Panamá Noticias Network Panamá Noticias Network, Tu Portal con las Mejores Noticias de Panamá y el Mundo.
Related Articles
Un reciente estudio de Apple ha puesto en jaque las expectativas sobre la inteligencia artificial avanzada. Según la investigación, los modelos de IA especializados en razonamiento —conocidos como Large Reasoning Models (LRMs)— presentan un “talón de Aquiles” inesperado: colapsan completamente cuando se enfrentan a problemas de creciente complejidad, desafiando la creencia de que estos sistemas pueden “pensar” de manera efectiva como los humanos.
¿Qué descubrió Apple sobre la IA?
El estudio, publicado días antes del WWDC 2025, analizó el desempeño de modelos de IA de empresas como OpenAI, DeepSeek, Anthropic (Claude) y Google (Gemini) en la resolución de rompecabezas clásicos como la Torre de Hanoi, saltos de fichas, problemas de cruce de río y apilamiento de bloques. Los resultados muestran que:
-
Los LRMs tienen buen desempeño en tareas simples de matemáticas y programación.
-
A medida que la complejidad del problema aumenta, la precisión de los modelos disminuye progresivamente hasta colapsar (precisión cero) más allá de un umbral específico para cada modelo.
-
Incluso con mayor potencia de cálculo o instrucciones detalladas, los modelos continúan fallando en problemas complejos.
-
Los modelos tienden a abandonar el esfuerzo de razonamiento cuando el desafío se vuelve más difícil, utilizando menos “tokens de pensamiento” en vez de más.
¿Por qué es relevante este hallazgo?
El estudio explica por qué Apple ha sido más cautelosa que Google o Samsung al integrar IA avanzada en sus dispositivos. Los resultados desafían la narrativa de que la IA está cerca de igualar el razonamiento humano y evidencian que, aunque los LRMs pueden simular pensamiento en tareas sencillas, su desempeño se derrumba en escenarios complejos.
¿Qué implicaciones tiene para el futuro de la IA?
-
Limitaciones humanas y de IA: El experto Gary Marcus señala que incluso los humanos fallan en versiones complejas de la Torre de Hanoi, pero los LRMs no superan —y a veces igualan— estos límites.
-
No sustituyen algoritmos clásicos: Los LLMs y LRMs no reemplazan a los algoritmos convencionales bien diseñados para tareas específicas.
-
Alcance limitado: Los puzzles analizados no abarcan toda la diversidad de desafíos reales, y los experimentos se realizaron en entornos controlados.
Conclusión
El estudio de Apple concluye que, aunque los modelos de IA han avanzado notablemente en tareas específicas, enfrentan límites inherentes que desafían la idea de una inteligencia artificial general (AGI) capaz de razonar como los humanos. El debate sobre el verdadero potencial y las limitaciones de la IA sigue abierto, y la publicación de estos resultados justo antes del WWDC ha generado un intenso debate en la comunidad tecnológica.
