Sakana AI, junto con el MIT y la Universidad de Nueva York, probaron si PicBreeder podría replicarse en agentes con modelos de lenguaje visual.
El PicBreeder original no tenía una imagen de destino. La gente simplemente elegía imágenes que les parecían prometedoras y las transmitía. A lo largo de muchas generaciones, rostros, animales, automóviles, calaveras y otras estructuras inesperadas aparecieron a partir de formas aleatorias.
Esta es una idea importante del libro de Kenneth Stanley The Goal Illusion: los descubrimientos poderosos a menudo no provienen de la optimización de métricas, sino de la búsqueda abierta.
En el nuevo experimento, los agentes VLM trabajaron de manera similar:
- miró el archivo general de imágenes.
- elegir lo que les parezca interesante
- desarrolló las opciones seleccionadas
- nuevas imágenes publicadas
- evaluó el trabajo de otros agentes
No se les dio la imagen del objetivo. No proporcionaron una función de progreso. No dijeron qué lograr.
Los agentes VLM en realidad encuentran pistas visuales y semánticas. Si agrega agentes con diferentes “personalidades”, el archivo se vuelve notablemente más amplio y aborda la diversidad humana en la diversidad.
Pero el principal fallo también es visible: los modelos se fijan demasiado rápido en el motivo encontrado. En lugar de cambiar repentinamente a un área nueva, a menudo comienzan a mejorar una forma, estilo o significado que ya les resulta familiar.
Una persona en PicBreeder puede ver una rareza aleatoria y darle una nueva dirección. VLM ve el patrón con más frecuencia y comienza a explotarlo.
Parece que para un descubrimiento abierto no basta con ser capaz de reconocer la novedad. También es necesario poder cambiar su propio criterio sobre lo que es interesante, abandonar una sucursal exitosa localmente y guardar señales débiles que aún no parecen útiles.
Blog:
pub.sakana.ai/picbreeder-vlm
Artículo:
arxiv.org/abs/2605.23908