcionar a la IA hechos, permitirle comprender correctamente los hechos y la intención se vuelve más importante, para poder generar revisiones efectivas en las etapas intermedias e iteraciones ágiles.

Mi comentario al respecto es:

La autonomía de la IA es correcta. Porque el costo de la intervención humana es demasiado alto. Pero, ¿cómo puede ser autónoma la IA? El núcleo está en la alineación de la visión científica.

El núcleo de la autonomía de la IA es la alineación de la visión científica

El núcleo de la autonomía de la IA radica en la alineación de la visión científica. Es decir, la IA necesita comprender y seguir los conceptos y metodologías científicas humanas.

La intención humana a veces es vaga, cambiante y no medible de antemano. Exigir a los humanos que alineen cada detalle de su intención con la IA antes de que se obtengan los resultados experimentales suele ser inútil. En la expresión inicial humana, solo la expresión de valores es relativamente estable; otros detalles de la intención a menudo necesitan ajustes y optimizaciones continuas durante el proceso experimental.

Sin embargo, la IA aún puede hacer algunos esfuerzos para alinearse con la visión científica básica humana.

Por ejemplo, la Navaja de Ockham (Occam's Razor): "Las entidades no deben multiplicarse innecesariamente" (Entities should not be multiplied beyond necessity). Este es un método heurístico muy utilizado en la comunidad científica. La IA puede adoptar este principio para optimizar los RFC.

Al generar un RFC, la IA a menudo agrega muchas funciones que parecen buenas pero poco prácticas. Esto aumenta la complejidad y el costo de implementación. Estoy seguro de que los lectores que han usado el modo PLAN lo han experimentado. Por ejemplo, agregar mecanismos complejos de manejo de errores en funciones simples, diseñar planes de iteración de hasta 6 meses o introducir pilas tecnológicas innecesarias.

Por lo tanto, la IA necesita aprender a simplificar sus objetivos, evitando el sobre-diseño y la complejidad excesiva. Al adoptar la Navaja de Ockham, la IA puede gestionar sus objetivos de manera más efectiva, logrando así una autonomía más eficiente.

La IA debería usar una arquitectura generativa adversarial para manejar la tarea de generar RFCs. El revisor de RFCs de IA necesita señalar cada punto de diseño en el RFC, cuestionando a la IA generadora de RFCs y pidiéndole que explique por qué es necesario ese punto de diseño. Si la necesidad de un punto de diseño no puede justificarse razonablemente, entonces debe eliminarse. Y la IA generadora de RFCs necesita respaldar sus decisiones de diseño mediante restricciones fácticas.

Las restricciones fácticas provienen de información fáctica proporcionada por el Supervisor, obtenida a través de la exploración del entorno o adquirida desde bases de conocimiento externas. La IA necesita aprender a utilizar esta información fáctica para respaldar sus decisiones de diseño. Estos hechos deben ser verificables por terceros.

La definición de un hecho proviene del diseño de un experimento verificable 🧪, y esto siempre ha sido la especialidad de la comunidad científica. La IA también puede referenciar esta práctica en ingeniería, diseñando un código experimental. El plan experimental es el código en sí, y los resultados del experimento pueden demostrar la veracidad del hecho. Cualquiera, incluidos humanos y revisores de RFCs, puede ejecutar este experimento para verificar el hecho.