¿Qué pasa cuando una máquina ya no solo te responde bien, sino que empieza a detectar por qué una frase funciona, dónde se dobla su sentido y qué pieza interna la sostiene? Ese cambio, que parece pequeño, toca una zona que durante años se creyó casi intocable para la inteligencia artificial.
Un nuevo estudio acaba de poner ese supuesto bajo presión. La investigación evaluó si distintos modelos podían analizar el lenguaje como sistema y no solo producir oraciones correctas. Y allí apareció un hallazgo clave: el modelo o1 rindió en varias pruebas con una solidez comparable a la de un estudiante avanzado de lingüística.
El trabajo, liderado por Gašper Beguš (Universidad de California en Berkeley), junto con Maksymilian Dąbkowski y Ryan Rhodes, se enfocó justo en la diferencia que más divide este debate: una cosa es hablar con fluidez y otra muy distinta es explicar el engranaje interno de lo que se dice. La mayoría de los modelos evaluados no brilló. O1 sí.
Ese punto no era menor. Noam Chomsky lo expresó con bastante claridad en 2023 en The New York Times: aprender lenguaje solo a partir de enormes cantidades de datos no alcanzaría para capturar su mecanismo profundo. El nuevo resultado no liquida esa discusión, pero sí revela que algo en el cableado de estos sistemas cambió.
Lo que o1 mostró en estas pruebas se parece más a un electricista que levanta una tapa y reconoce qué interruptor controla cada circuito. En tres tareas tuvo que trabajar con árboles sintácticos (mapas de la estructura de una oración) para desarmar frases complejas. No solo generó respuestas plausibles: identificó cómo estaban construidas.
Además, manejó la recursión (estructuras dentro de estructuras), una pieza clave del lenguaje humano. Es el mismo mecanismo que permite encajar una idea dentro de otra y luego otra más, como esas cajas que guardan cajas adentro. Según los autores, el modelo no solo reconoció ese patrón, sino que pudo extenderlo de forma coherente.
El “interruptor” que separa imitación de análisis
Otra prueba atacó un punto central: la ambigüedad. Una misma oración puede tener más de una lectura, y o1 logró representarlas con árboles sintácticos distintos, en lugar de elegir solo la interpretación más probable. Allí aparece una señal importante: no estaba repitiendo una salida conocida, sino evaluando opciones internas.
Para evitar la trampa de la memoria, los investigadores diseñaron una cuarta prueba con 30 miniidiomas artificiales de 40 palabras cada uno. Es decir, lenguajes inventados, con reglas fonológicas nuevas, para que ningún modelo pudiera apoyarse en material visto durante el entrenamiento. O1 dedujo esas reglas de sonido y transformación con un desempeño llamativo.
Según los autores, ese rendimiento sugiere una capacidad para detectar patrones abstractos del lenguaje y no solo manipular texto en la superficie. No demuestra comprensión humana ni conciencia lingüística, pero sí una capacidad metalingüística emergente.
Eso obliga a revisar una idea muy instalada. Para Chomsky y muchos otros lingüistas, el lenguaje era una frontera central de lo humano. El estudio no dice que esa frontera haya desaparecido. Dice algo más incómodo y más interesante: en algunos tramos, la IA ya empezó a cruzarla.
Qué cambia en la práctica
Este avance puede volverse clave en sistemas que deban interpretar instrucciones complejas, contratos, traducciones delicadas o preguntas con doble sentido. Si una IA distingue mejor la estructura interna de una frase, también reduce errores cuando una palabra o una coma cambian todo el significado.
Según el trabajo, la combinación de análisis gramatical, resolución de ambigüedad, recursión e inferencia de reglas marca una oportunidad nueva. No convierte a la máquina en humana. Pero sí la acerca a una habilidad que parecía reservada al cerebro.
Y eso, para el usuario común, puede sentirse como pasar de un asistente que repite de memoria a uno que por fin empieza a mirar el plano de la casa antes de tocar el interruptor.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
