Miguel Ángel Gaspar analiza los modelos LLM y explica por qué la IA no piensa, sino que calcula probabilidades.
Norbert Wiener, 1948, padre de la cibernética, y Alan Mathison Turing, 1950, padre de las bases de la informática moderna, establecieron hace más de 70 años, con sus trabajos e investigaciones, lo que hoy conocemos como inteligencia artificial y que venimos utilizando desde 1990 con creciente asiduidad. ¿Qué es entonces esta explosión de “inteligencias” que inunda nuestras vidas, promete un futuro venturoso para algunos y, por otra parte, un reemplazo imparable de mano de obra para otros?
Lo que ha cambiado radicalmente en los últimos años no es la existencia de la inteligencia artificial, sino su accesibilidad y capacidad conversacional. Los modelos de lenguaje de gran escala, conocidos como LLM (Large Language Models), representan un salto cualitativo: son sistemas entrenados con enormes cantidades de texto que aprenden a predecir y generar lenguaje humano con sorprendente coherencia.
Estos modelos funcionan identificando patrones estadísticos en billones de palabras. No “piensan” como nosotros; calculan probabilidades sobre qué palabra debería seguir a otra, creando respuestas que parecen inteligentes porque replican estructuras del pensamiento humano capturadas en sus datos de entrenamiento. Pueden redactar textos, resumir información, traducir idiomas, generar código y sostener conversaciones que hace apenas tres años habrían parecido ciencia ficción.
Sin embargo, aquí radica la paradoja: cuanto más potentes son estas herramientas, más crucial se vuelve la inteligencia humana. Los LLM no comprenden realmente lo que dicen, no tienen criterio ético, no distinguen lo verdadero de lo verosímil, y carecen de experiencia vivida. Pueden generar una respuesta médica técnicamente correcta pero inapropiada para un paciente específico, o producir argumentos brillantes defendiendo una premisa falsa.
Leer la nota completa en La Tribuna
