Sí. Decir que la investigación está desactualizada es ridículo porque ahora mismo, mientras le damos tanta importancia a la superinteligencia y todo eso, hay noticias que pasan desapercibidas, que tratan sobre el escenario completamente opuesto al que está ocurriendo en el mundo real.

Entiendo que una de las principales críticas que se le han hecho a la investigación de esa época es que quizás no incorpore el pensamiento, el razonamiento o incluso la inteligencia recursiva…

No hay razonamiento. No hay inteligencia recursiva.

¿No hay ninguna? ¿Cómo es posible que no haya ninguna? Esto es algo que, por cierto, en la conferencia de IA de Berkeley a principios de este verano escuché a alguien de Google hablar sobre inteligencia recursiva.

¡Por supuesto que sí!

El New York Times acaba de publicar un extenso artículo sobre cómo los científicos e investigadores están explorando actualmente la inteligencia recursiva, es decir, la IA aprendiendo de otras IA. ¿Es eso una realidad? Parece que tú afirmas que no lo es.

No, porque hay un problema con los investigadores de IA, que es la denominación ambiciosa y las cosas ambiciosas. Así que el aprendizaje automático es un ejemplo de denominación ambiciosa.

Pero el aprendizaje automático es real.

Pero el nombre es una aspiración. La máquina no necesariamente existe.

Así que, solo porque exista un currículo de aprendizaje en IA, ya es un campo de estudio. Pero déjenme compartirles un artículo de mi antiguo jefe, Samy Bengio, una superestrella del aprendizaje automático, aunque no tan famoso como su hermano mayor, Yoshua. Le pregunto: “¿No estás cansado de pasarte la vida refutando el razonamiento en cada artículo que escribes?”.

Renunció después de que me despidieran de Google, y ahora es jefe de investigación de aprendizaje automático en Apple. Si analizas casi todos sus artículos, verás que si modificas ligeramente los parámetros de razonamiento, todo se desmorona. No es razonamiento.

Entiendo.

Permítanme darles otro ejemplo. Simplemente porque sus modelos, los patrones estocásticos que entrenaron para imprimir ciertos tokens, los llaman “razonamiento en cadena de pensamiento”. No sabían que estaban pensando, no sabían que era una cadena, solo sabían que se estaban imprimiendo tokens, pero los llamaron razonamiento en cadena de pensamiento. Ahora están diciendo que ya están razonando.

Una de las mayores crisis que enfrentamos actualmente es la falta de investigación científica sólida. Si analizamos mi trabajo, si alguna vez tuviera acceso a los datos, el código, los datos de entrenamiento y los datos de evaluación (ninguna de estas empresas los proporciona), ni siquiera sabríamos si utilizaron o no ese punto de referencia durante el entrenamiento.

Si se utiliza un punto de referencia durante el entrenamiento, es como estudiar para el examen. Es como si yo llegara a un examen sabiendo de antemano las respuestas a las 10 preguntas, las estudiara y las anotara, ¿verdad? Cada vez que he tenido acceso a este tipo de información, he demostrado que sus afirmaciones son incorrectas.

Pero luego, con el artículo de Samy Bengio y su equipo, lo que demostraron (y esto es de 2025) es que basta con cambiar un poco los parámetros de referencia, ajustarlos un poco, y todo se desmorona, demostrando que simplemente se estaba confiando en los patrones. Ahora bien, algunas personas, cuando les doy este ejemplo, dicen: “Bueno, pero estamos hablando de modelos de 2026”.