1  Qué es la Inteligencia Artificial

Pregunta central: ¿Qué hace que un LLM sea diferente de las generaciones anteriores de IA?

1.1 Introducción

Pocos términos técnicos cruzaron tan rápido la frontera entre el laboratorio y la conversación cotidiana como “inteligencia artificial”. Antes de discutir qué distingue a un Gran Modelo de Lenguaje (una Large Language Model, o LLM) de las tecnologías que lo precedieron, conviene situarlo dentro de una historia más larga, que comienza mucho antes de los asistentes conversacionales actuales. Comprender esa genealogía no es un ejercicio de erudición: cada limitación que veremos en los capítulos siguientes hunde sus raíces en decisiones conceptuales tomadas hace décadas, y cada avance reciente es, en buena medida, la respuesta a un impasse heredado.

Este capítulo construye el mapa del territorio. Presenta la Inteligencia Artificial (IA) no como una tecnología única, sino como un campo amplio que alberga paradigmas muy distintos, algunos conceptualmente opuestos. Veremos cómo el sueño de “máquinas que piensan” se desdobló en dos grandes tradiciones, por qué una de ellas terminó predominando, y en qué punto exacto de ese árbol se ubican los LLM. Al final, la pregunta central del capítulo, que indaga qué hace que un LLM sea diferente de las generaciones anteriores de IA, dejará de tener una respuesta vaga (“es más avanzado”) para adquirir contornos precisos.

El enfoque es deliberadamente conceptual. No nos interesa, por ahora, cómo construir un sistema de IA, sino qué es cada tipo de sistema, de dónde viene y por qué funciona, o deja de funcionar. Este encuadre acompañará todo el libro.

1.2 Objetivos de Aprendizaje

Al concluir este capítulo, se espera que el lector sea capaz de:

• Distinguir Inteligencia Artificial, Aprendizaje Automático, Aprendizaje Profundo e IA Generativa, comprendiendo que son niveles anidados y no sinónimos.
• Explicar la diferencia conceptual entre la tradición simbólica (basada en reglas) y la tradición conexionista (basada en el aprendizaje a partir de datos), con un ejemplo práctico de cada paradigma.
• Comprender por qué los sistemas basados en reglas son deterministas y por qué los LLM introducen no determinismo.
• Situar los LLM dentro de la taxonomía de la IA y enunciar, con precisión, qué los distingue de las generaciones anteriores.

1.3 Preguntas Orientadoras

• Si una calculadora resuelve operaciones que un humano hallaría difíciles, ¿por qué no la llamamos “inteligente”?
• ¿Qué significa, exactamente, decir que una máquina “aprende”?
• ¿Por qué los sistemas basados en reglas explícitas, pese a ser transparentes y predecibles, fracasaron en tareas como reconocer un rostro o traducir un texto?
• ¿Por qué la misma pregunta, formulada dos veces a un LLM, puede recibir respuestas distintas, mientras que un sistema de reglas responde siempre lo mismo?

1.4 Mapa Conceptual del Capítulo

La Figura 1.1 organiza los conceptos centrales del capítulo y sus relaciones. Anticipa la estructura argumentativa: la IA se divide en dos tradiciones; una de ellas, el aprendizaje a partir de datos, se ramifica hasta llegar a los LLM.

Figura 1.1 - Mapa conceptual: paradigmas de la IA y la posición de los LLM

Fuente: elaboración propia (2026).

1.5 IA, Machine Learning y Deep Learning: quién es quién

1.5.1 Qué es la Inteligencia Artificial

En sentido amplio, la Inteligencia Artificial es el campo de estudio que busca construir sistemas capaces de realizar tareas que, cuando las ejecuta un ser humano, asociaríamos con la inteligencia: percibir, razonar, aprender, decidir, comunicarse en lenguaje natural. Esa definición intuitiva es útil para empezar, pero arrastra un defecto que acompaña a la IA desde el origen: es móvil. A medida que una tarea se automatiza con éxito, tendemos a dejar de considerarla “inteligente”, fenómeno tan recurrente que recibió nombre propio, el efecto IA. Jugar al ajedrez fue alguna vez el ejemplo canónico de inteligencia; hoy, un programa que vence a campeones mundiales se ve como mero cálculo. La frontera de lo que llamamos IA se desplaza con el tiempo.

