He notado un interesante paradoja en cómo evaluamos los modelos de lenguaje modernos. Suenan convincentes, responden con confianza, generan textos en grandes volúmenes. Pero aquí está el truco: la fluidez del habla no es lo mismo que comprensión. La confianza no es percepción de la realidad.

Si se profundiza en el problema, resulta ser una historia bastante antigua. ¿Recuerdan la cueva de Platón? Los prisioneros en cadenas solo ven sombras en la pared y las toman por realidad, porque no conocen otra cosa. Exactamente la misma situación con los modelos de lenguaje que estamos creando ahora.

Estos sistemas no ven el mundo. No lo escuchan, no lo tocan, no lo sienten. Todo lo que saben es texto. Libros, artículos, publicaciones, comentarios, transcripciones. El texto es su única entrada al mundo. Y el texto no es la realidad en sí, sino la descripción humana de la realidad. Una descripción incompleta, sesgada, a menudo distorsionada. En internet y en los libros hay ideas geniales, mentiras descaradas, propaganda y teorías conspirativas. Los modelos de lenguaje se entrenan con todo eso junto. Solo ven las sombras que las personas proyectan en la pared.

Muchos años pensaron que la escala lo resolvería todo. Más datos, modelos más potentes, más parámetros, y el problema desaparecería. Pero no. Más sombras en la pared no equivalen a la realidad. Los modelos de lenguaje son buenos para predecir la siguiente palabra estadísticamente probable, pero no comprenden las relaciones causa-efecto, las limitaciones físicas, las consecuencias reales de las acciones. Por eso, las alucinaciones no son solo un error que se puede arreglar. Es un defecto estructural en la arquitectura.

Por eso cada vez más se desplaza la atención hacia los modelos mundiales. Son sistemas que construyen representaciones internas de cómo funcionan los procesos, aprenden de la interacción, simulan resultados antes de actuar. En lugar de preguntar "¿cuál es la siguiente palabra?", preguntan "¿qué pasará si hacemos esto?". Los modelos mundiales no están ligados solo al texto. Pueden trabajar con series temporales, datos sensoriales, retroalimentación, tablas, simulaciones.

En la práctica, esto se ve así. En logística, un modelo de lenguaje puede escribir un informe sobre una falla, y un modelo mundial puede simular cómo se propaga el cierre de un puerto o un aumento en los precios del combustible a lo largo de toda la cadena de suministro. En seguros y gestión de riesgos, los sistemas de texto explican políticas, pero los modelos mundiales estudian cómo evoluciona el riesgo, simulan eventos extremos, evalúan pérdidas en cascada. Los gemelos digitales de fábricas ya son versiones tempranas de los modelos mundiales. No solo describen la producción, sino que simulan la interacción de máquinas, materiales, plazos.

En todos estos casos, el lenguaje es útil, pero no suficiente. Se necesita un modelo de cómo realmente se comporta el sistema, no solo una descripción de cómo hablan de él las personas.

La transición de modelos de lenguaje a modelos mundiales no es una renuncia a los primeros. Es un posicionamiento correcto. En la siguiente fase, los modelos de lenguaje serán interfaces y copilotos. Los modelos mundiales proporcionarán fundamentación, predicción y planificación. El lenguaje se ubicará sobre sistemas que aprenden de la propia realidad.

En la alegoría de Platón, los prisioneros no se liberan solo al estudiar más las sombras. Se liberan cuando se dan vuelta y ven la fuente de esas sombras, y luego salen de la cueva al mundo real. La IA se acerca a un momento similar. Las empresas que lo comprendan temprano dejarán de aceptar un lenguaje convincente como comprensión y comenzarán a construir arquitecturas que modelen su propia realidad. No IA que hable bonito del mundo, sino IA que realmente entienda cómo funciona.