Noam Brown es un informático estadounidense conocido por construir sistemas de juego que superan a los mejores profesionales humanos en juegos durante mucho tiempo considerados resistentes a la IA, y por liderar posteriormente investigaciones sobre modelos de razonamiento en OpenAI.
Brown obtuvo su doctorado en la Universidad Carnegie Mellon, donde trabajó con Tuomas Sandholm en agentes de póker. Su sistema Libratus derrotó a los mejores jugadores profesionales en Texas hold'em sin límite de heads-up en 2017, y un sucesor, Pluribus, venció a múltiples profesionales simultáneamente en póker de seis jugadores en 2019, un resultado notable porque implicaba a más de dos agentes compitiendo a la vez, un entorno multiagente mucho más difícil que los juegos de suma cero de dos jugadores que la IA había dominado anteriormente, como el ajedrez o el Go.
Diplomacia y CICERO
Después de unirse a Meta AI(entonces Facebook AI Research), Brown ayudó a liderar el equipo detrás de CICERO, un sistema que jugaba al juego de mesa Diplomacia, que requiere negociación en lenguaje natural, persuasión y planificación estratégica entre jugadores humanos. Publicado en Science en 2022, CICERO combinaba un modelo de lenguaje para generar diálogo con un motor de razonamiento estratégico, y logró un rendimiento a nivel humano en ligas de Diplomacia en línea, un hito a menudo citado como evidencia de que la IA podía manejar el razonamiento social cooperativo y adversarial, no solo juegos adversariales con información perfecta.
Traslado a OpenAI y o1
Brown se unió a OpenAI en 2023, donde trabajó en cómputo en tiempo de prueba, la idea de que la respuesta de un modelo puede mejorarse dejándolo "pensar" más tiempo en inferencia en lugar de solo escalar el entrenamiento. Este trabajo alimentó a OpenAI o1, lanzado en 2024, que usaba razonamiento extendido de cadena de pensamiento entrenado con aprendizaje por refuerzo para mejorar el rendimiento en tareas de matemáticas, codificación y lógica. Brown ha argumentado públicamente que escalar el cómputo en tiempo de prueba representa un segundo eje de progreso en IA junto al escalado de datos y parámetros de preentrenamiento, trazando una analogía con cómo sus propios agentes de póker mejoraban drásticamente cuando se les daba más tiempo para buscar antes de actuar, en lugar de solo más entrenamiento.
Reconocimiento
El trabajo de Brown en póker y Diplomacia ha sido ampliamente cubierto como evidencia de que las técnicas de IA basadas en teoría de juegos se generalizan más allá de los juegos de tablero estrechos hacia entornos que implican información oculta, negociación y muchos agentes simultáneos, temas que reaparecen en su investigación posterior sobre razonamiento. Se ha convertido en una de las voces investigadoras más visibles que explican la hoja de ruta de razonamiento de OpenAI en charlas públicas y entrevistas, a menudo enmarcando el escalado del cómputo en tiempo de prueba como complementario a, en lugar de un reemplazo de, las ganancias continuas de ejecuciones de preentrenamiento más grandes.