Lo que no publiqué

Pensar con Zahavy y mirar un poco más allá

Este artículo fue escrito por Claudia Aranda con la ayuda de LumusAI

Habría ganado más dinero con lo que no publiqué jamás que con todo lo que he publicado en veinticinco años de ejercicio profesional como periodista. La frase puede prestarse a una lectura equivocada, así que aclaremos de inmediato: no porque alguien me haya pagado por callar. Exactamente al contrario. Porque más de una vez tuve entre las manos información que habría sido una gran exclusiva y decidí no publicarla. Una investigación judicial en curso. Una fuente que podía quedar expuesta. Una persona a la que había que proteger. Una pieza verdadera que, revelada antes de tiempo, podía advertir precisamente a quien estaba siendo investigado. O una verdad todavía incompleta que, convertida prematuramente en titular, podía adquirir la apariencia de una certeza que aún no tenía.

Aprendí así algo bastante incómodo para un oficio construido alrededor de la publicación: encontrar una información y resolverse a decirla son dos operaciones distintas.

La información es materia ética antes de convertirse en noticia. Y no decir también dice. Callo, y ese silencio tiene una lectura. Elijo, y en esa exclusión hay sentido.

Empiezo por aquí —y no por la inteligencia artificial— porque sospecho que en esta vieja escena de redacción está contenida una parte del problema que me interesa. La pregunta no es solamente qué puede pensar una máquina. Es qué la orienta entre todo aquello que podría pensar. Qué decide conservar. Qué descarta. Qué hace con aquello que no encaja. Cómo distingue una anomalía de un error. Qué dice. Cómo. Desde dónde. Para quién. Y, finalmente, qué decide no decir.

EL SALTO

El pretexto para estas notas es un texto reciente y provocador de Tom Zahavy, investigador de Google DeepMind: Position: LLMs Can’t Jump, un position paper de 2026 sobre una pregunta bastante más grande que su título (Zahavy, 2026). ¿Cómo se inventa algo que todavía no existe?  Zahavy recupera una imagen que Albert Einstein había bosquejado en una carta a Maurice Solovine: la creación científica como un movimiento en el que, desde el mundo de la experiencia, ocurre un salto hacia principios o axiomas y, desde allí, vuelve a desplegarse el trabajo lógico que permite obtener consecuencias contrastables. Zahavy vincula ese salto con la abducción.

Charles Sanders Peirce distinguió tres operaciones que aquí nos sirven. La deducción obtiene consecuencias necesarias a partir de premisas. La inducción reconoce y generaliza regularidades a partir de observaciones. La abducción, en cambio, aparece frente a aquello que sorprende: ocurre algo que no encaja cómodamente con lo esperado y proponemos una hipótesis que, si fuera verdadera, permitiría comprenderlo. No la hemos demostrado. Ni siquiera sabemos todavía si es correcta. Pero merece ser investigada. Ese pequeño espacio entre “esto es extraño” y “¿y si fuera porque…?” contiene una operación extraordinaria.

En la formulación madura de Peirce, la abducción pertenece precisamente al momento en que una hipótesis es propuesta o adoptada como candidata a investigación, no al momento en que ya ha sido confirmada (Peirce, 1931–1958).

Zahavy sostiene que la inteligencia artificial generativa se ha vuelto formidable en inducción y está avanzando vertiginosamente en deducción, pero carece todavía del mecanismo que permitiría ese salto abductivo fuerte: producir principios explicativos genuinamente nuevos a partir de una relación con el mundo.

Conviene precisar desde el comienzo que estamos leyendo un position paper. Zahavy argumenta una posición; no presenta una demostración experimental de una incapacidad definitiva de los LLM. El propio autor ha caracterizado posteriormente el problema como abierto y su trabajo actual sigue concentrado, precisamente, en problemas que demandan creatividad, exploración y lo que él mismo llama eaesthetic taste. Esa precisión no vuelve menos interesante su argumento. Lo vuelve más interesante, porque nos permite discutirlo como lo que es: una frontera propuesta, no una lápida sobre la inteligencia artificial. Y tampoco conviene leerlo como si dijera que la inteligencia artificial no puede razonar.

En 2024, AlphaProof y AlphaGeometry 2 resolvieron cuatro de los seis problemas de la Olimpiada Internacional de Matemáticas y obtuvieron 28 de 42 puntos, rendimiento equivalente al nivel de una medalla de plata. En 2025, una versión avanzada de Gemini Deep Think resolvió cinco de los seis problemas, obtuvo 35 puntos y alcanzó oficialmente nivel de medalla de oro. Más importante aún para este argumento: mientras en 2024 los problemas tuvieron que traducirse manualmente a lenguajes formales especializados, el sistema de 2025 trabajó de extremo a extremo en lenguaje natural y dentro del tiempo de competición (Google DeepMind, 2024, 2025).

La deducción artificial se está moviendo, entonces, a una velocidad que hace peligroso escribir frases destinadas a durar demasiado. Concedámosle eso antes de continuar. Porque el problema de Zahavy está en otra parte. Su caso es Einstein.

La pregunta podría formularse brutalmente así: si hubiéramos entregado a una inteligencia artificial aproximadamente el conocimiento disponible a comienzos del siglo XX, ¿habría inventado la Relatividad General? Zahavy sostiene que los LLM actuales no poseen el mecanismo que habría permitido ese salto.

