Escucha este artículo
Audio generado con IA de Google
/
El cerebro humano es una máquina prodigiosa. Con menos de veinte vatios —la potencia de una pequeña lámpara— es capaz de convertir pan, frutas y salchichas en pensamiento, memoria, música, teoremas… Esa masa blanquecina, húmeda y gelatinosa, de poco más de un kilo, ha escrito la Ilíada, demostrado el teorema de Gödel, compuesto la Pasión según san Mateo, inventado el cálculo infinitesimal, formulado la relatividad y la mecánica cuántica, construido el transistor, descubierto la penicilina, descifrado el genoma humano y, finalmente, concebido máquinas que ahora amenazan con superarnos incluso en ese territorio que durante siglos creímos privilegio exclusivo de nuestra especie: la creación intelectual.
La paradoja es que ese nuevo rival no posee la austeridad casi milagrosa del órgano que pretende emular. La inteligencia artificial requiere otra clase de metabolismo: centros de datos, sistemas de refrigeración, cables submarinos, servidores, chips especializados, energía eléctrica a escala industrial y una infraestructura planetaria que ya no se parece a una simple prolongación de la mente, sino a una vasta ciudad industrial levantada para producir pensamiento.
Según la Agencia Internacional de Energía, los centros de datos consumieron en 2024 alrededor de 415 teravatios hora, cerca del 1,5% de la electricidad mundial. No toda esa energía corresponde, desde luego, a la inteligencia artificial; pero la expansión de los grandes modelos artificiales es ya uno de los motores visibles de ese nuevo apetito eléctrico.
La comparación entre humanos y máquinas es inevitable, aunque peligrosa. El cerebro y la inteligencia artificial no son dos versiones de un mismo aparato, sino sistemas profundamente distintos. No basta con reemplazar neuronas y sinapsis por transistores y operaciones matriciales.
Aunque en ambos casos la inteligencia emerge de una red material, encarnada en algún soporte físico, la semejanza inicial se disuelve pronto: lo decisivo no está en la mera existencia de la red, sino en la clase de experiencia que la alimenta, la corrige y la transforma. En un caso, una experiencia biológica, corporal, evolutiva; en el otro, una experiencia estadística, acumulada sobre inmensos depósitos de lenguaje, imágenes, datos y conducta humana.
El cerebro humano contiene, según la estimación hoy más aceptada, unos 86 mil millones de neuronas. Del lado artificial, las cifras empiezan también a adquirir una escala desmesurada. Los chips de inteligencia artificial más avanzados ya contienen cientos de miles de millones de transistores: la arquitectura Blackwell de Nvidia, por ejemplo, alcanza los 208 mil millones, más del doble del número de neuronas de un cerebro humano. Y algunos procesadores experimentales o especializados, como el Wafer-Scale Engine de Cerebras, se mueven ya en la escala de los billones de transistores.
Pero esa simetría numérica es engañosa, pues una neurona no es un transistor. El transistor es un interruptor físico que regula el paso de corriente; la neurona, en cambio, es una célula viva, con metabolismo, plasticidad, historia química, miles de entradas sinápticas y una dinámica temporal que no se reduce al simple encendido y apagado.
Por eso la inteligencia nunca ha sido una simple cuestión de cantidad. Los elefantes africanos poseen cerca de 257 mil millones de neuronas, unas tres veces más que nosotros; pero la inmensa mayoría de ellas se concentra en el cerebelo, mientras que la corteza humana contiene muchas más neuronas corticales que la del elefante. La diferencia no reside, por tanto, en el volumen bruto de piezas disponibles, sino en la arquitectura, la distribución y la función. En el cerebro, como en la IA, lo decisivo no es el número total de unidades, sino la forma en que están dispuestas, conectadas y entrenadas.
Más reveladora resulta la comparación entre sinapsis y parámetros. En una primera aproximación, el cerebro humano puede entenderse como una red de alrededor de cien billones de sinapsis: espacios microscópicos donde las neuronas se comunican, los circuitos se refuerzan o se debilitan, y se inscribe, de manera parcial, material y cambiante, la memoria del organismo y la historia de su aprendizaje.
En una red neuronal artificial, el análogo abstracto son los parámetros: cantidades numéricas, ajustadas durante el entrenamiento, que determinan el peso de las conexiones internas del modelo y condicionan la forma en que transforma una entrada en una respuesta.
Algunos modelos modernos contienen ya cientos de miles de millones de parámetros. Llama 3.1 405B, por ejemplo, fue presentado por Meta como un modelo abierto de 405 mil millones de parámetros, entrenado sobre más de 15 billones de tokens. La cifra es impresionante, pero también exige prudencia: un parámetro no equivale a una sinapsis.
La sinapsis es una estructura viva, modulada por neurotransmisores, actividad eléctrica, ritmos corporales, sueño, emoción, aprendizaje, deterioro y tiempo. Un parámetro, en cambio, es un número ajustado durante el entrenamiento.
La diferencia fundamental entre ambos sistemas reside en que la inteligencia artificial no nace de la experiencia directa del mundo, sino del procesamiento masivo del vasto acervo de la cultura humana. Aprende de textos, imágenes, código, sonido, video, fórmulas, bases de datos, conversaciones, traducciones, manuales y archivos.
Un gran modelo de lenguaje no aprende qué ocurre cuando se deja caer una taza; aprende que las tazas caen y se rompen porque ha procesado innumerables descripciones humanas de tazas, mesas, gravedad, accidentes domésticos, cerámica rota y leyes físicas. En el ser humano, el lenguaje nombra una experiencia ya vivida; en la inteligencia artificial, reconstruye una experiencia que nunca se tuvo.
