Durant segles, les persones van repetir un refrany simple, però profund: "la unió fa la força". L'utilitzem per parlar de famílies, equips o països. Però fins ara ningú no l'havia aplicat a les màquines que pensen. La intel·ligència artificial (IA) més avançada —aquestes que ja poden escriure textos, programar, traduir, resoldre problemes difícils, sempre va ser vista com una cursa individual: quina és la millor, quina guanya, quin supera les altres.

Però en aquest moment passa una cosa que canvia per complet aquesta manera de pensar. Per primera vegada, un grup de científics va demostrar que, en lloc de competir, les intel·ligències artificials poden col·laborar. I no només això, quan s'uneixen de certa manera, aconsegueixen coses que cap no podria fer sola. És una revolució silenciosa, però profunda, com quan algú descobreix que sumar dues llanternes il·lumina millor que una sola, fins i tot si una era més potent que l'altra.

Aquestes màquines que avui sorprenen el món es diuen "models de llenguatge". S'entrenen amb enormes quantitats de text, com si un pogués llegir tots els llibres, tots els llocs web, tots els articles del món, i després aprengués a parlar, raonar i resoldre preguntes amb aquest coneixement. Els models més famosos tenen noms com ChatGPT, Gemini o DeepSeek.

Encara que cada un sembla saber de tot, en realitat tots tenen una personalitat amagada. Alguns són millors per escriure codi, altres per resoldre endevinalles lògiques, altres per redactar amb estil humà. Perquè cadascú va ser entrenat amb diferents dades, amb diferents mètodes, amb diferents objectius. És com si fossin estudiants que van assistir a diferents escoles: tots saben llegir i escriure, però un sobresurt en matemàtiques, un altre en literatura i un altre en jocs d'estratègia.

Fins ara, quan un utilitzava un d'aquests models, n'havia d'elegir només un. Era com tenir una conversa amb una sola ment, per més brillant que fos. Però un equip d'investigació al Japó va decidir provar una cosa diferent.

Es van preguntar: què passaria si deixem que alguns d'aquests models treballin junts, com un equip? I si poguessin col·laborar, discutir idees entre ells, corregir-se i complementar-se? La idea sona simple, però portar-la a la pràctica va ser un desafiament enorme. No és només demanar-li a tres models una resposta i elegir la millor. És més semblant a organitzar una obra de teatre amb tres actors que no es coneixen: cal decidir qui diu què, quan, com i per què.

Per aconseguir-ho, els investigadors van crear un sistema que imita la forma en què els humans resolem problemes difícils. Imaginem que hem d'armar un moble complex sense instruccions. El primer que faríem és pensar una estona, provar una peça, veure si encaixa i si no, començar de nou. Potser demanaríem ajuda a algú amb més experiència.

Després revisaríem el progrés, faríem ajustaments i, al final, arribaríem a una solució. Això és el que ara poden fer aquests models de llenguatge quan els hi fa treballar en conjunt. Un prova una resposta, un altre la revisa, un tercer proposa una idea millor, i així successivament. Cada model aporta el que millor sap fer, com un grup d'experts resolent un cas complicat.

Però no n'hi ha prou amb ajuntar-los, cal guiar-los. Per a això, el sistema funciona com un director d'orquestra que decideix en cada moment quin camí seguir: si val la pena millorar una solució que ja està sobre la taula, o si és preferible començar de zero amb una de nova.

I també decideix qui tocarà en aquell moment: si crida al model que és millor escrivint codi, o a què entén millor les instruccions abstractes. Aquesta manera de dirigir es basa en tècniques matemàtiques que permeten prendre decisions, encara que no se sap per endavant quina és la millor opció. És com tastar sabors de gelat sense saber quin t'agradarà més, però aprenent de cada cullerada.

Els resultats d'aquest experiment van ser sorprenents. Van posar a prova als models en tasques extremadament difícils, que consisteixen a mirar uns exemples, entendre la lògica que hi ha darrere, i aplicar aquesta lògica a un cas nou.

Una cosa que per a un humà pot semblar simple —com veure que si un botó vermell s'encén, la llum s'apaga, i deduir la relació, resulta difícil per a les màquines. Tanmateix, quan van treballar en equip, els models van resoldre problemes que, per separat, els van ser impossibles. De vegades, un proposava una resposta equivocada, però servia com a inspiració perquè un altre trobés la solució correcta. És una col·laboració real, no una votació.

El més sorprenent és que això contradiu la idea original amb què es van dissenyar aquestes intel·ligències: que fossin generalistes, és a dir, bones per a tot. Resulta que, a la pràctica, cada una es torna bona en una cosa diferent. Com si l'experiència i les dades amb què van ser entrenades les portessin a desenvolupar talents únics. I això obre preguntes noves: per què un model acaba destacant-se en una cosa i no en una altra? Com podem saber per endavant per a què serveix cada un? Es pot entrenar un equip d'intel·ligències des del començament, en lloc d'esperar que cada una neixi per separat?

Aquest descobriment també planteja un canvi profund en la manera en què utilitzem la IA. Fins ara, volíem un model cada vegada més gran, més poderós i més perfecte. Ara veiem que, amb una coordinació intel·ligent, diversos models petits en superen un de sol. És com passar de construir l'auto més ràpid a tenir un equip de vehicles especialitzats que alternen per portar-nos més lluny i més segurs. I això té conseqüències pràctiques: en lloc de gastar milions en crear un únic model gegantí, potser convé tenir diversos models més modestos que treballin junts.

El que passa no és un ajustament tècnic. És una revolució conceptual. Per primera vegada, estem veient que les màquines també poden beneficiar-se del treball en equip, de la diversitat, de la col·laboració. No es tracta només de velocitat o memòria, es tracta d'IA.

I això ens obliga a repensar moltes coses: des de com es dissenyen els sistemes d'IA, fins a com els utilitzem en la nostra vida diària. Potser, en el futur pròxim, quan parlem amb un assistent virtual, no parlarem amb una sola ment, sinó amb un cor d'intel·ligències que pensen juntes per ajudar-nos millor. Com sempre, l'important no és qui té la raó, sinó que entre tots trobem la millor resposta. La unió, fins i tot entre màquines, torna a fer la força.

Les coses com són