Audio: https://clyp.it/a2fwxc4c
José Ramón Acosta Gómez. — Jonathan Swift, con su mordaz imaginación de 1726, describió en Los viajes de Gulliver un artefacto que hoy podemos leer como una premonición de la Inteligencia Artificial subsimbólica. En la Gran Academia de Lagado, la Máquina —un armazón de cubos con palabras que se combinan al azar— produce frases sin sentido; los estudiantes seleccionan las combinaciones coherentes y las registran. Ese procedimiento anticipa dos rasgos centrales de los modelos probabilísticos de lenguaje actuales: la producción sintáctica sin anclaje semántico y la intervención humana como filtro de sentido.
La primera lección es técnica, pero también política: la Máquina genera una sintaxis plausible sin entender el mundo. Los modelos subsimbólicos modernos —redes neuronales y LLMs— replican correlaciones estadísticas entre tokens; no poseen mapas conceptuales ni criterios de verdad intrínsecos. Desde la perspectiva liberal, esto plantea un desafío a la autoridad epistémica: ¿a quién atribuimos credibilidad cuando la fluidez verbal no garantiza el conocimiento? La respuesta exige instituciones que distingan entre la apariencia y la competencia real.
La segunda lección es humana: Swift ya describía un mecanismo equivalente al RLHF contemporáneo. En Lagado, los estudiantes actúan como filtro, validando y archivando lo que les resulta coherente. Hoy, la retroalimentación humana modela y corrige las salidas de los sistemas generativos. Ese filtro es una oportunidad y un riesgo: puede elevar la calidad de las respuestas, pero también reproducir sesgos, atajos y la democratización de la ignorancia. Swift lo advirtió con ironía: la Máquina permitiría a “la persona más ignorante” redactar tratados sin estudio ni genio.
La tercera lección es institucional y normativa. Swift satirizaba la desconexión entre la abstracción y la realidad: los sabios de Laputa (personajes ficticios de Los viajes de Gulliver) dominan fórmulas mientras sus casas se derrumban y sus campos se arruinan. Hoy, confiar decisiones públicas o empresariales en modelos que solo emulan el lenguaje, sin anclaje empírico, es una forma de fragilidad. La política pública liberal debe evitar dos extremos: la prohibición tecnofóbica que asfixia la innovación y la delegación acrítica que externaliza la responsabilidad. En su lugar, conviene promover la transparencia, la responsabilidad y los mercados que valoren resultados verificables.
En la práctica, propongo tres medidas concretas: primero, exigir trazabilidad y pruebas de desempeño en contextos críticos (salud, justicia, finanzas); segundo, institucionalizar auditorías independientes y mecanismos de responsabilidad para desarrolladores y usuarios; tercero, fomentar la alfabetización digital y la metacognición en la ciudadanía para que el filtro humano sea informado y crítico, no meramente selectivo.
Swift no celebró la Máquina; la usó para exponer la vanidad intelectual. Hoy, su sátira nos sirve de advertencia: la IA generativa puede amplificar la creatividad y la eficiencia, pero también la ilusión de conocimiento. Una economía liberal próspera necesita tecnologías que aumenten la capacidad humana sin sustituir la deliberación responsable. La pregunta no es si la Máquina funciona —ya lo hace— sino cómo diseñamos instituciones que la sometan a la prueba del mundo real.