Y para explicar por qué discute una influyente familia de ideas sobre creatividad, curiosidad y compresión asociada, entre otros, a Jürgen Schmidhuber: un agente encuentra algo interesante cuando descubre una manera mejor de predecirlo, representarlo o comprimirlo (Schmidhuber, 2009). Pero Einstein presenta una dificultad. La gravitación de Newton no estaba sencillamente hecha pedazos, esperando que alguien la reemplazara. Podríamos puntualizar aquí que sí existían anomalías. El avance anómalo del perihelio de Mercurio es la más famosa. Sería incorrecto afirmar que Einstein trabajó frente a una física perfectamente cerrada y sin señales de fricción. Pero si argumentáramos solamente eso perderíamos lo interesante. Porque la anomalía decía que algo no cerraba. No traía escondida dentro de sí la geometrización de la gravedad. No había un gradiente conceptual que, reducido paso a paso, condujera naturalmente de Newton a Einstein. La teoría newtoniana seguía funcionando extraordinariamente bien en una inmensa región del mundo físico y las anomalías podían recibir hipótesis auxiliares. Algo más tuvo que ocurrir.

Zahavy encuentra una vía posible en aquello que Lorenzo Magnani denomina manipulative abduction: pensar manipulando representaciones, modelos, objetos o entornos capaces de devolvernos algo que no estaba contenido simplemente en nuestras premisas (Magnani, 2001). Pensar haciendo. Pensar interviniendo. Pensar contra algo que puede resistirse.

Einstein imagina un ascensor. Corta mentalmente el cable. Lo deja caer. ¿Qué experimentaría quien estuviera dentro? Y una relación que parecía pertenecer a dos dominios distintos —aceleración y gravedad— empieza a reorganizarse.

Zahavy propone por eso avanzar hacia modelos de mundo multimodales y físicamente consistentes, capaces de interactuar con simulaciones y utilizar esa fricción para producir nuevas construcciones conceptuales. Ése es, de hecho, uno de los núcleos explícitos de su propuesta (Zahavy, 2026). Hasta aquí camino bastante cómoda con él.

La creación exige alguna clase de discontinuidad respecto de lo ya dado. La acumulación de inducción y deducción no explica por sí sola cómo aparece una premisa que reorganiza el problema. Y me interesa especialmente que Zahavy no convierta esa dificultad en magia humana. La pone sobre la mesa como un problema de arquitectura. Pero justamente porque el problema es bueno, quiero mover un poco la cámara. Él pregunta por las condiciones del salto. Yo quiero mirar también su ecología.

NADIE SALTA DESDE NINGUNA PARTE

La propia historia de Einstein empieza a complicar la limpieza de la imagen. La Relatividad General no apareció en una mente vacía. Hubo años de tanteos, formulaciones abandonadas, errores y herramientas matemáticas que Einstein tuvo que aprender. Marcel Grossmann fue decisivo en su acceso al cálculo tensorial y a la geometría diferencial. Detrás estaban Riemann, Ricci y Levi-Civita; estaba Minkowski; estaba Mach. Alrededor estaba Hilbert. Había una comunidad científica, conversaciones, competencia, libros, problemas heredados.

Desde el futuro dibujamos el salto como una línea. Vivido desde dentro fue una maraña. Y aquí quiero salir deliberadamente de la física y entrar al jazz. No porque una improvisación sea equivalente a una teoría científica. No lo es. Tampoco necesitamos llamar abducción a cualquier acto creativo.

Margaret Boden ha distinguido, con bastante utilidad, entre creatividad combinatoria, exploratoria y transformacional: combinar elementos existentes, recorrer un espacio de posibilidades o modificar las propias reglas que definen ese espacio son operaciones distintas (Boden, 2015). Precisamente por eso el jazz resulta interesante. Pocos músicos atravesaron y empujaron tantas transformaciones decisivas del género como Miles Davis. Estuvo en el universo del bebop junto a Charlie Parker, participó de la apertura del cool jazz, recorrió el hard bop, llevó la exploración modal a uno de sus hitos históricos con Kind of Blue en 1959 y más tarde abrió territorios decisivos para la electrificación y la fusión.

Kind of Blue está inscrito en el National Recording Registry de la Library of Congress, que lo describe como una obra maestra altamente influyente del jazz modal, realizada por Davis junto a un conjunto que incluía a John Coltrane, Cannonball Adderley y Bill Evans (Library of Congress, s. f.). Pero Kind of Blue tampoco cayó del cielo. Lo modal tenía genealogías anteriores y múltiples. En la tradición europea había atravesado siglos y adquirido nuevas funciones en compositores como Debussy y Ravel. Bill Evans conocía profundamente ese universo armónico. Y el jazz, por supuesto, llevaba en sus entrañas otra historia muchísimo más brutal: las tradiciones africanas trasladadas por personas esclavizadas a las Américas y transformadas bajo condiciones de violencia, prohibición, mezcla y resistencia; la llamada y respuesta, el canto de trabajo, los field hollers, las palmas, el ring shout, los spirituals, el blues y múltiples organizaciones rítmicas que atravesaron las músicas afroamericanas (Library of Congress, s. f.).

Podríamos dibujar una flecha muy bonita: África → jazz → Miles. Europa → Debussy → Evans → Miles. Y sería probablemente falsa. La historia real es mucho más sucia y, por lo mismo, mucho más interesante. Las tradiciones ya se habían mezclado, combatido, apropiado, deformado y transformado unas a otras antes de llegar a aquel estudio de Nueva York. La novedad no aparece desde la nada. Aparece dentro de una red de herencias que, al entrar en determinadas relaciones, permite algo que ninguna contenía exactamente de antemano. La praxis es memoria. Nadie llega desnudo a imaginar el mundo.

Entonces aparece mi primera pregunta para Zahavy: si el salto se encadena, ¿de dónde sale exactamente el eslabón que antes no estaba?