Técnicamente, se prefiere una definición menos psicológica. El tratado de referencia del área caracteriza la IA mediante cuatro enfoques, según el sistema busque pensar como humanos, actuar como humanos, pensar racionalmente o actuar racionalmente, siendo el último, el del agente racional que actúa para maximizar el cumplimiento de sus objetivos, el más influyente en la investigación contemporánea (Russell & Norvig, 2021). La relevancia de esta definición para nuestro recorrido está en desplazar el criterio de “imitar la mente humana” hacia “comportarse adecuadamente ante un objetivo”, exactamente el tipo de criterio bajo el cual se evalúan los LLM.

La propia expresión “inteligencia artificial” nació de un documento específico: la propuesta, redactada en 1955 por John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon, para un encuentro de verano en Dartmouth al año siguiente (McCarthy et al., 1955). Ese seminario de 1956 es ampliamente reconocido como el acto fundacional del campo. Pero la pregunta que lo motivaba ya había sido formulada, de modo más preciso, algunos años antes.

1.5.2 La pregunta de Turing

En 1950, Alan Turing publicó en la revista Mind el artículo que abriría la discusión filosófica y técnica sobre las máquinas pensantes (Turing, 1950). En lugar de enfrentar directamente la pregunta “¿pueden pensar las máquinas?”, que consideraba mal definida, pues depende de qué se entienda por “pensar”, Turing propuso sustituirla por una prueba operativa, el juego de la imitación: si un interrogador humano, conversando por escrito con un humano y con una máquina sin saber cuál es cuál, no logra distinguirlos de forma fiable, entonces negarle a la máquina el atributo de “inteligente” se vuelve una posición difícil de sostener. El mérito duradero de la propuesta fue reposicionar la cuestión: el criterio deja de ser la naturaleza interna del sistema y pasa a ser su comportamiento observable en lenguaje. Conviene retener este punto, pues reaparecerá, transformado, cuando discutamos cómo se evalúa un LLM.

1.5.3 Dos tradiciones: simbólica y conexionista

La historia técnica de la IA puede leerse como la tensión entre dos tradiciones. La primera, simbólica, parte de la hipótesis de que la inteligencia consiste en manipular símbolos según reglas lógicas explícitas. Construir un sistema, desde esta visión, es codificar el conocimiento de expertos humanos en reglas del tipo “si la condición X, entonces la conclusión Y”. Esa tradición, apodada retrospectivamente Good Old-Fashioned AI por Haugeland (Haugeland, 1985), dominó las primeras décadas y produjo, en los años 1970 y 1980, los sistemas expertos: programas que reproducían el razonamiento de profesionales en dominios estrechos.

La segunda tradición, conexionista, parte de una apuesta opuesta: en lugar de programar el conocimiento, se deja que el sistema lo extraiga de ejemplos. No se escribe la regla que distingue a un gato de un perro; se muestran miles de imágenes etiquetadas y se permite que el sistema ajuste sus parámetros internos hasta acertar. De esta tradición descienden el Aprendizaje Automático, el Aprendizaje Profundo y, finalmente, los LLM. Las subsecciones siguientes recorren cada paradigma, del más antiguo al más reciente, con un infográfico y un ejemplo práctico para cada uno.

1.6 Del perceptrón a la IA generativa

Antes de recorrer las tres grandes vertientes (reglas, aprendizaje automático y aprendizaje profundo), vale situarlas en el tiempo. La historia de la IA no es una línea recta de progreso; está hecha de olas de entusiasmo seguidas de decepciones, los llamados inviernos de la IA, en que la financiación y el interés menguaron cuando las promesas no se cumplieron. Conocer estos hitos ayuda a leer el momento actual con perspectiva, y a desconfiar tanto de la exageración como del escepticismo fácil. La Figura 1.2 resume la trayectoria.

