El Nacimiento de ChatGPT Estuvo Marcado por el Azar… y Todavía no Sabemos cómo Funciona

OpenAI no quiso crear una mente. Quiso probar si un modelo podía predecir la siguiente palabra y ya. En San Francisco, un experimento acabó “naciendo” como ChatGPT, y cambió la conversación tecnológica. Importa porque marca el límite entre imitar lenguaje y parecer pensar.

El equipo entrenaba un sistema con textos de libros, artículos y sitios web. La idea era simple: completar frases con técnicas estadísticas, sin dilemas morales ni filosofía. El objetivo inicial era solo acertar la siguiente palabra, no construir una conciencia ni un razonador.

Entonces pasó algo raro. Un miembro del equipo preguntó sin contexto: “¿Cuál es el sentido de la vida?”. El modelo respondió con coherencia y un tono empático. No fue brillante ni profundo, pero tampoco una cita copiada. Era nuevo. Y eso dejó a todos mirando la pantalla.

Aquel momento encendió la alarma: habían construido algo más que una calculadora de probabilidades. El modelo empezó a conectar ideas, a hilar conceptos y a dar respuestas que parecían razonadas. No pensaba de verdad. Solo actuaba como si pensara, y esa diferencia es clave.

Poco después, ChatGPT mostró habilidades que nadie programó línea a línea. Empezó a escribir código, traducir ideas abstractas, resolver tareas complejas y hasta crear chistes con cierta lógica. El 30 de noviembre de 2022, OpenAI abrió ChatGPT al público, y en semanas ya veíamos usos reales en clase, en la oficina y en casa.

¿Cómo lo hace si nadie lo “programó”? Porque ChatGPT no se escribe a mano, se entrena. Se le da lenguaje de todo tipo y se ajusta con ejemplos. Luego entra una fase crucial con personas: entrenadores dialogan con el modelo, eligen respuestas, corrigen errores y premian el tono adecuado. Es parecido a educar a un niño para expresarse mejor, aunque aquí los criterios son estadísticos y opacos.

Por qué ChatGPT parece razonar sin hacerlo: entrenamiento humano y caja negra

Por dentro, sigue siendo una caja negra. Entendemos el proceso general, pero no el mecanismo exacto que produce cada frase. La IA funciona como un espejo entrenado con nuestras propias palabras. Por eso sorprende. Y por eso también se equivoca con seguridad. Vas a poder sacarle partido si recuerdas que no comprende, sino que simula comprensión.

En la práctica, el “afinamiento con humanos” suele pasar por tres pasos muy simples:

1. Compara respuestas y elige la mejor.
2. Corrige contenido y tono cuando se desvían.
3. Repite hasta que el modelo aprenda el patrón.

El resultado mejora a ojos vista, pero los criterios internos no son lógicos ni transparentes. Solo vemos la salida. No podemos explicar bien el mecanismo, solo medir el rendimiento. Aquí está la dificultad para definir qué tipo de “inteligencia” es ChatGPT: no razona, aunque lo parezca.

Mientras tanto, surge un giro de guion. Meta ha comprado una startup china, liderada por un joven de 22 años, que propone otra vía: enseñar a las máquinas a razonar hacia objetivos, no solo a responder por probabilidad. Si ese enfoque funciona, la IA podría volverse más precisa, estratégica, adaptable y autónoma. También sería más difícil de controlar.

Qué puede cambiar si la IA pasa de predecir palabras a razonar por objetivos

Lo llamativo es de dónde sale la chispa. Las ideas más disruptivas están llegando de equipos pequeños y laboratorios sin estructuras pesadas. Esa agilidad permite probar enfoques que las grandes no se atreven a mover rápido. Aquí se decidirá si seguimos con predicción estadística o damos el salto al pensamiento intencional.

Queda una pregunta delicada: ¿quién educa a estas inteligencias y con qué criterios? Si no entendemos bien cómo “piensan”, cuesta decidir qué respuestas son válidas. La tecnología ya existe y mejora. Lo que falta es conciencia sobre qué le enseñamos y por qué. El futuro de la inteligencia artificial depende menos de cuántos miles de millones de parámetros tenga o de si responde en 300 milisegundos, y más de nuestras conversaciones y acuerdos sociales.

Si buscamos próximos hitos, fíjate en 2025: integración de enfoques orientados a objetivos en asistentes comerciales y pruebas con “memoria de largo recorrido”. Si Meta lleva esa vía a productos reales o si ves a pequeños laboratorios publicar agentes que planean y corrigen solos, la aguja habrá girado.

Al final, ChatGPT nació casi por accidente y, Nos obligó a redefinir expectativas. Recuerda la idea central: ChatGPT no razona, actúa como si razonara. Lo potente y lo frágil vienen de ahí. Lo que decidamos enseñar, corregir y premiar en estos sistemas, más que la velocidad o el tamaño, marcará su impacto. Y también lo que tú vas a poder hacer con esta inteligencia artificial en tu día a día.