Innovadores menores de 35 2026 · Inteligencia artificial · MIT · Edad 29
Muchas empresas que desarrollan agentes de IA los han presentado como el tipo de asistentes personales capaces de asumir las tareas mundanas de un individuo. Ayush Chopra, investigador del MIT, tiene una visión diferente: enjambres masivos de agentes que trabajan juntos para explorar problemas de poblaciones enteras.
Chopra denomina a estos enjambres LPMs —modelos de grandes poblaciones. Cada agente individual puede tener una inteligencia limitada, pero las interacciones entre cientos de millones de ellos producen una especie de mente colmena que puede utilizarse para simular una variedad de fenómenos complejos, desde el comportamiento de las multitudes humanas hasta la forma en que se propagan las enfermedades.
En la primavera de 2024, Chopra y sus colegas se propusieron predecir la propagación de la gripe aviar en EE UU con un LPM que simulaba las cadenas de suministro de granjas avícolas y ganaderas. Diferentes agentes modelaron varias métricas: la migración de aves, los vertidos de aguas residuales de granjas infectadas, el comportamiento económico de agricultores y consumidores en todo el país, y así sucesivamente. «Este enjambre agéntico está capturando dinámicas que van desde los patrones de migración de mil millones de aves hasta el comportamiento del consumidor en Whole Foods y Target», afirma Chopra.
La simulación identificó 100 focos que el equipo compartió con los Centros para el Control y la Prevención de Enfermedades y el Departamento de Agricultura de EE UU. A finales de año, 87 de esos lugares habían notificado casos de gripe aviar.
Chopra también está utilizando LPMs para simular cómo las herramientas de IA podrían afectar a 151 millones de trabajadores en 3.000 condados de EE UU y qué tipo de cambios podrían resultar en la economía en general. El objetivo es proporcionar a los responsables políticos una visión más detallada del impacto potencial de la IA que la que ofrecen únicamente las cifras de empleo.
Mirando más allá de los LPMs, a medida que los sistemas multiagente se generalizan, el trabajo de Chopra también podría arrojar luz sobre cómo hacer que grandes cantidades de agentes de IA interactúen en general. Hoy en día, la mayoría de los equipos de agentes funcionan en una especie de a és controlado por un único «titiritero» de software. Pero a medida que el tamaño de esos equipos aumenta, la capacidad de coordinación debe estar integrada en los propios agentes, dice Chopra: «Los orquestadores centrales no escalan a 100.000 millones de agentes».