Hay una frase que se repite en cada lanzamiento de un nuevo modelo de IA: esto es como tener un experto de bolsillo. Sam Altman la usó al presentar GPT-5, comparándolo con "hablar con un experto a nivel de PhD". Alguien lleva meses levantando la mano cada vez que se dice eso.

Yann LeCun, tiene el Premio Turing (el Nobel de la informática) y ayudó a construir buena parte de la IA actual. LeCun ha destacado por su visión pragmática de la evolución de la IA y sostiene abiertamente que esa promesa del "experto en el bolsillo" es puro humo. El padre de la IA que no se cree el relato.

LeCun no encaja en los dos bandos en los que habitualmente se agrupan los líderes de la IA. No pide tirar del freno de emergencia de la IA por miedo a que pueda destruir a la humanidad, pero tampoco comulga con la promesa de la AGI para mañana. La autoridad que le otorga haber sido uno de los protagonistas de la IA primigenia le permite ver la situación actual de la IA con mayor perspectiva y, como hizo durante una entrevista para Big Technology Podcast, hablar del estado de la IA desde un punto de vista realista: "La idea de que vamos a tener un país de genios dentro de un centro de datos es una completa tontería".

Su argumento es muy sencillo de entender: la actual IA es muy buena recordando datos y generando contenido con ellos, pero no son capaces de crear nada desde cero. "No hay ninguna manera en el infierno". De ese modo, LeCun respondía a afirmación que Dario Amodei hizo en uno de sus ensayos en el que desarrollaba la hipótesis del surgimiento de "un país de genios" en referencia a las capacidades de la IA. " Imaginemos, por ejemplo, 50 millones de personas, todas ellas mucho más capaces que cualquier premio Nobel, estadista o tecnólogo" aseguraba Amodei en su escrito. La respuesta de LeCun va directa a la línea de flotación de ese argumento: "No vamos a llegar a la IA a nivel humano solo con escalar los LLM.

Esto no va a pasar". Y siguió: "Puede parecer que tienes un doctorado al lado, pero no lo es. Es un sistema con memoria y capacidad de recuperación gigantes, no uno que invente soluciones nuevas".

Un LLM no piensa, solo procesa. LeCun cuenta en su entrevista que un LLM típico se entrena con unos 30 billones de tokens. Semejante volumen de información representaría unos 400.000 años de lectura a doce horas diarias para un humano.

Es decir, una proporción inabarcable. Y aun así, acumular toda esa información no basta para razonar como una persona. Un niño de cuatro años ha recibido mediante la vista y el tacto una mayor cantidad de datos en bruto que el modelo más grande jamás entrenado.

El mundo físico pesa más que cualquier texto. Según cálculos de Epoch AI, el texto público de calidad en internet ronda los 300 billones de tokens, por lo que los modelso de IA podrían quedarse sin nuevas fuentes de información entre 2026 y 2032. Aunque se quisiera seguir escalando, no habría con qué alimentar a los modelos LLM tal y como los conocemos en la actualidad.

Un punto de realismo para la burbuja de IA. Lo relevante de los argumentos de LeCun no es que dude de la IA, sino dónde se sitúa esa duda. Las tecnológicas vuelcan cientos de miles de millones de dólares en centros de datos bajo la promesa de alcanzar una AGI inminente.

Que uno de los padres de la disciplina llame "tontería" a ese relato le da otro matiz. No es un escéptico externo lanzando dardos, es alguien que conoce de primera mano las capacidades de la IA. No obstante, en la IA no todo es blanco o negro y hay modelos que se han desligado de los LLM convencionales para abrir nuevos caminos en su búsqueda de la AGI.

En ese grupo tenemos proyectos como Genie de Google DeepMind, o a Fei-Fei Li con World Labs y su herramienta para la exploración del espacio. Imagen | Meta