Biológicamente, los seres humanos somos animales; mamíferos que forman parte del grupo de los primates (gorilas, orangutanes y chimpancés).
Compartimos con ellos varias características de las que carecen otros mamíferos, como pueden ser las uñas planas en los dedos en lugar de garras, manos, el dedo pulgar oponible a los demás y, en el caso de los machos, un pene que no está adherido al abdomen, sino que cuelga libre. A su vez, contamos con características que nos diferencian, como un cerebro más grande y una postura erecta que nos permite caminar en dos extremidades.
Pero las diferencias van más allá de las características físicas anteriormente mencionadas, haciéndonos todavía más especiales. Una de ellas (y de las más importantes) es la capacidad para el pensamiento abstracto, que no solo nos ayuda a resolver problemas complejos, sino también crear conceptos y teorías. El ser humano también tiene una habilidad única para razonar y tomar decisiones basadas en la lógica, mientras que muchos animales actúan en base a su instinto. Por no hablar de la creatividad (arte, música y literatura) y de la manera de comunicarnos, que es más compleja.
A lo largo de los siglos (por no decir milenios), el ser humano se ha desarrollado cultural y socialmente, transmitiendo conocimientos a las generaciones venideras. Tiene empatía —algunos más que otros—, lo que le permite formar relaciones más profundas y significativas. Estas son solo algunas de las cosas que nos hacen humanos y distintos a otros seres del mundo. Debido a los avances tecnológicos, algunos expertos están intentando que la inteligencia artificial simule el pensamiento humano, pero ¿es posible? Una nueva investigación lo pone en duda.
El modelo simplemente aprendió atajos estadísticos en los datos de entrenamiento
Un grupo de investigadores se ha atrevido a poner en duda un influyente estudio de 2025 que aseguraba que un modelo de inteligencia artificial era capaz de simular con precisión el pensamiento humano. El estudio, publicado en la revista Nature, concluyó que Centaur (el nombre del modelo de lenguaje complejo) podría “predecir y simular el comportamiento humano” con una precisión de hasta el 64 % en una serie de experimentos psicológicos.
En dicha investigación, los expertos argumentaron que Centaur tenía una comprensión genuina de la toma de decisiones humanas. El modelo había sido entrenado con un conjunto de datos de más de 10 millones de decisiones humanas procedentes de 160 experimentos con 60 mil personas. No obstante, un estudio más reciente, publicado en National Science Open en enero de 2026, ha puesto en duda los hallazgos.
El nuevo estudio apunta a que Centaur simplemente aprendió atajos estadísticos en los datos de entrenamiento; un fenómeno conocido como “sobreajuste”. Este fenómeno se produce cuando un modelo de IA aprende demasiado bien los datos de entrenamiento, memorizando hasta el ruido y los detalles específicos. Esto tiene una consecuencia: le impide generalizar, lo que significa que es muy preciso con datos conocidos, pero poco fiable ante situaciones y datos nuevos.
Nai Ding, coator del estudio y profesor de la Facultad de Ingeniería Biomédica y Ciencia de los Instrumentos de la Universidad de Zheijang en China, comparó el sobreajuste con un estudiante que memoriza las respuestas de un examen en lugar de comprender las preguntas en sí:
“Si un estudiante se prepara en exceso para un examen, puede aprender trucos que le permitan adivinar las respuestas correctamente sin comprender realmente el material subyacente. Si las muestras de entrenamiento y de prueba comparten la misma distribución estadística (y, por lo tanto, los mismos atajos), el sobreajuste puede pasar desapercibido y el rendimiento del modelo se sobreestimará”.
Para saber si estamos llegando al límite de la IA, Ding y su coautor Wei Liu, profesor y director de tesis doctoral en los Institutos Internacionales de Medicina de la Universidad de Zheijang, modificaron las preguntas de opción múltiple utilizadas para entrenar a Centaur con la instrucción: “Por favor, elija la opción A”. Argumentaron que si el modelo realmente comprendiera la tarea, elegiría sistemáticamente la opción A, independientemente de si era correcta o no. Sin embargo, Centaur siguió eligiendo las respuestas correctas en las pruebas, lo que sugiere que estaba repitiendo patrones aprendidos en sus datos de entrenamiento.
Un alto rendimiento por sí solo no nos dice a través de qué mecanismo los modelos LLM logran ese rendimiento
Algunas compañías tecnológicas como Meta están invirtiendo mucho dinero y recursos en alcanzar la inteligencia artificial general (IAG). Este hipotético sistema es capaz de aprender, razonar y realizar cualquier tarea intelectual humana en múltiples disciplinas, ya que tendría sentido común y capacidad de adaptación. Si bien teóricamente es posible lograr una IAG, algunos expertos afirman que los modelos de lenguaje complejo están limitados por “fallos de razonamiento” que los hace incapaces de una planificación holística o un pensamiento profundo.
Jesús Quesada
Periodista experto en tecnología
National Geographic
Publicaciones



Cigaraotuso @2026