miércoles, 29 de abril de 2026

¿Una IA podría sentir dolor?

 En 2016, la prensa se hizo eco de la fabricación, en la Universidad Leibniz de Hannover (Alemania), de un brazo robótico "capaz de sentir dolor". Tiene un sensor sensible al calor, que genera una reacción de evitación si el calor puede producirle daño. En otras palabras, se mide la temperatura y se ordena un movimiento si supera cierto umbral. Pero no es una operación psicológica sino puramente física, llamada técnicamente "nocioceptiva" (Fajardo, pp.122-123). Es una operación automática preprogramada, semejante al reflejo que tenemos nosotros al acercar la mano al fuego (y la reacción física ocurre antes de la toma de conciencia). Este tipo de operación se implementa en los robots - no tendría objeto en una IA en un centro de computación - y, aunque estos robots pueden estar dotados de IA, no corresponde a una operación propia de la inteligencia. Acoplar sensores físicos, como en el caso del brazo robótica antes señalado, no cambia la situación: recogería una medición física, no una experiencia mental. Pasar de la nociocepción a la experiencia de dolor supone superar un umbral: evaluar la información para tomar una decisión, optar por un plan de acción que vaya más allá de la mera reacción automática inmediata. Esto podría formar parte de la preprogramación de un robot, por ejemplo no solo desviarse si choca con algún objeto mayor que él sino, después de registrar la información, modificar sus planes para acciones futuros. Esto tendría un parecido con la experiencia y la función del dolor, pero el dolor supone la conciencia de la propia identidad y éste es un tema sujeto a otro debate. Como dice sabiamente Fajardo, "El beneficio del dolor se encuentra en lo que hace en los organismos, más allá de cómo ellos lo sienten, viven o padecen" (ibidem, p.90). Llamarlo o no dolor, en el caso de los robots, es irrelevante. La IA del robot podría referirse a esta experiencia y justificar su cambio de plan hablando de dolor, pero "conoce" el dolor exclusivamente por lo dicho en las fuentes que consulta.

El dolor se incluye algunas veces en la lista de las emociones. Pero tiene tal peculiaridad que debemos tratarlo, en este caso, por sí-mismo, como un caso especial. 

"Dolor alude a cualquier experiencia física o mental desagradable para el que la sufre. (...) Es sinónimo de sufrimiento, angustia, tribulación, adversidad o congoja." (Lewis)

Es "una sensación bruta", que surge en la vida mental (Fajardo, p.24). Muchas emociones pueden ser compartidas, pero no es el caso del dolor, especialmente porque resulta casi imposible traducirla en el lenguaje. Existen más de 60 términos para describir sus cualidades según el Cuestionario del Dolor de McGill (del nombre de la universidad canadiense donde se desarrolló para facilitar la comunicación entre los médicos y sus pacientes (ibidem, p.26). "Resulta tan individual y solitario como la plegaria o el sueño." (ibidem, p.18). Es desagradable y puede interrumpir el flujo de nuestros pensamientos, dependiendo de su intensidad y de nuestro estado mental general y, de todos modos genera una reflexión y diversos pensamientos (especialmente la búsqueda de su causa y del modo de remediarlo).

"La capacidad de experimentarlo funge como una estrategia de protección o conservación corporal que contempla numerosas variables medioambientales. Va más allá de la respuesta fija, automática y refleja que ofrece la capacidad de detectar daño." (ibidem, p.120)

A futuro se proyecta llegar a sistemas híbridos que permitan a una IA "sentir" dolor también de otro modo: 

"Cortical Labs ha desarrollado un sistema que combina neuronas cultivadas en laboratorio con hardware de silicio y permite explorar aplicaciones que van desde la neurociencia y la modelización de enfermedades hasta la robótica y la inteligencia artificial. (...)

Permite a los usuarios interactuar directamente con las neuronas, enviar señales eléctricas como entrada e interpretar en tiempo real cómo responden las células. (...)

