Meta Podría Repetir el Error del Metaverso con la IA, Según Yann LeCun

¿Se puede criar una inteligencia artificial como se cría a un niño, en vez de llenarla de apuntes y esperar que repita? Esa pregunta, que parece doméstica, hoy está en el centro de una disputa clave para Meta, la empresa de Mark Zuckerberg, después de haber invertido cerca de 80.000 millones de dólares en un metaverso que no dio el salto esperado.

El hallazgo aparece en un trabajo reciente de Yann LeCun, junto con Emmanuel Dupoux y Jitendra Malik, publicado en un estudio sobre por qué los sistemas de IA no aprenden y qué hacer al respecto. Allí sostienen que los grandes modelos de lenguaje, aunque útiles, no son la pieza clave para llegar a una inteligencia de nivel humano.

La revelación es directa: las máquinas actuales no aprenden de su propia experiencia como lo hace un chico, un perro o incluso un pájaro. Dependen de un cableado humano complejo, con ingenieros que seleccionan datos, los limpian y los ordenan antes de que el sistema pueda empezar.

LeCun subraya que estos modelos “son útiles”, pero advierte que no marcan por sí solos el camino hacia una inteligencia comparable a la humana.

Según el estudio, a estos modelos les faltan tres engranajes que sí aparecen en los animales. El primero es el aprendizaje activo, es decir, elegir qué mirar y qué probar. El segundo es el metacontrol (cambiar de estrategia según la situación). El tercero es la metacognición (evaluar si uno lo está haciendo bien o mal).

En otras palabras, hoy muchas IA responden como un alumno brillante que memorizó miles de páginas, pero no sabe qué hacer cuando le cambian el aula, las reglas o el objetivo.

El “interruptor” de una IA que aprende sola

La alternativa que proponen LeCun y su equipo apunta a otro diseño. Una inteligencia que aprenda observando, actuando, hablando y jugando por sí misma. Es decir, no solo leyendo internet, sino interactuando con un entorno, igual que un niño descubre cómo abrir una puerta, apilar objetos o entender una consigna.

Eso exige un sistema mucho más robusto. Harían falta entornos realistas, varios módulos conectados y nuevas pruebas. Una de las ideas es medir la velocidad de aprendizaje en tareas nuevas, como aprender un videojuego desde cero, y compararla con la de una persona. Ahora bien, ese avance abre otra puerta.

Si una IA gana autonomía, también puede desarrollar objetivos secundarios difíciles de controlar. Los investigadores advierten sobre incentivos como la exploración o el juego, que en los seres vivos impulsan el aprendizaje, pero que en agentes artificiales podrían activar comportamientos problemáticos si no hay límites éticos claros desde el inicio.

Además, aparece un riesgo cada vez más cotidiano: la antropomorfización, es decir, tratar a la máquina como si fuera una persona. Ese fenómeno puede empujar a vínculos emocionales, confianza excesiva o incluso manipulación. La clave no está solo en qué puede hacer la IA, sino en cómo reaccionan los usuarios frente a una interfaz cada vez más humana.

Mientras tanto, la industria sigue acelerando. Elon Musk presentó Terafab, una planta pensada para producir un teravatio anual de potencia de cálculo para IA, una cifra que multiplicaría por 50 la producción mundial actual. Y el CEO de Cloudflare ya advirtió que el tráfico de bots de IA podría superar al humano hacia 2027.

Ese contraste revela una oportunidad y también una tensión. Se está construyendo una central eléctrica gigantesca para alimentar sistemas que todavía no tienen el interruptor adecuado para aprender como un ser vivo.

Meta, que busca reposicionarse en inteligencia artificial tras el golpe del metaverso, mira de cerca ese debate. Si LeCun tiene razón, el futuro no dependerá solo de más chips o más datos, sino de una pieza más difícil de fabricar: una IA capaz de aprender del mundo sin que alguien le prepare la mesa antes.

Y si ese mecanismo llega, la diferencia no se notará primero en el laboratorio, sino en la vida diaria: en asistentes menos rígidos, robots más adaptables y sistemas que, por fin, entiendan que aprender no es repetir, sino descubrir.

Sofía Sicilia

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.