Segun MarkTechPost (AI/ML News), Skyfall AI ha presentado MORPHEUS, una plataforma de simulación empresarial diseñada para abordar la realidad de operaciones continuas, sin reinicios artificiales tras cada episodio. A diferencia de los benchmarks tradicionales que resetean el entorno tras cada intento, MORPHEUS refleja condiciones reales donde las decisiones pasadas generan efectos futuros. Esta característica, conocida como persistencia, es clave para replicar escenarios industriales donde los resultados de acciones anteriores influyen directamente en las dinámicas actuales.
La arquitectura de MORPHEUS se basa en la Hipótesis del Gran Mundo (Javed & Sutton, 2024), que postula que la complejidad del entorno trasciende cualquier capacidad de representación de un agente. Por ello, incluso con dinámicas fijas, el entorno parece no estable. Para garantizar que los modelos aprendan de forma continua, el sistema requiere tres propiedades fundamentales: persistencia, no estacionaridad y complejidad operativa. La persistencia implica que las decisiones anteriores se acumulan y afectan al desarrollo futuro. La no estacionaridad asegura que cualquier política fija eventualmente se vuelve subóptima. La complejidad operativa indica que no existe una solución óptima estable, lo que obliga al agente a adaptarse constantemente.
Cada entorno dentro de MORPHEUS es una extensión autónoma en TypeScript, que exporta descriptores operativos (ODs), un cronómetro de simulación, datos iniciales y documentación técnica. Un OD detalla paso a paso cómo se ejecuta una funcionalidad específica. Los agentes interactúan mediante una API de capacidades, y cada llamada desencadena la ejecución de un OD. Este diseño permite que las acciones se ejecuten en un flujo real, sin intervenciones externas.
Para generar dinámicas de no estacionaridad, el sistema integra dos motores. El primero, un generador de fallos, introduce perturbaciones tipadas entre pasos de ejecución. Este motor cuenta con once tipos de fallos, como pérdida de datos, fallas de dependencia o límites de velocidad. Funciona a cuatro niveles predefinidos: ligero (5%), realista (8%), moderado (15%) y agresivo (30%). El segundo componente, un controlador de cambios asincrónicos, modifica los parámetros de fallos y la demanda en momentos fijos, sin sincronización con el ciclo de entrenamiento. Esto evita que el agente utilice la frecuencia de actualizaciones como señal de tiempo, un error común en sistemas de aprendizaje.
Además, el sistema registra recompensas a través de tres verificadores operativos, que miden eventos de fallo, estados de registros financieros y cumplimiento de procesos. Estos indicadores son capturados nativamente, permitiendo una evaluación precisa del rendimiento en condiciones reales.
Para el lector peruano, este avance representa un paso clave en la digitalización de procesos empresariales. En un contexto donde las empresas sudamericanas enfrentan cambios constantes —como inflación, reajustes regulatorios o crisis logísticas—, modelos que aprenden continuamente sin reinicios son esenciales. MORPHEUS no solo simula riesgos, sino que los hace parte integrante del flujo operativo. Esto podría transformar cómo las PYMEs o entidades públicas gestionan sus operaciones, adaptándose dinámicamente a condiciones impredecibles sin depender de estructuras rígidas.