Figura 1.2 - Línea de tiempo de la IA: de Dartmouth a los LLM, con los inviernos sombreados

Fuente: elaboración propia (2026), con base en las referencias del capítulo.

Nótese el ritmo: décadas de avances lentos y específicos (un sistema para ajedrez, otro para imágenes), hasta que, desde los años 2010 en adelante, el aprendizaje profundo y luego los Transformers destrabaron una generalidad nueva. Los tres enfoques a continuación no se sucedieron de forma limpia; convivieron y todavía conviven, pero es el aprendizaje, y no las reglas, lo que domina el momento actual.

1.6.1 Aprendizaje por reglas (sistemas simbólicos)

En el paradigma simbólico, todo el conocimiento del sistema se aporta desde fuera, por seres humanos, en forma de reglas explícitas. El programa no descubre nada: aplica, de modo mecánico, condiciones previamente escritas. La virtud de ese arreglo es la transparencia total, pues cada decisión puede rastrearse hasta la regla que la produjo, lo que vuelve al sistema predecible y auditable. Su debilidad aparece cuando el conocimiento necesario es tácito, es decir, cuando sabemos ejecutar la tarea pero no logramos enunciar las reglas que usamos. Reconocer un rostro, entender una frase ambigua o percibir la ironía son casos así. A esto se suma la explosión combinatoria: el número de reglas necesarias para cubrir las excepciones del mundo real crece de forma incontrolable, y el mantenimiento se vuelve prohibitivo.

Un ejemplo práctico ilumina el paradigma. El sistema MYCIN, desarrollado en la Universidad de Stanford a comienzos de los años 1970 por Edward Shortliffe, diagnosticaba infecciones bacterianas a partir de un conjunto de cerca de 600 reglas del tipo “si-entonces” y recomendaba antibióticos con la dosis ajustada al peso del paciente (Shortliffe, 1976). Una de sus características notables era la capacidad de explicar la conclusión, rehaciendo la cadena de reglas que la sustentaba. La Figura 1.3 esquematiza ese funcionamiento: una entrada recorre un motor que aplica reglas escritas por expertos, hasta producir una salida cuyo origen es enteramente rastreable.

Figura 1.3 - Aprendizaje por reglas: un motor que aplica condiciones escritas por humanos

Fuente: elaboración propia (2026), con base en Shortliffe (1976).

Importante

Caso real: ELIZA y la ilusión de comprensión. En 1966, mucho antes de los LLM, Joseph Weizenbaum creó ELIZA, un programa que imitaba a un psicoterapeuta con poquísimas reglas: simplemente reformulaba las frases del usuario como preguntas (“estoy triste” se volvía “¿por qué estás triste?”). No había comprensión alguna, solo manipulación de patrones de texto. Aun así, Weizenbaum quedó perturbado al ver que las personas, incluida su propia secretaria, se apegaban al programa y le atribuían empatía real, hasta el punto de pedir privacidad para “conversar”. Ese fenómeno, la tendencia humana a proyectar entendimiento e intención donde solo hay mecanismo, se conoció como efecto ELIZA. Es más relevante que nunca: los LLM de hoy son infinitamente más fluidos que ELIZA, y la misma proyección, ahora mucho más fuerte, es la raíz de varios equívocos que este libro combate, desde “la IA entiende” hasta “la IA tiene opinión”. Reconocer el efecto ELIZA en uno mismo es la primera defensa del lector-piloto.