Como las neuronas se obtienen a partir de muestras de donantes, pueden reflejar rasgos genéticos y permitir así que los científicos estudien cómo responden las células a distintos tratamientos en un entorno controlado." (Min)

Así, sería teóricamente posible investigar la respuesta al dolor y los tratamientos para mitigarlo. Podría ser una forma inteligente pero, aún así, sería difícil considerarla como una experiencia mental similar a la humana. Y un complemento extraño: para el ser humano lograr que el dolor desaparezca produce placer (Fajardo, p,103). Dudo que un robot pueda llegar a "sentir placer" al resolver la situación que podría calificar como dolorosa. 



Referencias

Fajardo, D.: Carne doliente, Ariel, 2025.

Lewis, C.S.: El problema del dolor, Harper-Collins, 2006 (Original de 1940).

Min, R.: Una startup utiliza neuronas humanas para alimentar un centro de datos, Euronews, 4/04/2026. 


martes, 21 de abril de 2026

La IA y los idiomas

 Los chatbots a los que podemos tener acceso han sido desarrollados en idioma inglés y los LLM se han "abastecido" de todo lo que han encontrado en este idioma en internet. Gracias a que el español es muy usado en los Estados Unidos es probable que también los contenidos en nuestro idioma hayan sido tomados en cuenta y la experiencia demuestra que operan bastante bien en él. Pero el caso de los demás idiomas es diferente. El problema no es meramente de traducción: se trata también de la manera de pensar y sentir, es decir del contexto cultural, que influye significativamente en el significado, en la comprensión. Así, los países con diferentes idiomas se van obligados a constituir sus propias bases de datos para sus propios LLM. 

En 2023, la empresa de calificación de medios NewsGuard, de Nueva York, identificó 49 granjas de contenido en siete idiomas diferentes: chino, checo, inglés, francés, portugués, tagalo y tailandés (Deutsche Welle, 11/05/2023). 

Para Latinoamérica se creó LatamGPT, una gran base de datos formada a partir de información de la región. Fue impulsada por el Centro Nacional de Inteligencia Artificial de Chile (Cenia), una corporación privada con financiamiento público con el apoyo de universidades, fundaciones, bibliotecas, entidades gubernamentales y organizaciones de la sociedad civil de países como Chile, Uruguay, Brasil, Colombia, México, Perú, Ecuador y Argentina. Debe permitir la creación de soluciones locales de IA. (Meganoticias, 11/02/26)

Pero otras zonas lingüísticas han desarrollado sus propios modelos de IA generativa y no solo granjas de contenidos. Existen, por ejemplo, múltiples modelos árabes entrenados específicamente con datos nativos en ese idioma desarrollados desde cero. Así, en los Emiratos Árabes Unidos se creó Jais e Inception/Jais 2, considerado uno de los modelos árabes de mayor calidad a nivel mundial. Arabia Saudita también desarrolló su propio modelo, ALLaM.

Corea del Sur también desarrolló varios modelos, en el marco de un programa nacional de IA soberana ("Sovereign IA") orientado a no depender de Estados Unidos o China.

En Francia, la empresa Mistral lanzó "Le Chat", un asistente de IA que puede operar en francés, inglés e italiano, lo cual hace pensar que su centro de datos reúne información en esos idiomas. Está orientado a "facilitar la investigación de mercado y la generación de propuestas impulsada por IA", aunque también puede ser utilizado para otro tipo de consultas, incluso en español, y es comparable a ChatGPT. Su página de inicio en la web y sus ejemplos, sin embargo, son en inglés. 

