La reciente conmoción en torno a DeepSeek, un modelo de lenguaje de China, ha puesto al descubierto una realidad incómoda en el mundo de la inteligencia artificial: la sobrevaloración de los modelos de lenguaje grandes (LLM por sus siglas en inglés).
El caso DeepSeek sacudió los mercados y generó una tormenta mediática al demostrar que podía competir con los principales LLM estadounidenses sin requerir la misma inversión computacional costosa. Este acontecimiento cuestionó el supuesto liderazgo tecnológico de Estados Unidos y la necesidad de enormes recursos de procesamiento.
Sin embargo, toda esta agitación se basa en una premisa errónea: que los LLM son la piedra filosofal de la IA. Si bien estos modelos representan un avance sin precedentes en el procesamiento del lenguaje natural, están muy lejos de alcanzar una inteligencia artificial general (AGI) comparable a la humana.
Los LLM han generado resultados impresionantes en tareas específicas como generar código o resumir datos. No obstante, el salto desde estas capacidades hasta un sistema que pueda realizar cualquier tarea intelectual humana es enorme y actualmente infundado.
La realidad es que las afirmaciones sobre la inminente llegada de la AGI carecen de evidencia sólida. Como señala el principio de Carl Sagan, "afirmaciones extraordinarias requieren evidencias extraordinarias". Hasta ahora, las pruebas de rendimiento de los LLM se han limitado a un conjunto muy reducido de tareas, insuficiente para validar un progreso real hacia la AGI.
El mercado parece estar comenzando a corregir esta sobrevaluación, pero es necesario un ajuste más profundo en nuestra perspectiva: no solo debemos cuestionar nuestra posición en la carrera de los LLM, sino también la verdadera importancia de esta carrera en el panorama general de la IA.