1.6.2 Aprendizaje Automático (aprender de ejemplos)

El Aprendizaje Automático (Machine Learning) invierte la lógica anterior: en vez de recibir reglas ya hechas, el sistema las infiere a partir de datos. El término fue acuñado por Arthur Samuel en 1959, en el contexto de un programa que jugaba a las damas y mejoraba su desempeño con la experiencia (Samuel, 1959). La formulación que se volvió estándar es la de Tom Mitchell: se dice que un programa aprende a partir de una experiencia \(E\), respecto de una clase de tareas \(T\) y de una medida de desempeño \(P\), si su desempeño en \(T\), medido por \(P\), mejora con \(E\) (Mitchell, 1997). La definición es deliberadamente operativa. No invoca conciencia ni comprensión: aprender, aquí, significa exclusivamente mejorar una métrica en una tarea a medida que se acumula experiencia.

Considere, como ejemplo práctico, el filtrado de mensajes no deseados (spam). En el enfoque por reglas, alguien tendría que anticipar manualmente cada patrón sospechoso. En el enfoque por aprendizaje, se presenta al sistema un gran conjunto de mensajes ya etiquetados como “spam” o “no spam”, y él ajusta por sí mismo la importancia de cada pista. La Figura 1.4 ilustra ese mecanismo: los ejemplos etiquetados alimentan el modelo, que gira sus “perillas” internas, los pesos de las pistas, hasta separar las dos clases lo mejor posible. Cuando surge un truco nuevo, no hace falta reescribir regla alguna; basta volver a presentar ejemplos actualizados.

Figura 1.4 - Aprendizaje automático: el modelo ajusta los pesos a partir de ejemplos etiquetados

Fuente: elaboración propia (2026).

1.6.3 Aprendizaje Profundo

Dentro del Aprendizaje Automático, el Aprendizaje Profundo (Deep Learning) designa el uso de redes neuronales con muchas capas, capaces de aprender representaciones de los datos en niveles crecientes de abstracción, desde los bordes de una imagen hasta el concepto de “rostro”, por ejemplo (LeCun et al., 2015). La idea de red neuronal es antigua y ya había conocido un invierno: en 1969, Minsky y Papert demostraron que el perceptrón, modelo neuronal elemental, ni siquiera era capaz de representar la función lógica “o exclusivo”, lo que enfrió el entusiasmo y la financiación del área durante años (Minsky & Papert, 1969). La Figura 1.5 abre la “caja” de una red neuronal: cada conexión carga un peso, un número que regula la influencia de una unidad sobre la siguiente, y es ese conjunto de pesos lo que el entrenamiento ajusta. Las capas más profundas combinan lo que las anteriores extrajeron, yendo de lo simple a lo complejo.

Figura 1.5 - Aprendizaje profundo: pesos en las conexiones y abstracción creciente entre capas

Fuente: elaboración propia (2026). Los valores de peso son ilustrativos.

El ejemplo práctico más célebre del Aprendizaje Profundo es el reconocimiento de imágenes. Hasta 2012, identificar automáticamente el objeto presente en una fotografía era una tarea en la que los sistemas erraban con frecuencia. Ese año, una red neuronal profunda entrenada en unidades de procesamiento gráfico (GPU) ganó por amplio margen la competición ImageNet, reduciendo la tasa de error de referencia de cerca del 26% al 15% (Krizhevsky et al., 2012). El resultado no introdujo una idea enteramente nueva; mostró que la conjunción de tres factores, grandes volúmenes de datos etiquetados, capacidad de cálculo paralelo y ajustes algorítmicos, volvía al Aprendizaje Profundo súbitamente competitivo. La Figura 1.6 acompaña la caída continua del error en los años siguientes, hasta descender por debajo del nivel de acierto humano estimado, en torno al 5% (Russakovsky et al., 2015).

Figura 1.6 - Caída del error de clasificación en ImageNet (ILSVRC) por año

Fuente: elaboración propia (2026), con base en Krizhevsky et al. (2012) y Russakovsky et al. (2015). La línea discontinua marca el nivel de error humano estimado (cerca del 5%).