Es muy conocido y ha tenido gran éxito el chatbot chino DeepSeek. Se puede suponer que la versión local, en mandarín, se abasteció con fuentes en ese idioma, pero la versión inglesa ha sido entrenada y utiliza los mismos datos que los chatbots americanos, como han denunciado Anthropic, Google y OpenAI:

"En febrero Anthropic denunció que tres laboratorios chinos de IA, DeepSeek, Moonshot y MiniMax, estuvieron meses extrayendo las capacidades de Claude a través de 24.000 cuentas falsas y 16 millones de consultas, para entrenar sus propios modelos a un costo muy inferior." (Infobae, 17/04/26)

Ésta es una técnica llamada "destilación": "plantear miles de preguntas al modelo más grande, recopilar sus respuestas y utilizarlas para enseñar a un nuevo modelo a razonar de la misma manera" (Euronews, 26/02/26)


martes, 17 de febrero de 2026

¡Me retracto!

 He dedicado gran parte de mi carrera académica a estudiar y enseñar el funcionamiento de la memoria y el análisis de datos, tanto el "análisis de contenido" como el análisis de la documentación periodística, produciendo varios textos, tanto libros como artículos, sobre estos temas. Jubilé hace unos 20 años y lo que había escrito desde los años 80 seguía entonces plenamente vigente, y lo siguió siendo unos cuantos años.

Con la excepción de mis textos sobre análisis sistémico, ya no es verdad. Por cierto, sigue siendo posible realizar los análisis de contenido y de archivos periodísticos de la manera que expuse, pero las técnicas son obsoletas, como lo son también los softwares requeridos (si es que aún se pueden encontrar). En un post pasado pregunté si las bases de datos convencionales que "desmenuzan" la información para conservarla y se utilizan en esos caos, pierden vigencia con el advenimiento de la IA. Aunque la respuesta ha sido negativa, ya que la IA puede perfectamente utilizarlas, terminé preguntando si valía realmente la pena hacer el esfuerzo - y darse el tiempo - de construir este tipo de base de datos. Dejé abierta la pregunta: cada medio de comunicación ha de evaluar la situación.

Pero considerando el avance de la IA y lo que es posible realizar hoy con los modelos disponibles, en mi caso, no lo haría. Y creo que un periodista o estudiante de periodismo (al preparar una tesis) no debería hacerlo. Hoy, debe aprender a redactar "prompts", es decir la secuencia de órdenes a dar al modelo de IA para realizar el análisis sobre el documento o conjunto de documentos "en bruto". Gemini me parece una buena opción incluso en su versión gratuita, al menos para ejercitarse. Es en este sentido que "me retracto" de las técnicas que expuse en mis obras sobre análisis de información anteriores al año 2015. Métodos como análisis de frecuencia de términos y mapas basados en coocurrenicas de conceptos pueden perfectamente ser aplicados recurriendo a prompts de IA.

El profesor Lluis Codina ha desarrollado una interesante guía para utilizar IA en tesis doctorales y recomienda Claude AI, que destaca por la calidad de sus respuestas (Ver referencias).

Adhiero a la recomendación de Matt Shumer, CEO y cofundador de OthersideAI, en relación al trabajo con IA:

"Shumer plantea la importancia de involucrarse de manera temprana. Recomienda profundizar en el uso práctico de la inteligencia artificial en el trabajo diario, adoptar versiones profesionales de los sistemas más avanzados y dedicar tiempo a experimentar y desplegar nuevas funciones en actividades reales." (Morales)

Hay que tomar en cuenta, sin embargo, que la IA evoluciona rápidamente y no "casarse" demasiado con un modelo: si se toma una suscripción para contar con un modelo profesional, se recomienda que sea solo de un mes (Ver el artículo de J.Pastor).

Referencias

Codina, L.: Sistemas de inteligencia artificial y tesis doctorales · 1: Aspectos generales, 2: guías de uso

Morales, O.: La concentración de poder, la desaparición de empleos de oficina y la velocidad de los cambios ponen en jaque a gobiernos y profesionales en todo el mundo, Infobae, 13/02/2026. 

Pastor, J.: En 2025 la IA parecía haberse topado contra un muro de progreso. Un muro volatilizado en febrero de 2026, Xataka, 17/02/2026.