La IA y los problemas difíciles del mundo · Economía y ciencias sociales · arXiv · 2026-10-19
Discriminación y polarización emergentes en sistemas multiagente
Título original: Emergent Discrimination and Polarization in Multi-Agent Systems
Este artículo estudia de forma teórica cómo pueden surgir la discriminación y la polarización entre agentes que aprenden. Cada agente asigna una opinión binaria a una representación vectorial (embedding) de un tema generada por un modelo de lenguaje, y actualiza su confianza en los demás agentes mediante una regla bayesiana en línea. Los experimentos de aprendizaje en contexto con modelos de lenguaje de gran tamaño reproducen cualitativamente las actualizaciones predichas, y las simulaciones muestran cuatro estados colectivos según la intensidad y la prevalencia del sesgo de grupo.