1.6.4 IA Generativa y la posición de los LLM

Los modelos descritos hasta aquí eran, en su mayoría, discriminativos: clasificaban, es decir, asignaban etiquetas a entradas. La IA Generativa designa modelos que producen contenido nuevo, como imágenes, texto o audio, en lugar de solo etiquetar. Un hito de ese giro fueron las redes generativas antagónicas propuestas por Goodfellow y colaboradores en 2014, en las que dos redes compiten, una generando muestras y otra intentando distinguirlas de las reales (Goodfellow et al., 2014). En el dominio del lenguaje, la inflexión arquitectónica llegó en 2017 con el Transformer, introducido en el artículo Attention Is All You Need (Vaswani et al., 2017), arquitectura que será objeto entero del Módulo 4. Sobre ella se construyeron los LLM: modelos entrenados sobre enormes corpus de texto para predecir la continuación de una secuencia y que, al ser escalados, exhibieron la capacidad de resolver tareas a partir de pocos ejemplos en el propio enunciado, como se documentó para GPT-3 en 2020 (Brown et al., 2020).

La Figura 1.7 muestra, de forma esquemática, lo que hace un LLM en cada paso: dadas las palabras ya presentes, calcula una distribución de probabilidad sobre cuál será la próxima palabra y luego sortea una de ellas. Es ese sorteo lo que explica por qué la misma pregunta puede generar respuestas distintas, un punto que retomaremos al hablar de determinismo.

Figura 1.7 - Cómo genera texto un LLM: predecir y muestrear el próximo token

Fuente: elaboración propia (2026). Probabilidades ilustrativas.

Es aquí donde la pregunta central del capítulo encuentra respuesta. Un LLM es, simultáneamente, un sistema de Aprendizaje Automático (aprende de datos), de Aprendizaje Profundo (usa redes neuronales multicapa) y de IA Generativa (produce contenido nuevo). Lo que lo distingue de las generaciones anteriores no es solo la escala, sino la combinación de tres rasgos: la generalidad (un mismo modelo aborda traducción, resumen, programación y diálogo, sin haber sido programado para cada tarea), el aprendizaje de propósito general a partir de texto no etiquetado y la interacción en lenguaje natural como interfaz. Las generaciones anteriores eran, por regla, especializadas: un sistema para ajedrez, otro para diagnóstico, otro para reconocimiento de imágenes. La novedad de los LLM es la amplitud.

Conviene fijar la posición del LLM en ese mapa, porque de ella dependen decisiones prácticas. Los modelos que solo clasifican o predicen, como un filtro de spam o un detector de fraude, se llaman discriminativos; los que producen contenido nuevo forman la rama generativa, a la que pertenece el LLM. Pero no es el único miembro de esa rama: los modelos de difusión generan imágenes, video y audio, y existen modelos especializados en código. Todos comparten la misma lógica de origen, la de un modelo de gran escala preentrenado que sirve de base para muchas aplicaciones, razón por la cual reciben el nombre de modelos de fundación (foundation models). Reconocer que el LLM es un caso específico, y no un motor universal, previene un equívoco recurrente, el de tratarlo como solución para todo problema, cuando parte de las tareas se atiende mejor con un modelo discriminativo ligero o con otra familia generativa, una elección que el Módulo 11 retoma bajo la óptica de costo y adecuación.

Lo que hizo posible ese salto fue menos una única invención y más la convergencia de escala, es decir, datos, parámetros y capacidad de cálculo, sin la cual las mismas arquitecturas no exhibirían el comportamiento que hoy exhiben, como el Módulo 5 detalla al tratar el entrenamiento. Y nada en esa posición confiere al LLM agencia: no persigue objetivos propios ni “quiere” cosa alguna, tema que el Módulo 12 desarrolla al discutir la colaboración humano-IA.