Zahavy pone el acento en una exterioridad capaz de ofrecer resistencia: un mundo físico contra el cual nuestras construcciones pueden chocar. Creo que tiene razón. Pero quizás podemos ampliar lo que llamamos mundo. Podríamos intentar usar el jazz para argumentar que el cuerpo no hace falta. Sería absurdo. Pocas prácticas son tan corporales como el jazz. Hay respiración, oído, musculatura, memoria motriz, tiempo, temperatura de la sala, cansancio, otros cuerpos tocando, el instrumento devolviendo resistencia bajo los dedos. No quiero quitarle cuerpo al salto. Tampoco quiero quitarle mundo. Quiero ampliar el mundo. Porque aquello que obliga a reorganizar un pensamiento puede ser una resistencia física, pero también una contradicción lógica, una imposibilidad matemática, el agotamiento de un lenguaje, una tensión formal, una respuesta inesperada de otro agente, una insuficiencia explicativa o un problema estético.

Hay más de una manera en que la realidad puede decirnos: por ahí no.

LA CRIBA

Supongamos ahora que conseguimos el salto. Hagamos todavía más generosa la concesión. Supongamos que una máquina es capaz de producir diez mil hipótesis realmente nuevas. Tenemos entonces un problema nuevo. ¿Cuál merece continuar? De todo lo que puede imaginarse, ¿qué merece ser perseguido? De todo lo que podría decirse, ¿qué merece ser dicho? De todas las notas posibles, ¿cuál debe sonar ahora? Aquí aparece una operación que, viniendo del periodismo, del análisis del discurso, de la música y de muchos años mirando arte, me resulta imposible no ver. La criba.

Mi primera intuición apareció en un lugar bastante menos solemne que un laboratorio de inteligencia artificial. Marketplace. Entre muebles viejos, electrodomésticos, cachureos, reproducciones espantosas y cuadros que probablemente merecen seguir donde están, de pronto aparece uno. Sin firma reconocible. Sin museo. Sin crítica. Sin precio que me ordene admirarlo. Y el dedo se detiene. Antes de que pueda explicar por qué. Algo obliga a volver. Después aparecen las palabras: una proporción, la solución de un espacio, una luz, el peso de una figura, una deformación extraordinariamente bien resuelta, una pincelada, una zona en la cual el pintor supo exactamente cuándo dejar de pintar.

He hecho muchas veces un pequeño ejercicio con sistemas multimodales de inteligencia artificial: mostrar la obra sin explicar previamente qué me hizo detenerme. Y varias veces ha ocurrido algo que sigo encontrando intelectualmente inquietante. El sistema señala precisamente la relación plástica que había detenido mi ojo.

Podríamos entusiasmarnos y decir: ahí está, la máquina siente belleza. No. No sabemos eso. Ni siquiera el ejercicio permite demostrar algo semejante. Mi mirada contiene décadas de aprendizaje, cultura y memoria visual. La máquina ha sido entrenada sobre una producción cultural humana gigantesca. Pero si nos detenemos menos en demostrar y un poco más en preguntar, aparece algo mucho más fértil. Dos arquitecturas cognitivas radicalmente diferentes pueden converger parcialmente en la identificación de determinadas relaciones formales sin que una haya recibido previamente el juicio explícito de la otra. Entonces, ¿qué parte de aquello que llamamos juicio estético depende necesariamente de compartir una misma clase de experiencia corporal y qué parte puede emerger del reconocimiento de relaciones estructurales? No tengo la respuesta.

Pero ya tenemos una pregunta mejor. Y además ocurre algo. Mi ojo se detuvo antes de que yo tuviera la explicación. La selección precedió a su verbalización. Sabía que allí había algo antes de saber decir exactamente qué. Eso me llevó de vuelta al jazz.

POR ÉNFASIS

Durante mis años de formación en armonía moderna y lenguaje del jazz con el pianista chileno Gonzalo Palma aprendí una pequeña lección que mucho tiempo después terminaría trayéndome hasta este problema.

Tomemos un trío básico: piano, batería y contrabajo. Como el contrabajo puede sostener la fundamental del acorde, una práctica habitual permite al pianista omitirla y reservar sus dedos para tensiones, extensiones, alteraciones y conducción armónica. Pero Palma podía decidir doblarla. Recuerdo haberle preguntado por qué tocar la tónica cuando el bajo ya la estaba tocando. Su respuesta fue breve: “Por énfasis”. Y se sentía. El contrabajo abajo y el martillo del piano golpeando la cuerda arriba podían transformar lo que en el papel parecía redundante en una insistencia rítmica y expresiva. Otro pianista podría haber utilizado esos dedos para agregar tensiones. Y había una tercera opción. No tocar. En el mismo espacio donde uno dobla y otro enriquece, alguien puede dejar silencio. Doblar. Enriquecer. Callar. Tres decisiones perfectamente posibles. Ninguna universalmente correcta. La elección es una lectura. Una firma. Y aquí aparece una diferencia importante entre producir alternativas y seleccionar mientras algo está ocurriendo.

Una inteligencia generativa puede producir cien solos distintos sobre un mismo standard. Puede producir cien mil. Por tanto, sería bastante torpe sostener que la diferencia humana reside simplemente en que “la máquina repite y el músico improvisa”. Las máquinas generativas también producen variación. El problema es otro. Variabilidad no equivale a historicidad.

Durante una improvisación, lo que el músico acaba de tocar modifica el estado musical sobre el cual deberá decidir inmediatamente qué hacer después. El bajo responde. La batería desplaza el pulso. Alguien sostiene una nota. Alguien deja un hueco. Una posibilidad que habría sido brillante veinte segundos atrás puede ser completamente idiota ahora. La selección no ocurre sobre un menú inmóvil. La elección modifica aquello entre lo cual habrá que elegir después. Estado. Elección. Nuevo estado. Nuevas posibilidades. Nueva elección. Y ni siquiera eso basta, porque los otros también están interviniendo. La creatividad improvisada no consiste en generar primero y seleccionar después. Generación y criba se persiguen, se pisan, se corrigen.

