Este trabajo presenta un estudio numérico del movimiento colectivo de dos nadadores que nadan libremente mediante un método híbrido de aprendizaje por refuerzo profundo (DRL) y el método de Boltzmann en frontera sumergida (IB-LBM). Se desarrolla una política de control activa entrenando a un nadador similar a un pez para nadar a una velocidad media de 0.4 L/T y un ángulo de orientación promedio de 0. Después del entrenamiento, el nadador es capaz de restaurar la velocidad y orientación de natación deseadas a partir de perturbaciones externas moderadas. Luego, la política de control es adoptada por dos nadadores idénticos en la natación colectiva. Se logran formaciones estables lado a lado, en línea y escalonadas según las posiciones iniciales. El área de natación estable lado a lado del seguidor se concentra en una pequeña área a la izquierda o derecha del líder con una distancia promedio de 1.35 L. El área estable en línea se concentra en una pequeña área a aproximadamente 0.25 L detrás del líder. Un análisis detallado muestra que tanto el control activo como la autoorganización pasiva juegan un papel importante en la aparición de las formaciones escolares estables, mientras que el control activo funciona para mantener la velocidad y orientación en caso de que los nadadores colisionen o se separen entre sí y la autoorganización pasiva trabaja para emerger una configuración escolar estable. El resultado apoya la conjetura de Lighthill y también destaca la importancia del control activo.