¿Estamos pensando correctamente acerca de la inteligencia artificial?

Su perspectiva desafía las suposiciones convencionales sobre cómo las máquinas procesan la información y si sus salidas reflejan una comprensión genuina o un reconocimiento de patrones meramente sofisticado. Este debate ha ganado urgencia a medida que los grandes modelos de lenguaje (LLM) influyen cada vez más en la investigación científica, las decisiones políticas y la vida cotidiana. La discusión se centra en si estos sistemas realmente razonan o simplemente simulan el razonamiento a través de técnicas estadísticas. Mitchell destaca las limitaciones de los marcos existentes para evaluar la cognición de las máquinas.

Las herramientas psicológicas tradicionales utilizadas para evaluar la inteligencia en humanos, como las pruebas de resolución de problemas o las observaciones conductuales, no son adecuadas para analizar el funcionamiento interno de la IA. Estos modelos operan a través de redes neuronales complejas que carecen de transparencia, lo que dificulta determinar si sus respuestas provienen de la comprensión real o de la imitación algorítmica. Esta ambigüedad tiene profundas implicaciones para cómo la sociedad debe regular y confiar en las tecnologías de IA. La conversación comenzó durante una sesión de grabación para The Joy of Why, un podcast presentado por Steve Strogatz y Janna Levin de Quanta Magazine.

El episodio, publicado el 23 de julio de 2026, marca un seguimiento de una entrevista previa con Mitchell de 2021, poco después del lanzamiento de ChatGPT. En ese momento, Mitchell ya expresó su preocupación por la brecha entre la inteligencia humana y la máquina. Ahora, con los sistemas de IA más avanzados que nunca, sus puntos de vista han adquirido una nueva importancia.

Durante la entrevista, Mitchell discutió cómo los investigadores podrían aplicar conocimientos de la psicología del desarrollo para interpretar mejor el comportamiento de la IA. Por ejemplo, los estudios de cómo los bebés adquieren el lenguaje y resuelven problemas podrían informar estrategias para evaluar si los sistemas de IA participan en procesos similares. Sin embargo, advirtió contra sobreestimar las capacidades de los modelos actuales, citando ejemplos históricos como las habilidades matemáticas de un caballo entrenado a principios del siglo XX, que más tarde se revelaron como resultado de la intervención humana en lugar de la inteligencia innata.

Mitchell propuso seis principios rectores para evaluar la cognición de la máquina, incluida la importancia de la transparencia, la reproducibilidad y la alineación con el razonamiento similar al humano. Ella argumentó que hasta que se cumplan estos criterios, los sistemas de IA siguen siendo poco confiables como herramientas de toma de decisiones. Esta postura contrasta con algunos líderes de la industria que abogan por una mayor confianza en la IA debido a su eficiencia y escalabilidad. La tensión entre estos puntos de vista refleja debates sociales más amplios sobre las aplicaciones éticas y prácticas de la inteligencia artificial.

A medida que la conversación se desarrollaba, Mitchell enfatizó que el desafío no solo radica en mejorar el rendimiento de la IA, sino también en refinar nuestro marco conceptual para comprender la inteligencia misma. Sugirió que la búsqueda de crear máquinas verdaderamente inteligentes puede requerir un cambio fundamental en la forma en que definimos y medimos la cognición. Esto incluye repensar los puntos de referencia tradicionales y adoptar enfoques interdisciplinarios que integren conocimientos de la neurociencia, la filosofía y la teoría computacional.

El episodio concluyó con Mitchell expresando optimismo sobre el progreso futuro, al tiempo que reconocía la complejidad de la tarea por delante. A medida que la IA continúa evolucionando, la necesidad de métodos de evaluación rigurosos se vuelve cada vez más apremiante. Si estos sistemas finalmente lograrán un nivel de razonamiento comparable al de los humanos sigue siendo incierto, pero el camino hacia la claridad exige innovación técnica y reflexión filosófica.