Inteligencia Artificial y Riesgos Epistémicos

Abstract

En este trabajo se analizan los sistemas de inteligencia artificial para la generación de lenguaje natural basados en redes neuronales conocidos como modelos de lenguaje a gran escala desde una perspectiva epistemológica. Se revisan los riesgos inherentes a estos sistemas, que pueden conducir a la adquisición de información imprecisa, incorrecta o sesgada de manera opaca para los usuarios. Se sostiene la tesis de que, a medida que estos modelos superan ciertos umbrales de eficiencia, los errores persistentes tienden a diluirse en el conjunto del funcionamiento general, sin llegar a desaparecer por completo. Este fenómeno genera una ilusión de infalibilidad que, combinada con la opacidad inherente de sus procesos internos, puede inducir una percepción errónea de precisión y fomentar una aceptación acrítica de estos modelos como herramientas fiables para la transmisión del conocimiento. Para sustentar este planteamiento, se presentan las bases del funcionamiento de estos sistemas, seguidas de un análisis sobre las alucinaciones y los sesgos: definición, tipologías, por qué representan un riesgo y las estrategias de mitigación en desarrollo. A partir de este análisis, se propone una discusión que aborda los riesgos desde una perspectiva integral y se analiza la opacidad como un factor que amplifica su impacto.