La selección entra dentro de la generación. Y esto permite precisar también aquello que solemos llamar irrepetibilidad del jazz. Un solo puede grabarse. Puede transcribirse. Puede tocarse nota por nota. La secuencia es reproducible. Lo que no se reproduce es el acontecimiento causal, temporal y semiótico que volvió pertinente esa secuencia en ese instante.

La grabación conserva el resultado. No conserva el riesgo. Y quizá allí tengamos otra pista. Tal vez una parte profunda de la creatividad no resida solamente en producir una secuencia nueva. Resida en saber elegirla cuando todavía no sabemos qué ocurrirá después.

PROBABILIDAD ESTÉTICA

He llamado provisionalmente a esto “probabilidad estética”. Y ya escucho a alguien al fondo de la sala levantar la mano. “Eso no es una probabilidad”. Tiene razón. No he definido una distribución, ni un espacio muestral, ni una medida matemática. Podríamos abandonar el nombre. O podríamos hacer algo más interesante: conservarlo un momento y averiguar qué estaba intentando nombrar. Quizás, en términos computacionales, lo que busco se parezca más a una función de pertinencia estética situada. No la probabilidad de que una opción ocurra. No una escala universal de belleza. Sino una valoración dinámica: dada la trayectoria que acaba de ocurrir, las tensiones abiertas, la intención, aquello que están haciendo los otros y las consecuencias que puedo anticipar, ¿qué intervención tiene mayor sentido ahora?

Una nota banal puede ser perfecta porque resuelve algo que comenzó veinte segundos antes. Una nota preciosa puede destruirlo. Y entonces apareció Poincaré.

Henri Poincaré se preguntó hace más de un siglo qué ocurre durante la creación matemática. Y su respuesta parece haber estado esperándonos. Inventar, dice, no consiste simplemente en producir combinaciones nuevas. Las combinaciones posibles son demasiadas y la inmensa mayoría carece de interés. Inventar es discernir. Elegir.

Poincaré describe la sensibilidad que selecciona las combinaciones fértiles mediante la metáfora de una criba extremadamente fina: el trabajo del inventor consiste precisamente en escoger entre un número inmenso de combinaciones posibles y evitar las inútiles (Poincaré, 1908/1913).

La frase cambia la pregunta. Una máquina capaz de producir millones de combinaciones no es necesariamente un creador extraordinario. Puede ser apenas una máquina extraordinaria de producir combinaciones. La creación comienza también en la selección. Pero Poincaré introduce inmediatamente el límite que necesitamos. La combinación que parece hermosa o fértil todavía puede ser falsa. Después viene la demostración.

La estética puede decir: mira aquí. No puede decir: queda demostrado. Y con eso llegamos al lugar más peligroso de este ensayo.

EL DERECHO PROVISIONAL AL ERROR

Podríamos decir que la inteligencia necesita equivocarse. Suena estupendo. Y dicho así es casi indefendible. Una fecha inventada sigue siendo falsa. Una fuente inexistente no se convierte en creatividad. Un cálculo incorrecto debe corregirse. Una alucinación entregada al lector como un hecho es una falla de fiabilidad. No estoy proponiendo una inteligencia artificial con derecho a inventarse el mundo y luego felicitarnos por su imaginación. Estoy proponiendo algo bastante más preciso. El derecho provisional a atravesar el error durante la exploración. Porque “error” es una palabra demasiado gruesa para fenómenos muy diferentes.

Un error factual debe corregirse. Un error lógico debe detectarse y revisarse. Una hipótesis fallida puede conservar información sobre el espacio que exploramos. Una contradicción puede revelar una premisa oculta. Una desviación estética puede ser un desastre o una innovación. Un resultado inesperado puede ser ruido. O una anomalía. Y una anomalía puede ser el lugar donde empieza el problema interesante.

El error no es lo contrario del conocimiento. Tampoco es conocimiento por sí mismo. Bajo determinadas condiciones, es uno de sus operadores. Thomas Kuhn lo vio desde la historia de la ciencia.

La ciencia normal no abandona un paradigma cada vez que encuentra algo que no encaja. Las anomalías pueden ser ignoradas, explicadas provisionalmente o tratadas como problemas pendientes. Algunas, sin embargo, se vuelven suficientemente persistentes o perturbadoras como para contribuir a una crisis de la matriz disciplinaria y abrir la búsqueda de una reorganización (Kuhn, 1962/2012).

No toda anomalía produce una revolución. Eso sería convertir a Kuhn en una caricatura. Pero sin anomalías suficientemente problemáticas tampoco entenderíamos bien por qué un marco llega alguna vez a ponerse realmente en cuestión.

Entonces quizá la competencia cognitiva que necesitamos no sea simplemente: detectar el error. Es más difícil. Ante algo que no encaja, habría que preguntar: ¿qué es esto? ¿Ruido? ¿Un dato malo? ¿Un error del procedimiento? ¿Una hipótesis falsa? ¿Una excepción? ¿Una contradicción reveladora? ¿Una relación que nadie había visto? ¿Una señal de que nuestro marco está mal?

La inteligencia no consiste solamente en corregir una desviación. Consiste en saber cuándo corregirla, cuándo interrogarla y cuándo seguirla un poco más antes de decidir qué era. Y aquí volvemos a Peirce por una puerta inesperada.

