20/06/2025
¿Qué tipo de conocimiento construimos con IA?
Politóloga Lidis Méndez
X:
En los últimos dos años, la inteligencia artificial ha pasado de ser una herramienta de especialistas a una presencia en la vida cotidiana de millones de personas. Desde buscadores y asistentes virtuales hasta generadores de texto, imágenes y decisiones, la IA nos da la impresión de saberlo todo. Pero, ¿realmente sabe?
En esta nueva era de desarrollo digital, es importante reflexionar sobre qué tipo de conocimiento estamos construyendo a través de la IA. ¿Estamos aprendiendo más o entendiendo menos?
Considero importante destacar que la IA es una tecnología que nos ofrece conocimiento asistido; es decir, no inventa el conocimiento: lo extrae, lo reorganiza, lo sintetiza. Cuando consultamos a ChatGPT o cualquier modelo generativo, no estamos accediendo a una nueva verdad, sino a un eco digital de miles de fuentes anteriores.
En tal sentido, debemos prestar verdadera atención al hecho de saber sin aprender, porque podría ser la paradoja epistemológica más interesante de este siglo. A diferencia del ma****lo — una herramienta que ha permanecido fundamentalmente inmutable desde la Edad de Piedra hasta nuestros días — los sistemas de IA representan un nuevo paradigma, porque se configuran como herramientas que evolucionan a un ritmo vertiginoso. En apenas dos años, hemos presenciado avances que habrían tomado décadas en tecnologías tradicionales. Esta velocidad de desarrollo genera una asimetría preocupante: implementamos y dependemos cada vez más de tecnologías cuya naturaleza fundamental apenas comenzamos a comprender.
Los algoritmos de IA funcionan con patrones, ya que analizan datos del pasado para predecir el futuro. Por lo tanto, muchas de sus respuestas son probabilidades lingüísticas, no razonamientos conscientes. Pero ¿y si lo verdaderamente nuevo no está en las repeticiones del pasado? ¿Qué significa saber en el contexto de las inteligencias artificiales modernas? ¿Pueden estos sistemas realmente saber algo sin haberlo aprendido en el sentido humano?
Para comprender mejor esta paradoja, es útil revisar las principales perspectivas actuales sobre lo que significa “conocer” en contextos artificiales. En el campo de la inteligencia artificial, el consenso sobre qué constituye conocimiento está lejos de ser monolítico. Actualmente coexisten tres enfoques:
1. - Perspectiva emergentista
Propone que en modelos suficientemente grandes y complejos están surgiendo capacidades genuinas de comprensión y representación conceptual que trascienden la mera predicción estadística.
2. Perspectiva instrumentalista
Sostiene que estos sistemas, por sofisticados que sean, simplemente predicen secuencias sin comprenderlas realmente: son “loros estocásticos” con habilidades matemáticas excepcionales.
3. Nueva epistemología
Sugiere que necesitamos redefinir completamente qué significa saber o comprender cuando hablamos de sistemas artificiales, ya que aplicar conceptos humanos puede resultar inadecuado.
Entonces, la gran paradoja es que la IA puede dar respuestas brillantes, sin que sepamos cómo llegó a ellas. Muchos modelos actuales son cajas negras: reciben datos, emiten resultados, pero su proceso interno es inaccesible incluso para sus creadores. ¿Podemos llamar “conocimiento” a algo que no podemos explicar?
La IA responde rápido, pero no siente; no tiene historia, ni cuerpo, ni cultura. Puede redactar sobre amor, pero no amar. Puede hablar de dolor, pero no doler. ¿Puede comprender el mundo quien no lo habita?
El conocimiento sin contexto se vuelve preciso pero incompleto, funcional pero deshumanizado; sin embargo, pienso que a pesar de sus límites, la IA no debe verse como enemiga del saber. Si interactuamos con conciencia crítica, la IA puede convertirse en una herramienta para expandir la comprensión, no para reemplazarla.
Más que un oráculo, la IA es un espejo en el cual debemos reconocernos, corregirnos y empoderarnos. Quizás lo más preocupante de nuestro momento actual es la brecha creciente entre el desarrollo tecnológico y nuestra comprensión teórica. Estamos implementando masivamente sistemas de IA en áreas críticas como medicina, finanzas, justicia y educación, mientras el debate sobre si estos sistemas realmente “saben” lo que hacen, apenas comienza a articularse en círculos académicos.
Presenciamos un momento fundacional: la inteligencia artificial no solo transforma cómo trabajamos o nos comunicamos, sino cómo pensamos, cómo aprendemos, cómo sabemos. Nos enfrentamos a un desafío práctico y urgente a medida que interactuamos cada vez más con sistemas de IA en nuestra vida cotidiana.
Necesitamos desarrollar nuevas heurísticas para determinar cuándo y cómo confiar en estos sistemas, cómo interpretar sus respuestas, y qué significa colaborar con ellos de manera productiva.
Si la IA ha venido a transformar el conocimiento, nuestra tarea es asegurarnos de que no lo vacíe de sentido humano.
