El término inteligencia artificial (IA) no dice nada significativo, y por ello, es que existen tantas discusiones y desacuerdos sobre el término. Se espera que la IA emule la mente humana, cuando en realidad se trata de sistemas de clasificación y optimización de patrones basados exclusivamente en datos.
En sintonía con lo expuesto por Kate Crawford en la obra “Atlas de la Inteligencia Artificial”, la inteligencia artificial no es ni inteligente ni artificial en el sentido convencional. No es simplemente un software inteligente, sino una tecnología con profundas implicaciones ambientales, económicas y políticas que automatiza clasificaciones preexistentes, pero aún es incapaz de alcanzar la comprensión profunda o el razonamiento general humano. Hay que tener presente que esta cantidad de datos es proporcionada por humanos, esto significa que la IA es entrenada con personas que proporcionan conversaciones y ayudan a mejorar el flujo de la conversación. Por ello, el sesgo es un tema vinculado directamente con esta tecnología.
Podemos entonces aproximarnos a una definición de la inteligencia artificial, como una entidad que combina aspectos físicos y materiales, compuesta de recursos naturales, combustibles, mano de obra, infraestructuras y clasificaciones.
El funcionamiento de una inteligencia artificial generativa es estadístico pero no semántico. Si bien se ha logrado un gran avance en procesamiento de lenguaje natural, al menos hasta hoy, las máquinas tienden a ser menos efectivas ante la demanda de una comprensión profunda.
La principal diferencia con el desarrollo digital y el funcionamiento algorítmico no está dada por el nivel de información que puede manejar una consciencia o una inteligencia, sino por el principio orgánico de autoafectación de la singularidad. La máquina es afectada directamente en un sentido de acumulación y funcionamiento, pero no puede autoafectarse, es decir, no es lo mismo tener información que hacer la experiencia. En síntesis, la principal diferencia está en que la IA no tiene relación con la experiencia.
Si el cerebro no piensa, sería muy extraño que la máquina de IA pudiera pensar. Pero sin cerebro no hay pensamiento. Sin embargo, el cerebro solo no piensa, lo hace a través de una interfaz que es parte de un conjunto orgánico.
Esta discrepancia entre la naturaleza puramente probabilística de la IA y las expectativas humanas desemboca en el principal conflicto que atraviesa a la universidad contemporánea: la disyunción entre lo verosímil (o plausible) y lo verdadero.
En un detallado análisis, Faraón Llorens-Largo y Rafael Molina-Carmona advierten sobre el fenómeno de la "plausibilidad sin veracidad". La #IAGenerativa está diseñada para generar respuestas convincentes y fluidas, pero totalmente indiferentes a su anclaje en el mundo real. Puede generar tanto correctas formulaciones científicas como "alucinaciones" elaboradas a partir de citas bibliográficas inexistentes o inferencias lógicamente pero no verdaderas.
La creatividad algorítmica es lo positivo del ChatGPT, otra idea que nos proponen los autores. En este sentido, la exposición cotidiana a la tecnología puede hacer que nos apartemos de nuestros objetivos. Resistir la fascinación tecnológica es "el desafío" de estos tiempos. El “estar siendo”, es la cultura de la existencia.
La encrucijada no exige que la Universidad compita contra la velocidad o el volumen de producción de las máquinas, sino focalizarse en profundizar donde el algoritmo solo sintetiza, y propiciar la primacía de la duda. La finalidad es garantizar que el avance tecnológico permanezca al servicio del hombre, el pensamiento crítico y el bien común.
Como señalan Llorens-Largo y Molina-Carmona, en la era de la IA generativa "la verdad no desaparece, pero se vuelve mucho más costosa de verificar". La sobreabundancia de textos plausibles traslada la carga de trabajo desde la producción hacia la validación.
En este contexto, cabe la pregunta: ¿Qué aspectos epistémicos, pedagógicos y ético-políticos deben orientar a la educación superior en esta era de automatización?
La Universidad tiene la misión de ser "el filtro" de los aspectos mencionados, capaz de discernir entre la acumulación de datos y la construcción genuina de conocimiento
Fuente: Dellepiane, P. A. (2026). Reseña de «La inteligencia artificial no piensa (El cerebro tampoco)» de M. Benasayag y A. Pennisi. Revista Iberoamericana de Tecnología en Educación y Educación en Tecnología (TEyET), (43), e15.