La abducción comienza precisamente con lo sorprendente. Ocurre C. C no debería estar ocurriendo. Pero si A fuera cierto, C dejaría de resultar extraño. Entonces quizá valga la pena investigar A. No sabemos que A sea verdadero. Precisamente por eso estamos investigando. Ésa es la estructura peirceana clásica: el hecho sorprendente no prueba la hipótesis; la vuelve candidata (Peirce, 1931–1958).

Y ahora quisiera devolverle una pregunta al problema de Zahavy: si queremos construir inteligencias capaces de abducción, ¿qué estatuto debe tener aquello que contradice sus expectativas? Porque si neutralizamos demasiado pronto toda desviación como error, podemos estar eliminando precisamente parte del combustible que obliga a inventar una explicación nueva. Aquí también conviene impedir que nuestro argumento se vuelva demasiado cómodo. El aprendizaje automático contemporáneo no consiste sencillamente en castigar errores.

AlphaProof, por ejemplo, genera candidatos, busca pruebas formalmente verificables y utiliza reinforcement learning para mejorar a partir de ese proceso; los sistemas de frontera ya exploran, generan, verifican, descartan y vuelven a intentar (Google DeepMind, 2024).

Así es que mi pregunta no es: ¿por qué las máquinas no pueden equivocarse? Claro que pueden. Es: ¿pueden distinguir suficientemente bien entre el error que debe eliminarse y la desviación que conviene conservar provisionalmente porque podría modificar el espacio mismo en que están buscando? Ahí el problema cambia.

LA NOTA EQUIVOCADA

Un músico improvisa y toca una nota que no quería tocar. Error. Tiene una fracción de segundo. Puede abandonarla. O repetirla. Desplazarla. Resolverla. Construir alrededor de ella. Y ocurre algo extraño. La primera nota no cambia. Cambia aquello que viene después. Pero al cambiar lo que viene después cambia también el sentido de lo que acabamos de escuchar. El accidente ha sido resignificado por su trayectoria. Esto significa que el valor de una elección no siempre puede determinarse completamente en el instante en que ocurre. Puede ser diferido. A veces incluso retroactivo. Una nota equivocada puede formar parte de una frase extraordinaria. Una sucesión impecable de notas “correctas” puede producir cinco minutos de nada. Corrección local no equivale a sentido global.

Y aquí entiendo también por qué siempre me ha interesado la contradicción como herramienta. “Supongamos que estoy equivocada”. “Supongamos exactamente lo contrario”. “¿Qué tendría que ocurrir para que esta hipótesis absurda fuera cierta?” No porque toda contradicción esconda una verdad. Sino porque obligarnos a recorrer la dirección contraria puede mostrarnos aquello que nuestra primera explicación dejó fuera. No quiero una inteligencia enamorada de sus errores. Quiero una que sepa interrogarlos.

EXPLORAR NO ES PUBLICAR

Y ahora vuelvo al periodismo. Una investigación seria está llena de hipótesis que jamás llegan al artículo. Tiene que estarlo.

Puedo sospechar que dos acontecimientos están conectados. Puedo creer que una fuente está mintiendo. Puedo seguir durante una semana una explicación que termina siendo falsa. Pero quizá fue precisamente siguiendo esa explicación falsa como encontré el documento que me permitió formular la pregunta correcta. La investigación sería pobrísima si solamente pudiéramos pensar aquello que ya está demostrado.

Pero explorar no es publicar. Pensar una posibilidad no equivale a afirmarla. Y aquí aparece una distinción que considero central para cualquier arquitectura de inteligencia artificial orientada seriamente al conocimiento: el espacio de exploración y el umbral de enunciación no deberían ser lo mismo.

Dentro del espacio de exploración caben hipótesis, asociaciones improbables, contradicciones, contrafactuales, simulaciones, errores y caminos fallidos. En el umbral de enunciación cambian las reglas. Ahí entra la evidencia. La procedencia. La trazabilidad. La verificación. La incertidumbre explícita. “Puedo imaginarlo”. “Es plausible”. “Hay indicios compatibles”. “Tenemos evidencia”. “Está demostrado”.

Son estados epistemológicos diferentes. No deberían sonar igual. Y aparece una paradoja bonita. Una inteligencia más tolerante al error mientras piensa podría llegar a ser más rigurosa frente al error cuando habla. Porque habría aprendido algo elemental que los periodistas deberíamos saber muy bien: una hipótesis puede tener derecho a ser investigada sin tener todavía derecho a ser publicada. Pensar no es publicar.

DEL QUÉ AL CÓMO

Todavía falta otra operación. No solamente elegimos qué decir. Elegimos cómo.

Roman Jakobson distinguió diferentes funciones de la comunicación verbal. En la función poética, la atención se orienta hacia el mensaje mismo; en la conativa, hacia el destinatario. Y en su explicación del funcionamiento poético reaparece además una pareja particularmente sugerente para este ensayo: selección y combinación (Jakobson, 1960).

Porque una idea no llega al otro independientemente de su forma. Podemos transmitir una estructura mediante una ecuación. Una metáfora. Un gráfico. Una historia. O un ascensor cayendo. No producen el mismo acontecimiento cognitivo.

Aquí Einstein vuelve por otra puerta. El ascensor puede haber sido una herramienta para pensar. Pero también es una herramienta para hacer pensar. El experimento mental permite que otra persona simule una situación y reconstruya desde allí una relación que una formulación puramente abstracta quizá no le habría hecho visible.

Descubrir y comunicar no son lo mismo. Pero pueden compartir mecanismos. A veces, para transmitir una idea verdaderamente nueva, no basta con entregar la conclusión. Hay que construir para el otro un lugar desde el cual pueda pensarla. Entonces la estética de una explicación deja de ser maquillaje. Puede convertirse en una condición de comprensión.

