La Agencia de Proyectos de Investigación Avanzados de Defensa (DARPA) presentó este martes su nuevo proyecto, denominado "Comunicación de Agentes Mejorada mediante Matemáticas" (MATHBAC, por sus siglas en inglés). El objetivo principal es construir una base matemática rigurosa que optimice los mecanismos de comunicación entre agentes de inteligencia artificial, acelerando así el ritmo de los descubrimientos científicos.
DARPA ya ha publicado la convocatoria oficial, invitando a los investigadores a presentar propuestas para este programa de 34 meses, estructurado en dos fases. Los equipos seleccionados podrán recibir una financiación de hasta 2 millones de dólares para la primera etapa.
Estableciendo las bases matemáticas para la colaboración de la IA
En su anuncio, DARPA señaló que, aunque la IA actual destaca en la búsqueda dentro de espacios de soluciones, aún presenta limitaciones significativas a la hora de explorar sistemáticamente espacios de hipótesis. Los modelos actuales dependen mayoritariamente de métodos heurísticos de ensayo y error, careciendo de una comprensión profunda de la lógica de interacción entre agentes, lo que deriva en una colaboración ineficiente y difícil de escalar.
"El objetivo de MATHBAC es lograr un avance en la eficiencia del razonamiento científico mediante la facilitación de una comunicación efectiva entre sistemas de IA, lo que permitirá acelerar de forma sistemática el descubrimiento de nuevas hipótesis", afirmó DARPA en la descripción del proyecto.
La primera fase del programa se centrará en el desarrollo de modelos matemáticos destinados a diseñar y comprender los protocolos de comunicación entre agentes. El enfoque de la investigación no solo recaerá en cómo los agentes intercambian información, sino también en la calidad del contenido compartido.
Al entrar en la segunda fase, el proyecto profundizará en el contenido mismo de dicha comunicación. Los investigadores deberán evaluar si los agentes son capaces de extraer "principios" a partir de los datos —es decir, sintetizar leyes científicas generalizables o correlaciones— y convertir esta información en módulos de "memoria" compartidos por los agentes colaboradores.
Para validar este objetivo, DARPA ha planteado un desafío de gran envergadura. Por ejemplo, espera que los agentes sean capaces de deducir automáticamente leyes científicas, similares a la tabla periódica de Mendeléyev, a partir de conjuntos de datos, en lugar de depender únicamente de lógicas preestablecidas.
Con este programa, DARPA busca transformar la colaboración de la IA, pasando de las interacciones aleatorias actuales a un proceso científico basado en una teoría de sistemas rigurosa, permitiendo finalmente que los agentes de IA colaboren de manera más eficiente para resolver los desafíos tecnológicos más complejos de la actualidad.