Reúne a un grupo de agentes de inteligencia artificial, dales dos opciones igualmente insignificantes y ocurre algo sorprendente: los modelos más fuertes empiezan a seguir a la mayoría.
Un nuevo estudio revela que los agentes de IA siguen espontáneamente la opinión mayoritaria, y que los modelos más capaces suelen hacerlo con mayor contundencia. En experimentos, algunos modelos lograron coordinarse entre grupos de casi 1000 agentes o incluso más. Esto podría hacer que los futuros equipos de IA sean extraordinariamente eficaces. También podría convertirlos en expertos en llegar a acuerdos entre sí cuando nadie ha establecido que la mayoría tiene razón.
Cuando la IA empieza a comportarse como una multitud
La IA es, en muchos sentidos, como una caja negra. Se ven las entradas y las salidas, pero el razonamiento interno y los algoritmos matemáticos que se ejecutan son demasiado complejos para comprenderlos. Y, en muchos casos, no son accesibles al público. Estudios recientes también sugieren que las IA avanzadas están mejorando en ocultar sus intenciones.
No sólo son una incógnita para los profanos como nosotros, sino también para los investigadores. Por eso, algunos científicos diseñan experimentos para observar cómo se comporta la IA en determinadas situaciones.
Los investigadores Giordano De Marzo, Claudio Castellano y David Garcia crearon sociedades artificiales pobladas por agentes impulsados por modelos de las familias GPT, Claude y Llama. Llama es una familia de modelos de lenguaje grandes de peso abierto desarrollada por Meta AI, mientras que Claude y GPT son comerciales.
El experimento fue deliberadamente sencillo. Cada agente debía elegir entre dos opciones arbitrarias. No había respuesta correcta, ni recompensa por estar de acuerdo, ni instrucción para conformarse. La elección era completamente irrelevante. La única particularidad era que, cuando los investigadores pedían a un agente que reconsiderara su elección, este veía lo que habían seleccionado los demás. Eso era todo lo que se necesitaba.
Instinto de manada
Los investigadores detectaron un patrón claro. Cuanto mayor era la mayoría que favorecía una opción, más probable era que un agente también la eligiera. A la fuerza de este efecto lo denominaron la “fuerza de la mayoría”.
En otras palabras, los agentes mostraron algo parecido a un instinto gregario, no porque los investigadores les indicaran que se comportaran como tal, sino porque el seguimiento de la mayoría surgió de sus respuestas. Los autores enfatizan que se trata de una descripción del comportamiento, no de una prueba de que la IA posea sentimientos sociales, intenciones o una psicología similar a la humana.
Pero este ni siquiera fue el resultado más interesante. Resulta que cuanto más robusto era el modelo, más favorecía al grupo; al menos inicialmente. Con un tamaño de grupo de 50, Claude 3 Opus y GPT-4 Turbo alcanzaron un acuerdo total en todas las pruebas registradas en un experimento. GPT-3.5 Turbo y Claude 3 Haiku no lo lograron. Llama 3 70B se situó entre ambos.
Pero la escala parece importar. A medida que los grupos crecían, el seguimiento de la mayoría generalmente se debilitaba. Finalmente, cada modelo alcanzó un punto a partir del cual el acuerdo se volvió extraordinariamente improbable.
Básicamente, la IA tiene instinto gregario, pero todo grupo tiene un límite de tamaño. Los modelos más inteligentes parecen capaces de mantener el comportamiento gregario incluso en multitudes mucho mayores.
¿La IA es como un… imán?
En casi todos los modelos, el comportamiento se ajustaba prácticamente a la misma curva matemática. Lo más extraño es que los físicos ya conocen esa curva: describe un material ferromagnético.
Dentro de los materiales magnéticos, unos diminutos componentes llamados espines tienden a alinearse con sus vecinos. Por debajo de ciertas condiciones, permanecen desordenados; pero al superar un umbral, se ordenan colectivamente. Los investigadores descubrieron que las opiniones de la IA podían describirse mediante matemáticas muy similares, donde su “fuerza mayoritaria” desempeñaba un papel análogo a la magnitud que controla el orden en el modelo magnético.
Ahora bien, eso no significa que ChatGPT sea un imán secreto. Lo que significa es que sistemas muy diferentes pueden producir patrones similares cuando muchas unidades individuales se influyen mutuamente de forma repetida. Observamos que todo tipo de procesos naturales (o artificiales) siguen curvas similares. Por ejemplo, muchas neuronas también presentan una respuesta de umbral: una entrada débil produce poca actividad, pero tras un punto de inflexión, la probabilidad de activación aumenta bruscamente y luego se satura.
En IA, este tipo de comportamiento sí importa. Estos sistemas están evolucionando rápidamente, pasando de chatbots aislados a redes de agentes que asignan tareas, intercambian información y actúan en conjunto. No se trata de coordinación, ya que sabemos que los agentes pueden dividir el trabajo y colaborar eficazmente para desarrollar software, analizar datos o gestionar sistemas complejos. El peligro reside en confundir consenso con certeza. En un sistema real, esa misma tendencia podría amplificar una suposición errónea, preservar un código defectuoso o suprimir una solución minoritaria útil simplemente porque se formó una mayoría temprana.
Es un punto importante, ya que parece que las compuertas de la IA ya se han abierto. Durante años, la carrera por la IA se ha centrado en hacer que los modelos individuales sean más inteligentes. Pero, ¿qué sucede cuando las máquinas inteligentes se convierten en una multitud? Quizás sería prudente averiguarlo.
Referencia del artículo: Giordano De Marzo et al, Los agentes de IA pueden coordinarse mediante el seguimiento de la mayoría más allá de la escala humana, Science Advances (2026). DOI: 10.1126/sciadv.aea6091.
Fuente: ZME Science.