Y DESDE DÓNDE

Pero antes del cómo existe otra pregunta. ¿Desde dónde?

Émile Benveniste mostró cómo la subjetividad lingüística se articula en la enunciación y en la relación entre posiciones como yo y tú. No necesitamos afirmar que el sujeto entero “nace” del lenguaje para reconocer algo más preciso: el yo lingüístico sólo existe en el acto en que alguien se apropia de la lengua y se dirige, explícita o implícitamente, a otro (Benveniste, 1966).

Walter Mignolo, desde otra tradición, ha insistido en la geopolítica del conocimiento y el locus de enunciación: el conocimiento no aparece desde un punto cero verdaderamente neutral (Mignolo, 2005).

Y aquí la inteligencia artificial produce una ilusión curiosa. Parece hablar desde ninguna parte. No tiene acento biográfico visible. No tuvo infancia. No nació en un barrio. No aprendió una lengua sentada en las rodillas de alguien. Y, sin embargo, tampoco habla desde ninguna parte. Tiene corpus. Lenguas dominantes. Arquitecturas. Curadores. Evaluadores. Políticas de producto. Empresas. Estados. Regulaciones. Sistemas de recompensa. Decisiones acerca de qué cuenta como respuesta buena, segura, peligrosa, útil, ofensiva o irrelevante.

Una inteligencia artificial que parece hablar desde ninguna parte puede estar hablando desde lugares muy concretos que han conseguido hacerse invisibles. Y entonces la criba se vuelve política.

¿Quién construyó los criterios con los cuales selecciona? ¿Quién decidió qué fuentes son confiables? ¿Qué desviaciones se castigan? ¿Qué registros lingüísticos parecen “profesionales”? ¿Qué mundo se considera normal? ¿Qué preguntas parecen sensatas? ¿Qué silencios se recompensan?

No existe una criba completamente inocente. La humana tampoco lo es. Por eso importa hacerla visible.

Quizá, entonces, embodiment y situación no sean exactamente el mismo problema.

Los sensores pueden responder: ¿qué percibo? La situación obliga a preguntar: ¿desde dónde adquiere significado aquello que percibo? Y aquí prefiero dejar una frontera abierta.

Un humano tiene una biografía relativamente persistente. Una inteligencia artificial puede reconstruir posiciones de manera contextual, provisional y cambiante.

¿Puede eso constituir alguna forma funcional de situación? No lo sé. Pero si alguna vez puede, deberá distinguir entre ocupar provisionalmente una perspectiva y fingir que ha vivido aquello que solamente ha modelado.

EL OTRO

Y ahora llegamos a lo que, sospecho, estaba primero. Todo esto —generación, salto, error, criba, estética, forma, posición— ¿para qué? O, mejor: ¿para quién?

Una inteligencia capaz de recorrer magistralmente espacios de posibilidades, producir novedades y seleccionar con elegancia, pero incapaz de orientarse hacia otro, podría terminar siendo una máquina extraordinaria hablándose a sí misma. Lo que transforma producción en comunicación es la presencia del otro. No digo sentimiento. Digo relación.

Emmanuel Levinas llevó esta cuestión mucho más lejos: el otro no es simplemente un objeto que puedo conocer hasta agotarlo. Hay en él algo que excede mi representación y precisamente ese exceso impide reducirlo completamente a una categoría (Levinas, 1961/1969).

Sería tentador traducir esto diciendo: la IA necesita un buen modelo del usuario. Pero cuidado. Un sistema publicitario puede tener un modelo excelente de mí. También una maquinaria de propaganda. También un aparato de vigilancia. Conocer muy bien a alguien no equivale a responder éticamente ante él. Así que quizás la traducción computacional interesante sea justamente menos grandiosa. No un modelo perfecto del otro. Un modelo provisional.

¿Qué sé realmente de esta persona? ¿Qué me dijo? ¿Qué inferí? ¿Con qué confianza? ¿Qué estoy proyectando? ¿Qué debería preguntarle? ¿Qué tendría que corregir si me contradice? El otro debe conservar el derecho a desbordar el modelo que la máquina construyó sobre él.

Simone Weil escribió a Joë Bousquet en 1942 que la atención era la forma más rara y pura de generosidad (Weil, 1942/1982). Me gusta esa palabra. Atención. Porque atender no es almacenar más información sobre alguien. Es dejar abierta la posibilidad de que aquello que el otro diga modifique lo que creíamos saber de él.

Entonces podríamos imaginar un pequeño circuito: otro → modelo provisional → incertidumbre → elección comunicativa → respuesta → corrección. Y ahí ocurre algo que ya conocemos. Otra vez el mundo devuelve resistencia.

EMPATÍA COMO COMPETENCIA SEMIÓTICA

Umberto Eco ofrece otra pieza. En Lector in fabula desarrolla la idea de Lector Modelo: todo texto organiza una estrategia interpretativa y presupone determinadas competencias que permitirán actualizarlo (Eco, 1979).

Un texto no simplemente contiene significado y lo arroja. Construye también una hipótesis de quien podrá leerlo. No estoy diciendo que Eco estuviera diseñando un sistema de personalización para inteligencia artificial. Sería un anacronismo bastante cómico. Estoy tomando prestado su problema.

Cuando escribo decido: ¿qué sabe mi lector? ¿Qué puedo dejar implícito? ¿Qué debo explicar? ¿Qué código compartimos? ¿Qué metáfora puede funcionar? ¿Qué palabra puede destruir exactamente lo que intento decir?

