Cada nuevo lanzamiento de inteligencia artificial viene acompañado de la misma promesa: un experto en tu bolsillo. Hay alguien que lleva meses levantando la mano cuando escucha eso: Yann LeCun, Premio Turing e ingeniero detrás de buena parte de la IA moderna, quien califica todo eso de “completa tontería”.
Índice
La voz del realismo dentro de la industria
LeCun no encaja en las dos trincheras donde suelen agruparse los líderes de tecnología. No es un catastrofista que pida frenar la IA por miedo a que acabe con la humanidad, pero tampoco se suma al entusiasmo de quienes prometen una AGI (inteligencia artificial general) para mañana. Su posición es más incómoda: la de alguien que entiende a fondo cómo funciona la tecnología y, por eso mismo, rechaza el discurso simplista.
Durante una entrevista en el Big Technology Podcast, LeCun fue directo: “La idea de que vamos a tener un país de genios dentro de un centro de datos es una completa tontería”. Su argumento no requiere tecnicismos. Los sistemas de IA actuales son extraordinarios recuperando información de datos, excelentes generando contenido a partir de eso. Pero no crean nada desde cero.
Por qué un LLM no piensa, solo procesa
LeCun explica que un modelo de lenguaje típico se entrena con una cantidad masiva de tokens (fragmentos de información). Para ponerlo en perspectiva: eso equivaldría a que un humano leyera durante cientos de miles de años a doce horas diarias. Una cantidad de información simplemente inconmensurable. Y aun así, acumular tanta información no produce razonamiento como el humano.
Aquí viene el dato que golpea la narrativa del “experto de bolsillo”: un niño de cuatro años ha recibido, únicamente a través de la vista y el tacto, más datos en bruto que el modelo de IA más grande jamás entrenado. El mundo físico—la experiencia encarnada—pesa mucho más que cualquier texto.
LeCun fue frontal ante propuestas de una IA con capacidades extraordinarias a través del escalado de LLM: “No hay ninguna manera en el infierno. No vamos a llegar a una IA a nivel humano solo escalando LLM. Esto no va a pasar”. Siguió: “Puede parecer que tienes un doctorado al lado, pero no lo es. Es un sistema con memoria y recuperación gigantes, no uno que invente soluciones nuevas”.
El techo de los datos llega más pronto de lo que creen
El argumento de LeCun toca otro punto crucial: los modelos de lenguaje están chocando contra un límite físico. Según estimaciones de expertos en el campo, el texto público de calidad disponible en internet es limitado. Si los modelos continúan escalándose al ritmo actual, podrían quedarse sin nuevas fuentes de información en los próximos años.
No es un problema que se resuelva con más dinero o más computadores. Es un problema de escasez de insumo. Aunque las grandes tecnológicas quisieran seguir alimentando modelos LLM como los conocemos, sencillamente no habría material nuevo suficiente con qué hacerlo.
¿Qué queda entonces?
LeCun no es un pesimista ni un anti-IA. Su crítica apunta a algo más específico: el discurso inflado que justifica inversiones significativas basadas en la promesa de una AGI inminente. Que uno de los arquitectos originales de la IA moderna cuestione estos argumentos le quita peso a esos relatos.
Dicho esto, hay movimientos en la industria que sí se salen del camino convencional de los LLM. Proyectos de distintos laboratorios buscan entrenar modelos que entiendan mejor el mundo físico, no solo el texto. Esos trabajos apuntan en otra dirección, más humilde pero probablemente más realista.
Con información de Xataka.
Imagen: Jérémy Barande / Wikimedia Commons (CC BY-SA 2.0)
