Un sistema de IA agéntica ha redescubierto de forma autónoma tres leyes de tránsito establecidas e identificado un patrón no reportado anteriormente en el comportamiento de conducción urbana, demostrando que el descubrimiento científico mediante IA puede extenderse más allá de los entornos controlados de laboratorio hacia sistemas complejos del mundo real.
El sistema, llamado TrafficSci, fue desarrollado por investigadores entre los que se incluyen Xingyuan Dai y Fei-Yue Wang. Formula el descubrimiento de leyes de tránsito como un flujo de trabajo iterativo y auditable que integra el alcance de la evidencia, la inducción de hipótesis mediante crítico-juez y la validación observacional-intervencional, un proceso estructurado que produce resultados tanto reproducibles como explicables.
TrafficSci fue evaluado en cuatro estudios de caso que abarcan escalas de población, red, control y trayectoria. Redescubrió con éxito tres leyes de tránsito conocidas, patrones recurrentes de congestión, movilidad y comportamiento de conducción que forman la base científica para la planificación del transporte. Más significativamente, identificó una nueva escala de memoria temporal intrínseca en el comportamiento de conducción urbana, un patrón que resultó estadísticamente consistente en ocho ciudades y dos conjuntos de datos de trayectoria.
El hallazgo de la escala de memoria temporal sugiere que el comportamiento de conducción retiene la influencia de las condiciones de tráfico pasadas durante una ventana de tiempo específica y medible, un descubrimiento con aplicaciones potenciales en la gestión del tráfico, el control de vehículos autónomos y la planificación de infraestructuras. A diferencia de los promedios simples o las funciones de decaimiento, esta escala intrínseca representa una propiedad fundamental de la dinámica del tráfico urbano que no había sido caracterizada formalmente en la literatura.
El trabajo extiende la frontera del descubrimiento científico impulsado por IA. Los sistemas anteriores han tenido éxito en dominios como las matemáticas y la biología molecular, donde las variables pueden controlarse estrictamente. El tráfico opera en un entorno desordenado y estocástico con innumerables agentes interactuantes, condiciones climáticas y restricciones de infraestructura. Que una IA autónoma pueda extraer leyes robustas y transculturales de este ruido sugiere una aplicabilidad más amplia de los sistemas de descubrimiento agéntico en ciencias urbanas, economía y epidemiología.
Fuentes: Autonomous discovery of traffic laws with AI traffic scientists (arXiv, 2 de julio de 2026)
Traducido por Alessandra