Resumen:La proliferación de la inteligencia artificial agente ha superado las herramientas conceptuales necesarias para caracterizar la agencia en los sistemas computacionales. Las definiciones predominantes se basan principalmente en la autonomía y la orientación a objetivos. Aquí, defendemos una noción mínima abierta a una inspección basada en principios dados tres criterios: la intencionalidad como acción basada en creencias y deseos, la racionalidad como acción normativamente coherente implicada por un modelo mundial, y la explicabilidad como acción causalmente rastreable a estados internos; Posteriormente los instanciamos como un proceso de decisión de Markov parcialmente observable bajo un marco variacional en el que las creencias posteriores, las preferencias previas y la minimización de la energía libre esperada constituyen conjuntamente una cadena de acción agente. Utilizando un paradigma canónico de laberinto en T, evidenciamos cómo el empoderamiento, formulado como la capacidad de canal entre acciones y observaciones anticipadas, sirve como una métrica operativa que distingue fenotipos de agencia cero, intermedia y alta a través de manipulaciones estructurales del modelo generativo. Concluimos argumentando que a medida que los agentes se involucran en una búsqueda epistémica para resolver la ambigüedad, los controles de gobernanza que siguen siendo efectivos deben pasar sistemáticamente de las restricciones externas a la modulación interna de preferencias previas, ofreciendo un puente variacional basado en principios desde el fenotipado computacional hasta la estrategia de gobernanza de la IA.
Publicado originalmente en export.arxiv.org el 27 de abril de 2026.
Ver fuente original