1.6.5 Determinismo y no determinismo

Un concepto atraviesa toda esta trayectoria y ayuda a entender el comportamiento de los LLM: el determinismo. Un sistema es determinista cuando la misma entrada produce siempre la misma salida. Los sistemas basados en reglas son deterministas por construcción: ante la misma situación, aplican las mismas reglas y llegan a la misma conclusión, lo que los vuelve predecibles y auditables. Los modelos clásicos de Aprendizaje Automático, una vez entrenados, también suelen ser deterministas en la predicción, pues los parámetros están fijos y la operación es el cálculo directo de una salida.

Los LLM introducen una diferencia de comportamiento que es central para comprenderlos. Como mostró la Figura 1.7, la generación de texto normalmente implica un muestreo de una distribución de probabilidad sobre el próximo token, con un grado de aleatoriedad controlado por un parámetro llamado temperatura, detallado en el Módulo 6. Por eso, la misma pregunta puede recibir respuestas distintas en ejecuciones diferentes. Ese no determinismo no es un defecto, sino una decisión de diseño que favorece diversidad y fluidez; aun así, tiene consecuencias importantes para la reproducibilidad, la testabilidad y la evaluación, retomadas en el Módulo 7. Conviene notar que, incluso cuando se reduce la temperatura a cero para buscar la salida más probable, pequeñas variaciones de hardware y de paralelismo pueden impedir una reproducibilidad perfecta. La previsibilidad absoluta de los sistemas de reglas, por tanto, da lugar a un comportamiento probabilístico, y ese es uno de los cambios de mentalidad más importantes al pasar de las generaciones anteriores de IA a los LLM.

1.6.6 IA estrecha, IA general y el término AGI

Un par de distinciones ayuda a situar todo lo visto, y a desarmar buena parte del hype. Toda la IA que existe hoy, sin excepción, es IA estrecha (narrow AI): sistemas que resuelven una clase de tareas, por amplia que sea, sin conciencia, voluntad ni comprensión en sentido humano. Un modelo que juega al ajedrez no sabe que está jugando; un LLM que conversa sobre cualquier tema no entiende lo que dice (Módulo 7). Lo que impresiona en los LLM es la amplitud de esa competencia estrecha, no un cambio de naturaleza.

En contraste, se habla de IA general (AGI, de Artificial General Intelligence): la idea, todavía hipotética, de un sistema con capacidad cognitiva comparable a la humana en cualquier dominio, capaz de aprender y transferir conocimiento con la flexibilidad de una persona. Es importante ser honesto sobre este término: la AGI no tiene una definición única ni consensuada, y se usa de formas muy diferentes, desde metas técnicas específicas hasta promesas de marketing. No hay acuerdo sobre qué contaría como AGI, ni sobre si los LLM son un camino hacia ella o solo una tecnología impresionante de otra naturaleza. El lector-piloto hace bien en tratar el término con cautela: cuando alguien afirma que “la AGI está cerca”, la primera pregunta útil es “¿qué quieres decir exactamente con AGI?”. Este libro trata de la IA que existe y funciona hoy, la estrecha; la general pertenece, por ahora, al terreno de la especulación.

1.7 En la práctica: mira el aprendizaje automático suceder

Dos experimentos gratuitos, en el navegador, vuelven palpable la diferencia entre programar por reglas y aprender de ejemplos, el punto central de este capítulo.

Experimento 1: entrena tu propio clasificador. Visita Teachable Machine (de Google, en teachablemachine.withgoogle.com). En pocos minutos, usando la webcam, “enseñas” a la computadora a distinguir, por ejemplo, tu mano abierta de tu mano cerrada: basta mostrar varios ejemplos de cada una y hacer clic en entrenar. Nadie escribió reglas sobre dedos o sombras; el modelo ajustó sus pesos a partir de tus ejemplos, exactamente como describió la Figura 1.4. Después, prueba los límites: muéstrale algo que no vio en el entrenamiento y observa cómo se equivoca. Acabas de hacer aprendizaje automático supervisado, sin escribir una línea.

