Yann LeCun, ganador del Premio Turing y figura fundamental en el desarrollo de la inteligencia artificial moderna, ha cuestionado abiertamente las promesas actuales sobre la capacidad de los modelos de lenguaje (LLM). Según LeCun, la idea de recrear un "país de genios" dentro de un centro de datos mediante el escalado de modelos es una "completa tontería".
La limitación de los LLM frente a la inteligencia real
El experto señala que existe una diferencia fundamental entre el procesamiento de datos y el razonamiento humano. Aunque se venda la idea de tener un experto con nivel de doctorado en nuestro bolsillo, LeCun sostiene que los sistemas actuales son fundamentalmente motores de memoria y recuperación de información, no entidades capaces de crear soluciones nuevas desde cero.
Para LeCun, el hecho de que un modelo se entrene con billones de tokens no equivale a una capacidad cognitiva superior. Un niño, a través de la interacción física con el mundo, recibe una carga de información más significativa para el aprendizaje real que cualquier conjunto de datos textuales. Por ello, afirma que no llegaremos a una IA a nivel humano simplemente aumentando la escala de los modelos actuales.
El desafío de los datos y el futuro de la tecnología
La postura de LeCun pone un punto de realismo sobre la inversión masiva de las empresas tecnológicas en hardware y centros de datos. Además de las dudas sobre la capacidad de razonamiento, advierte que los modelos podrían enfrentarse a una escasez de fuentes de información de calidad para el entrenamiento entre 2026 y 2032. Esta perspectiva desafía la narrativa de una AGI inminente, sugiriendo que la industria debe buscar nuevos caminos más allá de los LLM convencionales para avanzar realmente en el campo de la IA.
!Advertencia! Tenemos problemas...
Debes iniciar sesión para poder comentar.. Iniciar sesión o Registrarme