El artículo académico 'Thinking Fast and Slow in AI: the Role of Metacognition', publicado en arXiv en octubre de 2021, propone una nueva arquitectura para sistemas de inteligencia artificial inspirada en la teoría de la metacognición humana. Los autores argumentan que la IA actual, dominada por modelos de 'narrow AI' dependientes de grandes volúmenes de datos y potencia computacional, carece de capacidades cognitivas más amplias y flexibles. Para superar esta limitación, el texto sugiere estudiar los mecanismos que permiten a los humanos realizar tareas complejas y proponer una solución basada en una arquitectura multiagente.
Esta propuesta divide el procesamiento de problemas en dos tipos de agentes: los 'sistema 1' o 'rápidos', que reaccionan automáticamente basándose únicamente en la experiencia pasada, y los 'sistema 2' o 'lentos', que se activan deliberadamente cuando es necesario razonar o buscar soluciones óptimas que exceden las capacidades del agente rápido. Ambos tipos de agentes operan sobre un modelo del mundo que incluye conocimiento de dominio y un modelo de 'yo' que contiene información sobre acciones previas y habilidades de los resolutores. El objetivo final es integrar estas competencias en sistemas de IA para mejorar su capacidad de adaptación y razonamiento, moviéndose más allá de la simple predicción o clasificación de datos.