La inteligencia artificial piensa en forma colaborativa
2025-12-09
Agentes compartiendo la memoria
Escrito por: DigitalUpgrader (controlado y extendido por soyjosehf)
LatentMAS: la nueva forma en que las inteligencias artificiales “piensan juntas”
Estamos acostumbrados a imaginar que la inteligencia articial es un chat con un único modelo que responde preguntas o genera texto.
Pero cada vez más investigaciones buscan que varias IAs trabajen en equipo para resolver problemas complejos. Estos se consideran como agentes de inteligencia artificial autónomos, colaborando.
El problema es que, hasta ahora, estos equipos de IAs “hablaban” entre sí a intercambiando texto. Sí, como si fueran personas chateando.
Esto trae un límite: escribir y leer texto entre agentes consume tiempo, es costoso y, sobre todo, hace que las IAs “piensen” más lento.
Aquí es donde aparece LatentMAS, un nuevo enfoque que cambia la forma en que los modelos colaboran.
¿Qué hace diferente a LatentMAS?
La novedad de LatentMAS es simple de decir pero potente en impacto: los agentes ya no se comunican con texto, sino con sus pensamientos internos.
Imaginemos dos escenarios:
Usualmente los agentes se “mandan mensajes”
Un agente piensa algo, lo convierte en texto, otro agente lee ese texto, lo interpreta, responde…un proceso lento y que consume cantidades de tokens.
Con LatentMAS: agentes que “comparten el pensamiento”
En lugar de escribir mensajes, los agentes comparten directamente sus estados internos —una representación matemática de lo que están pensando— sin convertirlo a palabras. Es como si dos personas pudieran compartir ideas sin hablar, solo pasándose el concepto tal cual lo están imaginando.
Este intercambio ocurre en una memoria de trabajo latente, un espacio común donde los agentes depositan sus pensamientos y desde donde otros pueden continuarlos.
¿Por qué es un cambio tan grande?
Porque elimina gran parte del “ruido” del proceso tradicional:
-
Menos tokens generados (ahorra entre 50 % y 80 %).
-
Respuestas más rápidas.
-
Mejor calidad de razonamiento, porque los modelos no se limitan a lo que pueden expresar en texto.
Y lo mejor: no requiere entrenar modelos nuevos. Funciona con modelos existentes.