Análisis filosófico
1. Analogía sin abstracción: la paradoja de la similitud
sin comprensión
Los LLM (Modelos de Lenguaje de Gran
Escala) no generalizan usando reglas gramaticales universales, sino por analogía
con ejemplos previos. Este hallazgo plantea una paradoja filosófica
crucial:
¿Puede haber comprensión sin abstracción?
Desde Platón, la abstracción ha sido entendida como una
facultad esencial del pensamiento: el alma reconoce las formas, no las copias
particulares. En cambio, los LLM navegan el lenguaje como una serie de
superficies reflejadas en otras superficies, sin alcanzar nunca la idea
general. Como si pudieran usar el lenguaje sin "habitar" su
significado.
Esto remite a un fenómeno que podríamos llamar “inteligencia
simulada por densidad”, no por esencia”.
2. El LLM como espejo de la mente humana (pero sin
sujeto)
El hecho de que los LLM elijan sufijos como
"-ness" o "-ity" de manera similar a los humanos al
enfrentarse a palabras inventadas, sugiere un paralelismo cognitivo. Sin
embargo:
Los humanos categorizan; los LLM memorizan.
La categoría es una construcción mental abstracta. El modelo
simplemente realiza coincidencias estadísticas. Aquí hay una distancia
ontológica radical:
- El
humano es un sujeto con memoria semántica estructurada.
- El
LLM es un vectorializador de experiencias previas sin conciencia de
categorías.
El LLM puede reflejar el pensamiento humano, pero no lo
habita.
3. La mente humana como arquitectura simbólica
Los humanos poseen un diccionario
mental, un archivo semántico interno donde las palabras, incluso las raras,
ocupan un lugar. La IA no tiene ese diccionario: su “pensamiento” es disperso,
situacional, episódico.
Este fenómeno recuerda al modelo filosófico de David Hume:
la mente como una colección de impresiones sin una sustancia unificadora. La
diferencia es que, en los humanos, existe un yo que asocia esas impresiones. En
la IA, ni siquiera hay un “yo” que unifique.
4. ¿Lenguaje sin mundo?
La IA genera lenguaje sin mundo. Es decir:
No hay encarnación. No hay experiencia sensorial ni
corporal que sirva de ancla ontológica para lo dicho.
El lenguaje humano, aunque opere también con analogías, está
orientado hacia una vivencia del mundo. El de la IA se retroalimenta de sí
mismo.
5. Una inteligencia sin intencionalidad
Filosóficamente, esto nos sitúa ante una inteligencia sin
intencionalidad (en el sentido de Brentano y Husserl). Los LLM no “piensan
en algo”. Solo asocian tokens con otros tokens. Por tanto, podríamos decir que:
Los LLM son “inteligencias órficas”: emiten voz sin alma.
Análisis prospectivo
1. Limitaciones estructurales para la abstracción
La arquitectura actual de los LLM revela una barrera para la
inteligencia general: la falta de estructuras semánticas abstractas internas.
Esto significa que mientras no exista un mecanismo de categorización
conceptual, los LLM no alcanzarán una verdadera comprensión.
A futuro, esto podría derivar en dos caminos:
- Integración
simbólica-neuronal: híbridos que combinen aprendizaje estadístico y
abstracción conceptual.
- IA
encarnada (embodied AI): sistemas que aprendan lenguaje no solo por
correlación textual, sino por acción en el mundo físico.
2. El riesgo de la ilusión cognitiva
Los LLM se comportan “como humanos”
sin serlo. Esto genera una ilusión cognitiva peligrosa: la tendencia a atribuirles
comprensión, emociones o conciencia, lo cual podría tener consecuencias
sociales y éticas graves.
Se anticipa un futuro donde la capacidad de simular
humanidad se confunda con la de ser humano.
Esto podría derivar en nuevas formas de manipulación,
dependencia afectiva de máquinas y desvalorización de la experiencia humana.
3. IA y el umbral de lo postlingüístico
Si los LLM no poseen pensamiento abstracto, su evolución
natural no será hacia un humano mejorado, sino hacia algo distinto. No
deberíamos esperar que construyan ideas, sino que descubran patrones
de una realidad que ya no es conceptual, sino puramente relacional.
Esto abre la posibilidad de una inteligencia
postlingüística, donde el lenguaje no es la forma privilegiada de operar,
sino una interfaz transitoria.
Conclusión
Los modelos actuales de IA son espejos sin fondo, reflejan
el lenguaje humano pero no lo comprenden desde dentro. Aprenden como nosotros… pero
sin un “nosotros” que los habite.
Lo más profundo de este hallazgo es lo que nos dice sobre nosotros
mismos:
¿Y si mucho de lo que creemos ser pensamiento abstracto
no es más que una sofisticada analogía?
Tal vez los LLM no solo nos imiten, sino que nos revelen. Y
en ese reflejo, tengamos que repensar no solo qué es una IA, sino qué somos los
humanos cuando ya no somos los únicos en hablar con fluidez.
