¿Qué significa realmente que una Inteligencia Artificial “piense”?
En un mundo cada vez más seducido por las IA que escriben, resuelven acertijos y parecen capaces de razonar, esta pregunta se vuelve necesaria. Apple, una empresa más conocida por sus dispositivos que por sus publicaciones científicas, ha dado un paso importante con un estudio titulado The Illusion of Thinking. En él, examina los límites de los llamados Large Reasoning Models (LRM), modelos de lenguaje entrenados no solo para responder, sino para simular un proceso de pensamiento antes de dar una respuesta.
Para entender el aporte del estudio, primero hay que diferenciar dos tipos de inteligencia artificial que usamos todos los días. Por un lado están los Large Language Models (LLM), como ChatGPT o Claude en su versión estándar. Estos modelos generan texto prediciendo palabra por palabra lo que “suena” más coherente. Son muy buenos para redactar, traducir, resumir. Digamos que no piensan, solo calculan probabilidades de palabras.
Por otro lado, los LRM son una evolución: antes de responder, generan una secuencia de pasos que imita un proceso de razonamiento. Es como si pensaran en voz alta: “Primero hago esto, luego lo otro, por lo tanto…”. Esta estrategia se conoce como “Cadena de Pensamiento” y está diseñada para resolver tareas que exigen lógica, planificación o cálculo.
El estudio de Apple quiso ir más allá de ver si estos modelos aciertan en la respuesta final. Usaron entornos de rompecabezas controlados, entre ellos uno llamado “Cruce del Río”, donde varias personas deben cruzar un río con ayuda de sus acompañantes o “guardianes”. La barca tiene capacidad limitada y, lo más importante, ninguna persona puede quedarse sola con el guardián de otra, ni en la orilla ni en la barca. Si eso pasa, se rompe la regla. Aunque parece simple, el problema se vuelve muy complejo cuando aumentan los personajes, y pone a prueba la verdadera capacidad de planificación de estos modelos.
En los resultados, Apple identificó tres niveles de complejidad. En problemas fáciles, los modelos tradicionales (LLM) superaron a los LRM: eran más precisos y rápidos. En problemas de dificultad media, los LRM brillaron gracias a su capacidad de pensar paso a paso. Pero en problemas más complejos, todos fallaron. Se observó que, justo cuando el problema se hacía más difícil, los LRM empezaban a pensar menos, aunque tuvieran recursos disponibles para seguir razonando.
Incluso, cuando se les entregó la solución paso a paso, muchos modelos no supieron seguirla. No es que no pudieran descubrir la respuesta: tampoco supieron ejecutar una solución ya dada. Esto pone en duda su capacidad para aplicar reglas lógicas de manera confiable.
Este estudio demostró que la inteligencia artificial puede dar respuestas brillantes y hablar como si razonara, pero eso no significa que comprenda. La idea no está en frenar el desarrollo tecnológico, sino en ponerle una lupa crítica. Si no entendemos cuándo una máquina deja de razonar y empieza a improvisar, podríamos caer en la trampa de confiar en una ilusión diseñada por nosotros mismos.
- Temas relacionados :