Experimento 2: mira a un modelo reconocer (y fallar) garabatos. Quick, Draw! (también de Google) te pide dibujar objetos mientras un modelo intenta adivinar qué son, en tiempo real. Además de divertido, es instructivo: observa cuándo el modelo acierta rápido y cuándo se pierde, y nota que aprendió a partir de millones de garabatos de otras personas, lo que explica sus sesgos (espera que un “gato” se parezca a los gatos que la mayoría dibuja). Es el aprendizaje a partir de datos, con sus fortalezas y límites, a la vista.

1.8 Analogías: la IA como aprendiz, no como cerebro

Una analogía recurrente describe la diferencia entre ambas tradiciones como la diferencia entre enseñar por manual y enseñar por ejemplos. El sistema simbólico es como un empleado que recibe un manual exhaustivo de procedimientos y sigue cada regla al pie de la letra; el sistema que aprende es como un aprendiz que observa miles de casos y, poco a poco, desarrolla un “olfato” para la tarea. La analogía funciona para transmitir la inversión metodológica, de codificar conocimiento a extraerlo de datos. Deja de funcionar, sin embargo, en dos puntos que conviene marcar desde ya. Primero, el “olfato” del aprendiz humano se apoya en una comprensión del mundo, mientras que el modelo ajusta parámetros para minimizar el error en una métrica, sin que de ello se siga comprensión alguna (tema del Módulo 7). Segundo, el aprendiz humano generaliza a partir de poquísimos ejemplos, mientras que los modelos clásicos exigían volúmenes enormes de datos. La analogía, por tanto, ilumina el cómo superficial y encubre el porqué profundo, y por eso nunca sustituye a la explicación técnica.

1.9 El mapa de los campos de la IA

La Figura 1.8 representa la relación entre los campos discutidos como una estructura de contención: cada nivel está contenido en el anterior. El diagrama vuelve visible lo que el lenguaje corriente suele confundir, que “IA”, “Aprendizaje Automático” y “Aprendizaje Profundo” no son sinónimos intercambiables, sino capas anidadas. Va más allá de la simple contención, sin embargo: distingue los modelos discriminativos, que clasifican y predicen, de la rama generativa, que crea contenido nuevo; muestra los LLM como un caso junto a otras familias generativas; e indica, en la base, el eje de escala que hizo posible esa trayectoria.

Figura 1.8 - Mapa de los campos de la IA: contención, tipos discriminativo y generativo, y escala

Fuente: elaboración propia (2026).

El anidamiento indica contención, no flujo temporal: todo Aprendizaje Profundo es Aprendizaje Automático, pero la recíproca es falsa. Los LLM heredan las propiedades de cada capa superior, lo que explica por qué fallas típicas de los modelos estadísticos, como la sensibilidad a los datos de entrenamiento y la ausencia de garantías lógicas, reaparecen en ellos, por sofisticados que parezcan.

1.10 Conceptos Principales

• Inteligencia Artificial (IA): campo que busca sistemas capaces de tareas asociadas a la inteligencia humana; bajo la definición técnica dominante, el estudio de agentes racionales que actúan para cumplir objetivos (Russell & Norvig, 2021).
• Tradición simbólica (GOFAI): enfoque basado en reglas lógicas explícitas y conocimiento codificado por expertos (Haugeland, 1985).
• Tradición conexionista: enfoque en que el sistema extrae conocimiento de ejemplos, ajustando parámetros internos.
• Aprendizaje Automático: subcampo de la IA dedicado a sistemas que mejoran su desempeño con la experiencia (Mitchell, 1997; Samuel, 1959).
• Aprendizaje Profundo: uso de redes neuronales con muchas capas, que aprenden representaciones jerárquicas de los datos (LeCun et al., 2015).
• IA Generativa: modelos que producen contenido nuevo, en lugar de solo clasificar entradas (Goodfellow et al., 2014).
• Determinismo: propiedad de un sistema cuya misma entrada produce siempre la misma salida; presente en los sistemas de reglas, contrasta con el comportamiento probabilístico de los LLM.
• LLM: modelo de lenguaje de gran escala, basado en la arquitectura Transformer, entrenado para predecir continuaciones de texto y capaz de generalizar a múltiples tareas (Brown et al., 2020; Vaswani et al., 2017).
• IA estrecha vs. IA general (AGI): toda la IA actual es estrecha (resuelve clases de tareas, sin conciencia); la IA general, comparable a la humana en cualquier dominio, es hipotética y el término AGI no tiene definición consensuada.
• Efecto ELIZA: la tendencia humana a proyectar comprensión e intención donde solo hay manipulación de patrones, raíz de muchos equívocos sobre la IA.

