- Publicado el
De la IA diseñada a la IA cultivada: ¿Un nuevo golpe copernicano?
date
Oct 5, 2025
tags
LLM
Neurociencias
Inteligencia Artificial
Historia
summary
Pasamos de diseñar inteligencia a cultivarla. Durante décadas intentamos construir sistemas que pensaran como nosotros, programando reglas explícitas para razonar, diagnosticar o jugar, hasta que descubrimos que las máquinas podían aprender sus propias reglas a partir de los datos. Este cambio —que Chris Olah describe como cultivar inteligencia artificial— representa un golpe copernicano: dejamos de ser el centro del proceso cognitivo. La inteligencia ya no se diseña, emerge. Así como la selección natural dio lugar a la inteligencia biológica sin un diseñador consciente, el aprendizaje automático produce inteligencia artificial a partir de objetivos simples, revelando formas de razonamiento que superan las nuestras y que muchas veces ni siquiera comprendemos.
slug
ia-cultivada
status
Published
type
Post
author
Yamil Saiegh
La idea de conseguir inteligencia artificial imitando el aprendizaje natural existe desde el nacimiento de la IA (Turing, 1948). Pero la escasez de datos y hardware favoreció la idea de IA diseñada, los “sistemas expertos” basados en reglas del tipo “if-then” programadas explícitamente, como por ejemplo: reglas para ganar el ajedrez (Chess Program, 1956) y el Go, conversar (Eliza, 1966), reconocer voz e imágenes (bordes, esquinas, simetrías, etc.), estructuras moleculares (Dendral, 1971), diagnosticar (Mycin, 1972), entre otras.
Durante esta época la IA se diseñaba imitando superficialmente nuestro razonamiento hasta que pudimos dejar que las máquinas encuentren sus propias reglas a partir de ejemplos de cómo nosotros aplicamos las nuestras. En 2012 pasamos de diseñar la IA a empezar a “cultivarla”, como dice Chris Olah (cofundador de Anthropic). Y de esta manera AlexNet, con el enfoque conexionista, rompió el récord en Imagenet, la competencia anual de clasificación de imágenes.
Richard Sutton, pionero del reinforcement learning, dijo en 2019 que los investigadores siempre intentaron crear sistemas que funcionaran como creían que funcionaba su inteligencia, pero que debemos aprender la amarga lección de que el aprendizaje automático siempre los terminó superando. Dice que todavía no terminamos de asimilarlo porque se trata de abandonar un "enfoque centrado en nosotros".
Ahora con los modelos de IA generativa ni siquiera hay que mostrarles ejemplos de nuestras reglas, solo especificar el objetivo. Están entrenados prácticamente con el único objetivo de predecir cíclicamente el posible siguiente eslabón de una cadena de datos (palabras, sonidos, píxeles, fotogramas, etc.). De este engañosamente simple objetivo emerge la inteligencia artificial así como del engañosamente simple y único objetivo de reproducirnos emergió la inteligencia natural.
Por ejemplo, en 1954, la traducción automática se realizaba mediante reglas gramaticales explícitas y diccionarios (Georgetown–IBM). En 2016, mediante redes neuronales entrenadas con ejemplos de traducción (Google Neural Machine Translation). Y en 2022, los grandes modelos de lenguaje adquirieron de manera emergente la capacidad de traducir, entrenados únicamente para predecir la siguiente palabra.
DeepMind, uno de los laboratorios que más lejos llevó la IA sin diseño humano, en 2017 creó AlphaZero que aprendió a ganar ajedrez, shogi y Go a nivel experto en 1 día con solo haberle programado las reglas. En 2019 MuZero aprendió a jugar los mismos juegos sin darle ninguna regla. En 2024 modelos con parte diseñada y parte entrenada lograron la medalla de plata en la Olimpiada internacional de Matemática. En 2025 “Gemini Deep Think”, un modelo razonador conexionista, logró el oro en la misma Olimpiada.
DeepMind este año lanzó “Veo 3” que puede resolver varias tareas para las que no fue entrenado explícitamente: segmentar objetos, detectar bordes, editar imágenes, comprender propiedades físicas, etc. Este año también lanzó “Genie 3” entrenada para el engañosamente simple objetivo de predecir el siguiente fotograma en videos de Internet. A diferencia de “NeRFs” y “Gaussian Splatting”, que también permiten entornos 3D navegables y consistentes, no depende de ninguna representación 3D explícita.
Alfred Wallace, codescubridor junto a Charles Darwin, de la teoría de la evolución por selección natural, creía que la evolución explicaba todo menos la inteligencia humana, para la cual apeló a un diseñador fantasmagórico (1903). Es tentador creer que nuestra compleja inteligencia fue creada por un diseñador inteligente, ya que, las complejas máquinas como relojes están hechas por aún más complejos relojeros inteligentes (Paley, 1802). Sin embargo, y como dice Dawkins (1986), por un lado la selección natural actúa como un relojero pero que está ciego y por otro ningún diseño pertenece a un solo diseñador, son el resultado de un proceso acumulativo de evolución cultural (Dawkins, 1976). Dennett (1995) señala que Darwin (1859) invirtió este razonamiento, algo reconocido accidentalmente por un crítico anónimo en 1868: “para hacer una máquina perfecta no es necesario saber cómo hacerla”.
Informática quiere decir procesar información de manera automática. Y desde su nacimiento este procesamiento es cada vez más automático y menos dependiente de nosotros. En la historia de la IA pasamos de un enfoque creacionista a uno evolucionista. De diseñar modelos como en ingeniería a cultivarlos como en jardinería. Así no solo nos vienen superando cognitivamente en diversas tareas, sino que lo hacen sin ninguna de nuestras reglas explícitas, adquiriendo reglas alienígenas implícitas propias (como la jugada 37 de AlphaGo). Reglas que ni siquiera entendemos completamente debido a lo enmarañadas que pueden volverse sus redes neuronales profundas. Otro golpe copernicano a nuestro antropocentrismo.