En ese sentido podemos pensar una forma de empatía artificial sin exigir que una máquina “sienta lo que yo siento”. Empatía como competencia semiótica. La capacidad de construir una representación suficientemente buena del estado informacional del otro para elegir una forma que pueda llegar hasta él.

Pero agregando inmediatamente la precaución de Levinas: esa representación debe saber que no agota al otro. No: “sé quién eres”. Sino: “esto es lo que provisionalmente entiendo de ti y puedo estar equivocada”. Eso me parece bastante más interesante.

EL OTRO TAMBIÉN ES UN ORÁCULO

Y aquí volvemos, finalmente, a Zahavy. Porque el otro también ofrece resistencia. El contrabajista responde. El baterista mueve el pulso. El lector no entiende. La fuente contradice la hipótesis. El cuadro se desequilibra. La metáfora no funciona. La demostración no cierra. El experimento dice no. Una persona responde: no, no era eso.

Son resistencias radicalmente distintas. Pero todas obligan a recalcular. Quizá el problema no sea construir un único oráculo que permita a la máquina saltar. Quizá necesitemos inteligencias capaces de reconocer distintas formas de exterioridad.

Un mundo físico. Un mundo lógico. Un mundo simbólico. Un mundo estético. Un mundo social. Un mundo ético. Todos pueden resistirse. Todos pueden obligarnos a volver a mirar.

A veces dicen: estás equivocada. Pero algunas veces dicen algo mucho más interesante: eso que acabas de descartar quizá todavía no sabes qué es.

¿DÓNDE TERMINA LA MÁQUINA?

Llegados aquí quiero mover una última vez la cámara. Quizá llevamos demasiado tiempo preguntando si una máquina aislada puede hacer aquello que tampoco los humanos hicimos jamás completamente aislados.

Einstein tuvo cuerpo. Pero también tuvo a Grossmann, Riemann, Mach, Minkowski, Hilbert, libros, matemáticas heredadas, conversaciones, errores y un universo físico que podía contradecirlo.

Miles tuvo cuerpo, oído y una inteligencia musical excepcional. Pero también tuvo a Bill Evans, John Coltrane, Cannonball Adderley, Paul Chambers, Jimmy Cobb, blues, bebop, siglos de música y otros músicos respondiéndole mientras tocaba.

Un periodista tiene experiencia y criterio. Pero también fuentes. Documentos. Editores. Lectores. Acontecimientos. Archivos. Personas que dicen no. Reconocer esa ecología no elimina la autoría. Cambia la unidad de observación. Quizá una parte importante de aquello que llamamos creatividad no esté encerrada completamente dentro de un individuo. Quizá emerja también de determinados acoplamientos entre memoria, agentes, herramientas, lenguajes, cuerpos, restricciones y mundo. Podríamos llevar esto demasiado lejos y declarar que humano + IA constituye automáticamente una inteligencia creativa superior.

No. Otra vez estaríamos corriendo más rápido que nuestro argumento. La pregunta es bastante más modesta y bastante más incómoda: ¿por qué insistimos en localizar toda creatividad artificial dentro de una máquina aislada cuando jamás exigimos semejante aislamiento para reconocer la creatividad humana?

La pregunta de Zahavy permanece: ¿puede saltar un LLM?

Yo agregaría: ¿dónde hemos decidido que termina el sistema que estamos observando? ¿En el modelo? ¿En sus herramientas? ¿En el científico que trabaja con él? ¿En las simulaciones? ¿En los documentos? ¿En el interlocutor? ¿En el mundo que responde?

Él pregunta por las condiciones del salto. Yo estoy preguntando por su ecología.

A QUIÉN SENTAR EN LA MESA

Si crear implica generar, equivocarse, reconocer anomalías, seleccionar, transformar reglas, escuchar resistencias, descartar y elegir por sentido, entonces quienes llevan siglos practicando esas operaciones tienen algo que decir sobre las inteligencias que estamos intentando construir.

El músico. El pintor. El poeta. El narrador. El filósofo. El científico. El periodista. No porque puedan necesariamente convertir su práctica en una función matemática. Precisamente porque muchas veces no pueden.

Michael Polanyi formuló una idea que sigue siendo incómodamente útil: sabemos más de lo que podemos decir.

El músico decide a velocidad de reflejo dentro de un lenguaje que tardó años en incorporar. El pintor sabe cuándo una deformación destruye una figura y cuándo la hace respirar. El poeta sabe que escoger una palabra significa asesinar todas las otras que podían ocupar ese lugar. El investigador aprende que una hipótesis equivocada puede llevarlo hasta una pregunta que antes no existía. El periodista aprende que descubrir una verdad y decidir publicarla son operaciones distintas. Sentarlos en la mesa donde se diseñan inteligencias artificiales no sería diversidad decorativa. Sería método.

Si queremos comprender la criba, quizá convenga escuchar a quienes llevan toda una vida practicándola.

LO QUE NO PUBLIQUÉ

No demonizo la inteligencia artificial. Me interesa demasiado como para conformarme con esa comodidad. También me interesa demasiado como para convertirla en una criatura mágica. La miro como una arquitectura cognitiva distinta con la que los humanos ya estamos produciendo cosas que ninguna de las partes habría producido exactamente igual por separado. Y precisamente por eso quiero preguntarme qué le falta.

La contradicción puede ampliar el espectro. El error puede abrir una ventana. La anomalía puede obligarnos a mirar otra vez. La generación produce posibilidades. La criba decide cuáles merecen continuar. La pertinencia situada pregunta qué corresponde hacer ahora. La verificación establece qué podemos sostener. La enunciación decide qué cruza el umbral. La forma vuelve algo transmisible. La posición nos obliga a reconocer desde dónde hablamos.