1.11 Mitos: “la IA piensa”, “es solo estadística”

El primer equívoco frecuente es tratar IA, Aprendizaje Automático y Aprendizaje Profundo como sinónimos. Como la Figura 1.8 evidencia, son niveles anidados; usarlos de forma intercambiable borra distinciones que importan para entender capacidades y límites.

El segundo es suponer que toda IA aprende de datos. La tradición simbólica, basada en reglas, es IA y no aprende en ese sentido, y sigue en uso en dominios que exigen auditabilidad. Los LLM pertenecen a la rama que aprende, pero la IA no se reduce a ella.

El tercer equívoco es esperar de un LLM la previsibilidad de un sistema de reglas. Quien supone que la misma pregunta generará siempre la misma respuesta confunde dos paradigmas: la generación de un LLM es probabilística, no determinista, según se discutió arriba.

El cuarto, y el más consecuente para los capítulos siguientes, es interpretar “aprender” e “inteligencia” en sentido humano. Bajo la definición de Mitchell, aprender es mejorar una métrica con experiencia (Mitchell, 1997); nada en esa definición implica comprensión, intención o conciencia. Buena parte de las interpretaciones equivocadas sobre lo que un LLM “entiende” nace de transportar, sin aviso, la connotación cotidiana de esos términos a un proceso que es, por naturaleza, estadístico.

1.12 Conexión con los Próximos Capítulos

Situados los LLM en el mapa de la IA, el libro pasa a abrirlos por dentro. El Módulo 2 enfrenta la pregunta que la tradición conexionista presupone pero no responde por sí sola: cómo transformar texto, que está hecho de símbolos sin valor numérico, en algo que una red neuronal pueda procesar, mediante tokenización y embeddings. El Módulo 3 detalla qué es, en definitiva, una red neuronal y qué significa, mecánicamente, ajustar parámetros. Y el Módulo 4 se dedica a la arquitectura Transformer, la innovación de 2017 que, mencionada aquí solo de pasada, fue la condición de posibilidad de todo lo que hoy llamamos LLM.

1.13 Para ir más allá

Para hacer (experimenta y observa)

• Teachable Machine (teachablemachine.withgoogle.com): entrena un clasificador con la webcam y mira el aprendizaje por ejemplos suceder en minutos.
• Quick, Draw! (quickdraw.withgoogle.com): dibuja y mira a un modelo adivinar (y fallar), aprendido de millones de garabatos.
• Melanie Mitchell, Artificial Intelligence: A Guide for Thinking Humans: un libro accesible y escéptico que separa lo que la IA hace de lo que dicen que hace.

Para leer (profundizar los fundamentos)

• TURING, A. M. Computing Machinery and Intelligence. Mind, 1950. Texto fundador de la pregunta, todavía sorprendentemente vigente.
• RUSSELL, S.; NORVIG, P. Artificial Intelligence: A Modern Approach. 4.ª ed., 2021. Tratado de referencia; los capítulos iniciales cubren las definiciones y la historia del campo.
• LECUN, Y.; BENGIO, Y.; HINTON, G. Deep Learning. Nature, 2015. Síntesis accesible, por los propios protagonistas, del paradigma que prevaleció.