- Un reciente estudio de Apple pone en duda que los modelos de inteligencia artificial realmente piensen o razonen.
- Modelos como ChatGPT, Claude y DeepSeek muestran limitaciones serias ante problemas complejos.
- El rendimiento de estas IA decae drásticamente frente a tareas desconocidas o de dificultad elevada.
- La investigación ha provocado un intenso debate sobre el futuro y los límites de la inteligencia artificial.
El avance imparable de la inteligencia artificial ha generado una ola de expectativas sobre su capacidad para imitar –e incluso superar– el pensamiento humano. Sin embargo, un exhaustivo estudio presentado recientemente por Apple ha encendido el debate acerca de si estos sistemas realmente razonan o simplemente replican patrones aprendidos. A través de diferentes experimentos y análisis, la compañía de Cupertino quiere dejar claro que, pese a los progresos, la IA todavía está lejos de pensar como una persona.
En el informe, Apple evalúa modelos de IA de razonamiento como ChatGPT, Claude o DeepSeek, destacando que estos “modelos de razonamiento amplio” (LRM) se promocionan como capaces de resolver problemas complejos desglosando pasos, en teoría mostrando un proceso lógico. Pero el estudio arroja dudas importantes sobre esta habilidad y explica que, en realidad, estos sistemas tienden a memorizar soluciones presentes en sus datos de entrenamiento, en lugar de abordar tareas novedosas de forma genuinamente inteligente.
La debilidad de la IA ante retos complejos
Para comprobar hasta dónde llegaban las capacidades de estos modelos, los investigadores de Apple sometieron a varias IAs de referencia (entre ellas ChatGPT, Claude 3.7 y DeepSeek R1) a diferentes rompecabezas clásicos como la Torre de Hanói, Salto de Damas, Cruce de Río o el típico Mundo de Bloques. Estas pruebas se realizaron con grados de dificultad crecientes, evaluando si las máquinas podían adaptarse a lo desconocido o simplemente reproducían lo que ya sabían.
Los resultados demostraron que cuando la dificultad aumentaba, el rendimiento de las IA caía en picado. Incluso con pistas o soluciones preexistentes, los modelos tendían a abandonar el intento o a cometer errores básicos. Sorprendentemente, en algunos retos, los sistemas estándar de lenguaje (LLM), supuestamente menos sofisticados, lograban superar en precisión a los modelos de razonamiento. Esta caída del rendimiento extremo evidencia que asociar el tamaño o el entrenamiento masivo de la IA a una mayor inteligencia puede ser una ilusión.
¿La IA piensa o simplemente imita?
Uno de los puntos clave que plantea Apple en su publicación es que lo que parece razonamiento lógico podría ser simplemente una habilidad avanzada para reconocer patrones y repetir soluciones memorizadas. Si el sistema detecta un problema similar a uno que ya ha visto, responde con eficacia, pero basta con que se introduzcan pequeñas variaciones para que la IA se desoriente o falle.
La compañía ilustra este problema con ejemplos prácticos: un modelo es capaz de resolver la Torre de Hanói con más de 100 pasos, pero se atasca con un sencillo cruce de río si ese problema no estaba en sus datos de entrenamiento. Según el estudio, estos comportamientos sugieren que no hay razonamiento auténtico, sino coincidencia y asociación.
Consecuencias para el desarrollo y uso de la IA
Este planteamiento abre un importante debate sobre la fiabilidad de delegar tareas decisivas en sistemas de inteligencia artificial. Como señalan algunos expertos citados por Apple, el empleo excesivo de estas herramientas puede terminar afectando incluso a la capacidad de pensamiento crítico de los usuarios, pues la máquina no siempre va a encontrar la solución correcta en situaciones inéditas o complejas.
De hecho, el estudio advierte de la necesidad de repensar la arquitectura de estos modelos, sugiriendo incorporar lógica simbólica y reglas explícitas para mejorar el razonamiento. Otros especialistas consultados recomiendan no perder de vista los algoritmos clásicos, que siguen demostrando su eficacia frente a los atajos que utilizan las IAs actuales para “aprender”.
Recepción y controversia
El informe no ha estado exento de polémica. Diversas voces en el sector interpretan el estudio tanto como una advertencia honesta sobre los límites de la IA, como una maniobra de Apple para justificar su posición aparentemente rezagada frente a competidores como Google y OpenAI. La multinacional asegura, sin embargo, que el trabajo no ha sido revisado por pares y anima a la comunidad científica a reproducir los experimentos para confirmarlos o refutarlos.
Por otra parte, el informe utiliza rompecabezas en lugar de escenarios reales, lo que ha generado ciertas críticas sobre la aplicabilidad práctica de sus conclusiones. Además, se señala que las limitaciones de los modelos pueden estar relacionadas con factores técnicos, como el límite de pasos o tokens que cada IA es capaz de procesar.
Un reto para el futuro de la inteligencia artificial
En un sector marcado por la rivalidad y la innovación constante, el trabajo presentado por Apple ha reabierto el debate sobre hasta qué punto los sistemas de inteligencia artificial pueden realmente pensar o si estamos ante una sofisticada imitación sin verdadera comprensión. Por ahora, la recomendación general es utilizar la IA como herramienta, no como sustituto del pensamiento humano, y ser conscientes de sus límites para evitar una dependencia excesiva.
Este estudio plantea desafíos técnicos, éticos y sociales, invitando tanto a desarrolladores como a usuarios a mantener la cautela y el espíritu crítico a la hora de confiar en soluciones automáticas. Será necesario esperar futuras investigaciones y desarrollos para determinar si la inteligencia artificial logra, algún día, saltar la barrera de lo meramente imitativo para acercarse al auténtico razonamiento humano.
