El científico y pionero del deep learning sostiene que la industria está sobrevaluando los modelos de lenguaje y llama a construir sistemas capaces de entender y razonar sobre el mundo real.
Yann LeCun, uno de los padres del aprendizaje profundo y figura central en el desarrollo de la inteligencia artificial moderna, volvió a marcar el rumbo del debate tecnológico global. Con una extensa trayectoria académica y como líder de investigación en Meta, LeCun se ha consolidado como una de las voces más influyentes del sector. Su visión crítica y su rol en la evolución de la IA lo posicionan como un referente clave para analizar hacia dónde se dirige esta tecnología.
LeCun cuestiona el protagonismo que han tomado los modelos de lenguaje de gran escala (LLM), hoy en el centro de la carrera tecnológica. Si bien reconoce su capacidad para generar texto fluido y convincente, advierte que carecen de una verdadera comprensión del mundo físico.
Según el científico los LLM funcionan por correlación de palabras, no por entendimiento, son propensos a generar errores y contenidos incoherentes (“alucinaciones”) y requieren cantidades masivas de datos para mejorar, sin alcanzar una inteligencia más profunda.
A esto suma una crítica al mercado: la presión por lanzar productos rápidamente estaría frenando la investigación más ambiciosa y de largo plazo.
Para avanzar hacia una inteligencia artificial más completa, LeCun propone centrarse en los world models o modelos del mundo: sistemas capaces de representar internamente el entorno físico, anticipar consecuencias, planificar, razonar y desarrollar memoria persistente.
Este enfoque permitiría que las máquinas comprendan cómo funciona el mundo real, tengan capacidades cognitivas más cercanas a las humanas o animales y trasciendan la simple generación de texto estadístico.
Solo con ese tipo de capacidades, afirma, se podría aspirar a una inteligencia artificial general (IAG) que interactúe con la realidad más allá de lo digital.
LeCun plantea una reflexión estratégica. El modelo de negocio actual —basado en la velocidad, los lanzamientos constantes y la explotación comercial— podría estar desplazando la investigación hacia metas inmediatas, dejando de lado desarrollos más transformadores.
Para él, construir una IA verdaderamente avanzada requiere: Paciencia científica, apuesta a largo plazo, disposición a asumir riesgos “No alcanza con vender IA por vender IA”, remarca.
Fuente: INFOBAE/Redacción TE.