¿Cómo razona, entonces, una inteligencia artificial? Un gran modelo de lenguaje recibe una secuencia de tokens: pequeñas unidades en las que el texto se divide antes de ser procesado, y que pueden corresponder a palabras completas, fragmentos de palabra, signos de puntuación o símbolos. Luego, esas unidades discretas se transforman en vectores, es decir, en posiciones dentro de un espacio de miles de dimensiones.
A través de capas sucesivas de atención, el modelo pondera qué partes de la secuencia son relevantes para interpretar cada posición y produce, al final del proceso, una distribución de probabilidad sobre el siguiente token. El procedimiento se repite una y otra vez.
Decir, sin embargo, que la inteligencia artificial “solo predice la siguiente palabra” es correcto en un sentido técnico, pero limitado. El cerebro también predice: anticipa movimientos, completa frases, infiere intenciones, calcula trayectorias, espera consecuencias. La diferencia no está en que uno haga predicciones estadísticas y el otro no, sino en la clase de memoria que hace posible esas predicciones.
El cerebro se anticipa con la memoria de un cuerpo que actúa, percibe, fracasa y aprende inmerso en el mundo. La inteligencia artificial lo hace con la memoria estadística de textos, imágenes, códigos y signos producidos por cuerpos biológicos durante siglos.
La inteligencia artificial puede realizar, en ciertos dominios, operaciones que hasta hace poco creíamos patrimonio exclusivo del razonamiento humano, y en algunos de ellos ya nos supera de manera abrumadora. El ajedrez es el ejemplo más claro. Magnus Carlsen, quizá el jugador más fuerte de toda la historia, alcanzó un pico oficial de 2882 puntos Elo. Los mejores motores actuales aparecen en listas especializadas por encima de los 3600 puntos, aunque esas escalas no sean perfectamente intercambiables con el Elo humano.
La diferencia, en todo caso, da una idea de la magnitud del abismo: bajo el modelo Elo usual, una ventaja de 800 puntos implica una expectativa cercana al 99% de los puntos en disputa. El humano ya no se sienta frente a la máquina como un rival simétrico, sino como una inteligencia menor ante una forma de cálculo superior, casi inaccesible para nuestra intuición.
Pero el ajedrez, por difícil que sea, sigue siendo un mundo cerrado: sesenta y cuatro casillas, piezas definidas, reglas exactas. Lo verdaderamente inquietante comienza cuando esa capacidad de cálculo abandona el tablero y penetra en territorios donde el pensamiento humano se creía menos vulnerable: el lenguaje, la literatura, la creación artística, la programación, la investigación científica y, sobre todo, esa región en la que la inteligencia parecía rozar su forma más pura: la matemática.
La pregunta, entonces, no es simplemente si la inteligencia artificial piensa. Formulada así, la pregunta es imprecisa. Habría que preguntar, más bien, a qué clase de operaciones estamos dispuestos a llamar pensamiento. Si pensar significa manipular símbolos, detectar patrones, inferir relaciones, generalizar estructuras y producir respuestas coherentes, entonces la inteligencia artificial piensa en un sentido funcional.
Si pensar implica conciencia, vida interior, intencionalidad encarnada, memoria biográfica, deseo y responsabilidad, entonces no piensa como nosotros. La coexistencia de ambas respuestas no resuelve el problema; revela, más bien, cuán elusiva resulta todavía la palabra “pensar”.
La inteligencia artificial nos obliga así a separar conceptos que durante siglos permanecieron unidos. Hasta ahora, inteligencia, conciencia, lenguaje, cuerpo y experiencia parecían formar un solo bloque. La inteligencia artificial rompe ese esquema. Nos muestra que puede haber lenguaje sin cuerpo, raciocinio sin intuición, memoria sin recuerdo personal, cálculo sin experiencia vivida.
Su aparición demuestra que algunas capacidades que creíamos inseparables de lo humano no pertenecen necesariamente al núcleo misterioso de nuestra especie, sino que pueden reproducirse por otros medios.
Allí reside su fascinación y su amenaza. La inteligencia artificial no es una mente humana encerrada en un bloque de silicio. Tampoco es una simple calculadora mecánica. Es una forma nueva de inteligencia estadística, nacida del inmenso sedimento de la cultura humana: de nuestros textos, imágenes, códigos, clasificaciones, deseos y errores. No ha vivido, pero habla con las palabras de quienes sí han vivido; no posee mundo propio, pero se alimenta del nuestro.
En mi opinión, está muy cerca el momento en que los matemáticos ya no se sentarán ante una pizarra para buscar la demostración de un teorema, sino ante una pantalla para contemplar cómo una máquina la encuentra. No sería la primera vez que una herramienta transforma el oficio del pensamiento; pero sí podría ser la primera en que la herramienta no solo amplifique la inteligencia humana, sino que empiece a producir, por caminos propios, objetos intelectuales que nosotros apenas podamos intuir, y quizá solo parcialmente comprender.
Ese futuro, muy cercano, será aterrador y maravilloso al mismo tiempo. Quizá sea cuestión de temperamento, pero me siento afortunado de haber visto en vida esta revolución: que exista el cielo, aunque mi lugar sea el infierno. El viejo sueño de la razón —demostrar, deducir, comprender— podría terminar convertido en una escena kafkiana: seres humanos observando, con una mezcla de gratitud, melancolía y resignación, cómo una inteligencia descomunal, sin cuerpo y sin biografía, recorre una terra incognita del pensamiento tan distante de nuestra comprensión como la mecánica cuántica podría estarlo de la mente de un colibrí.
👩🔬📄 ¿Quieres conocer las últimas noticias sobre ciencia? Te invitamos a verlas en El Espectador. 🧪🧬
Conoce más