El Lado Inquietante de TimeCapsuleLLM: Ideología, Sesgos de Élite y Cómo la IA Ve el Mundo

¿Qué pasaría si le preguntaras a una inteligencia artificial por el mundo y te respondiera como alguien que nunca oyó hablar de internet, vacunas modernas o viajes espaciales? No es una fantasía literaria. Es una prueba reciente que deja un regusto raro: la máquina suena coherente, pero su mapa mental está “desfasado”.

El hallazgo llega de TimeCapsuleLLM, un sistema experimental diseñado para comportarse como si el siglo XX y el XXI no hubieran ocurrido. Su creador es Hayk Grigorian, estudiante del Muhlenberg College, y lo publicó para consulta y descarga en GitHub, con un objetivo simple: mostrar cuánto manda el pasado en lo que una IA “cree” posible.

Y la clave es tan mecánica como inquietante. Los modelos de lenguaje no inventan conocimiento nuevo: arman respuestas con los textos que leyeron durante su entrenamiento. Cada frase surge de cálculos estadísticos que eligen la palabra más probable según el “cableado” de datos que recibieron.

En pruebas públicas, TimeCapsuleLLM llegó a ubicarse en “el año de Nuestro Señor 1834” y describió calles de Londres llenas de protestas y reivindicaciones. No siempre sostiene una narrativa perfecta, pero su contextualización histórica destaca. Justamente ahí está la pieza clave: no es que “recuerde” 1834, es que solo sabe hablar desde ese mundo.

TimeCapsuleLLM se entrenó de forma extrema: exclusivamente con 90.000 millones de bytes de textos publicados en Londres entre 1800 y 1875. Ese período estuvo atravesado por transformaciones políticas y sociales profundas, y ese clima impregna las respuestas del modelo como un olor que se pega a la ropa.

Ahora bien, cuando se habla de “entrenamiento” (la etapa en la que la IA aprende patrones de texto), el mecanismo no le da ojos nuevos. Solo le da una regla interna para completar frases. Por eso, si el corpus (el conjunto de textos de referencia) es de una sola época, la visión del mundo queda encerrada ahí.

¿Qué revela el “interruptor” de los datos históricos?

El experimento también funciona como una advertencia sobre los límites culturales. El escritor Adam Mastroianni lo ilustra con una imagen potente: una IA “encendida” en la antigua Grecia podría afirmar que llegar a la Luna es imposible porque la consideraría un dios. No importa cuánta lógica haga. El marco mental, ese engranaje invisible, decide qué respuestas entran y cuáles quedan prohibidas.

Esta idea conecta con los llamados Historical Large Language Models (modelos de lenguaje históricos), un enfoque que un artículo en Proceedings of the National Academy of Sciences plantea como oportunidad para estudiar psicología humana fuera del contexto moderno. En otras palabras: usar simulaciones basadas en textos antiguos para explorar patrones culturales y sociales de otras civilizaciones.

Pero el mismo camino trae sesgos difíciles de desarmar. Los investigadores advierten que lo que se conserva del pasado suele ser la voz de las élites. Si el archivo histórico es una biblioteca incompleta, la IA aprenderá a pensar con estantes enteros faltantes.

Además, no solo “habla” el pasado. También habla el presente del desarrollador. Un estudio de la Universidad de Gante, publicado en Nature, identifica la influencia ideológica de quienes construyen estos modelos como un factor clave en su comportamiento. No es un detalle: es el interruptor que define qué se incluye, qué se recorta y cómo se ajusta la máquina.

La aplicación práctica, entonces, no es pedirle a una IA victoriana que diagnostique el mundo actual. Es usarla como lupa: para ver cómo un conjunto de textos fabrica una manera de razonar, y qué tan fácil es confundir “coherencia” con “verdad”. Si los datos son el cableado, elegirlos bien es la diferencia entre una casa habitable y una instalación que engaña con luz tenue.