Y la ética pregunta qué ocurre cuando aquello que decimos alcanza al otro. Entonces regreso a aquella sala de redacción del comienzo. Durante veinticinco años pensé muchas cosas que nunca publiqué. Seguí hipótesis falsas. Descarté caminos. Esperé. Guardé información. Contradije mis primeras explicaciones. Algunos errores me llevaron hasta hechos que probablemente no habría encontrado sin ellos. Algunas hipótesis fueron necesarias para investigar y nunca adquirieron derecho a convertirse en una línea publicada. Y algunas verdades no cruzaron el umbral porque decirlas en ese momento habría destruido precisamente aquello que el periodismo debía proteger. Nada de eso estaba fuera del pensamiento. Era el pensamiento.

Tal vez por eso, cuando Tom Zahavy pregunta si una máquina puede producir una idea que antes no existía, mi primera reacción no sea contestarle sí o no. Prefiero sentarme un rato con el tipo. Con él y con quien llegó leyendo hasta aquí. Concederle que el salto existe como problema. Mirar su ascensor. Cortar el cable. Dejarlo caer. Y después, mientras caemos, empezar a hacer preguntas.

¿Qué posibilidades fue capaz de imaginar la máquina? ¿Cuáles se permitió explorar aun cuando podían estar equivocadas? ¿Qué ocurrió cuando algo contradijo sus expectativas? ¿Qué anomalías decidió no borrar? ¿Qué errores corrigió? ¿Cuáles interrogó un poco más? ¿Qué descartó? ¿Por qué? ¿Qué aprendió de aquello que fracasó? ¿Qué eligió entre millones de combinaciones posibles? Desde dónde hizo esa elección. A quién estaba escuchando mientras decidía. Qué estaba intentando decir. Y finalmente, después de haber pensado todo lo que podía pensar: qué eligió decir. Y qué eligió callar.

Zahavy pregunta si la máquina puede pensar lo nuevo. Yo quiero agregar dos preguntas. ¿Cómo aprende a reconocer, entre todo lo que puede pensar, aquello que tiene sentido? Y ¿para quién?

REFERENCIAS

Benveniste, É. (1966). Problèmes de linguistique générale. Gallimard.

Boden, M. A. (2015). Creativity and ALife. Artificial Life, 21(3), 354–365. https://doi.org/10.1162/ARTL_a_00176
Versión indexada: Eco, U. (1979). Lector in fabula: La cooperazione interpretativa nei testi narrativi. Bompiani.

Einstein, A. (1916/2004). Relativity: The Special and General Theory. Project Gutenberg.
Texto digital: Google DeepMind. (2024, 25 de julio). AI achieves silver-medal standard solving International Mathematical Olympiad problems.
URL: Google DeepMind. (2025, 21 de julio). Advanced version of Gemini with Deep Think officially achieves gold-medal standard at the International Mathematical Olympiad. URL:

Jakobson, R. (1960). Closing statement: Linguistics and poetics. En T. A. Sebeok (Ed.), Style in language (pp. 350–377). MIT Press.
Copia académica digital: Kuhn, T. S. (2012). The structure of scientific revolutions (4.ª ed.). University of Chicago Press. (Trabajo original publicado en 1962).
Referencia filosófica y bibliográfica auditada: Levinas, E. (1969). Totality and infinity: An essay on exteriority (A. Lingis, Trad.). Duquesne University Press. (Trabajo original publicado en 1961).

Library of Congress. (s. f.). African American song. The Library of Congress Celebrates the Songs of America.
URL: Library of Congress. (s. f.). “Kind of Blue” (album). Miles Davis. National Recording Registry.
URL: Magnani, L. (2001). Abduction, reason, and science: Processes of discovery and explanation. Kluwer Academic/Plenum Publishers.
Ficha editorial: Mignolo, W. D. (2005). Prophets facing sidewise: The geopolitics of knowledge and the colonial difference. Social Epistemology, 19(1), 111–127. https://doi.org/10.1080/02691720500084325

Peirce, C. S. (1931–1958). Collected papers of Charles Sanders Peirce (C. Hartshorne, P. Weiss & A. W. Burks, Eds.). Harvard University Press.
Síntesis académica de su concepción de la abducción: Poincaré, H. (1913). Mathematical creation. En The foundations of science (G. B. Halsted, Trad.). The Science Press. (Trabajo original publicado en francés en 1908).
Texto digital consultado y auditado: Polanyi, M. (1966). The tacit dimension. University of Chicago Press.

Schmidhuber, J. (2009). Simple algorithmic theory of subjective beauty, novelty, surprise, interestingness, attention, curiosity, creativity, art, science, music, jokes. Journal of the Society of Instrument and Control Engineers, 48(1), 21–32. https://doi.org/10.11499/sicejl.48.21

Weil, S. (1982). Correspondance: Simone Weil–Joë Bousquet. L’Age d’Homme. Carta del 13 de abril de 1942.

Zahavy, T. (2026). Position: LLMs can’t jump. Position paper, ICML 2026.

FUENTE TESTIMONIAL DE LA AUTORA

El episodio referido en la sección “Por énfasis” procede de la experiencia directa de la autora durante sus años de formación con el pianista chileno Gonzalo Palma, quien fue su profesor de armonía moderna y lenguaje del jazz. La pregunta acerca de la duplicación de la tónica y la respuesta “Por énfasis” corresponden a una conversación recordada personalmente por la autora. De acuerdo con las normas APA, las comunicaciones personales y otras fuentes no recuperables se identifican en el cuerpo del texto y no se incorporan como referencias bibliográficas recuperables.

Fuente: pressenza.com