Marcelo Arce 2025
Introducción
La traición de las imágenes, Rene Magritte, 1929
René Magritte pintó una pipa y escribió debajo: «Ceci n’est pas une pipe» (Esto no es una pipa). Una imagen que todos conocemos, pero que rara vez tomamos en serio como una advertencia ontológica. Magritte no estaba haciendo un chiste; estaba diagnosticando el problema central de la ciencia cognitiva del siglo XX. Si confundimos el símbolo (la pintura, la palabra, el token) con la realidad (el objeto, la experiencia), caemos en una alucinación funcional.
La Inteligencia Artificial actual, basada en LLMs (Large Language Models) y la discretización por tokens, está atrapada en el «Realismo Académico» del siglo XIX. Para avanzar hacia una verdadera inteligencia general, debemos atravesar la misma crisis que el arte sufrió a principios del siglo XX: debemos abandonar la representación para abrazar la presencia.
Representación en la historia del arte
La historia del arte demuestra que la representación nunca ha sido un espejo pasivo de la realidad, sino un constructo cultural y perceptual.
Ernst Gombrich (2018), con su concepto de «el aporte del observador», argumenta que toda percepción y representación se basa en un sistema de esquemas y correcciones. El artista no copia la realidad, sino que emplea un sistema de notación que el espectador, gracias a su conocimiento previo, decodifica para experimentar una «ilusión».
Complementando esto, Julian Hochberg (2018) enfatiza que la percepción y la representación son procesos que se aprenden, vinculando el realismo pictórico a la psicología de la visión.
Este proceso es indisociable del contexto social. Pierre Francastel (1970) analizó cómo la representación del espacio, particularmente con la invención de la perspectiva renacentista, no fue un avance técnico sino una convención cultural que reorganizó la sociedad y la experiencia visual.
En la era moderna, esta convención se desintegra, como describe Paul Virilio (2006) al señalar que la velocidad (dromología) y la tecnología reconfiguran nuestra percepción de la imagen, llevándonos a un tiempo real que amenaza la profundidad de la representación. En esta misma linea, Zygmunt Bauman (2000) en su análisis de la modernidad líquida, enmarca la representación artística y social como fluida e inestable, reflejando la identidad fragmentada del individuo contemporáneo.
Representación en la ciencia cognitiva
En la ciencia cognitiva clásica, la Teoría Representacional de la Mente (TRM) postula que la cognición es la manipulación de símbolos internos que poseen contenido semántico (es decir, son «acerca de» algo). Jerry Fodor (1975) es el principal exponente con su Hipótesis del Lenguaje del Pensamiento (LOTH), donde el pensamiento ocurre en un lenguaje mental innato (Mentalese) cuyas «oraciones» son las representaciones manipuladas por procesos computacionales.
Esta concepción puramente simbólica ha enfrentado críticas fundamentales:
-John Searle (1980) desafía la TRM con el famoso argumento de la «Habitación China», demostrando que la manipulación exitosa de la sintaxis (reglas formales) no implica la comprensión de la semántica (el significado). Para Searle, la intencionalidad genuina es una propiedad biológica intrínseca que no puede ser replicada por un mero sistema de símbolos.
-Francisco Varela (1991) lideró la crítica en la ciencia cognitiva con el enfoque de la cognición enactiva. La postura enactivista rechaza la idea de que la mente es un sistema de procesamiento de información que opera sobre representaciones internas. Para Varela, la cognición es la acción encarnada y el acoplamiento directo del organismo con su entorno; la representación no es la base de la cognición, sino una herramienta auxiliar o un resultado secundario.
-El Conexionismo o Procesamiento Distribuido en Paralelo (PDP) constituyó un nuevo modelo en la ciencia cognitiva que utilizaba redes de nodos interconectados. En estos sistemas, el procesamiento es local y simultáneo, y el conocimiento se almacena potencialmente en los pesos de las conexiones entre los nodos.
En la representación distribuida, en lugar de manipular tokens discretos con una sintaxis explícita, la información está representada activamente como un patrón de activación distribuido. Paul Smolensky (1995) defendió el enfoque conexionista frente a la crítica de Fodor y Pylyshyn, argumentando que los estados mentales conexionistas poseen una estructura constitutiva en un sentido aproximativo. Smolensky postula que los modelos formales de la cognición deberían basarse en la matemática de los sistemas dinámicos.
Representación y Redes neuronales
El advenimiento de las redes neuronales profundas ha redefinido el concepto de representación en el ámbito de la inteligencia artificial:
- Embedding (Incrustación): Es una representación numérica de un concepto (palabra, imagen, idea) como un vector denso en un espacio de alta dimensión. El significado no se codifica mediante un símbolo discreto, sino mediante la proximidad relacional del vector a todos los demás. (Viradaj, 2021)
- Redes Transformer (Vaswani et al., 2017): Estos modelos, basados en el mecanismo de atención, aprenden a colocar vectores en este espacio de manera que la distancia geométrica refleje la similitud semántica.
Un LLM opera cortando la realidad continua en pedazos discretos llamados tokens.
- 1.Toma el flujo continuo del lenguaje/ pensamiento.
- 2. Lo cuantiza en números enteros (tokens).
- 3. Calcula probabilidades.
Significado Funcional: La representación en una red neuronal es funcional y pragmática. El sistema no «entiende» la palabra en un sentido humano (como lo exigirían Gombrich o Searle), sino que la utiliza eficazmente para predecir el siguiente elemento de una secuencia o para resolver una tarea. Esta nueva representación es una forma de sintaxis vectorial que opera a nivel estadístico, confirmando el temor de Sadin (2024) sobre la reducción de la complejidad humana a patrones computacionales.
El problema fundamental es que el mundo no tiene tokens. La física es (en su mayoría a escala macro) continua. El tiempo es continuo. La experiencia fenomenológica es un flujo, no una secuencia de diapositivas. Al forzar la inteligencia a través del cuello de botella del token, limitamos a la IA a ser un «procesador de mapas», incapaz de tocar el territorio.
En el caso de la inteligencia artificial generativa, «por primera vez en la historia, un medio de representación proviene de una traslación directa, de una supuesta equivalencia entre dominios simbólicos que son radicalmente distintos, una imagen se puede derivar directamente del lenguaje a partir de instrucciones.» (Sadin, 2024)
Pero el lenguaje es del orden de la clasificación mientras que la imagen tiene que ver con la percepción, una imagen es resultado de gestos, errores, hallazgos y no se puede reducir a un sistema de signos discretos. Varela y la cognición enactiva nos mostraron que no «representamos» el mundo para navegarlo; lo creamos al caminar. Un sistema dinámico (como un tornado o una neurona) no tiene un «mapa» de lo que lo rodea; simplemente acopla su dinámica a la del entorno.
El Futuro: Inteligencia Artificial «Libre de Tokens»
La crisis de la representación no es un fallo, es una maduración, del mismo modo que la representación fue superada en el arte, estamos empezando a ver la necesidad de arquitecturas que no dependan de la discretización por tokens y que nos conduzcan a una IA postrepresentacional que se base en sistemas dinámicos no lineales, en lugar de álgebra lineal discreta. Entre ellas se pueden mencionar:
-Arquitecturas de Espacio Continuo: Modelos que operan directamente sobre señales en bruto (ondas de audio, voltajes visuales) sin convertirlos a «palabras» o «parches» discretos.
-JEPA (Joint-Embedding Predictive Architecture): Propuesta por Yann LeCun (2022). Divide la arquitectura en niveles. Un nivel maneja representaciones de bajo nivel para predicciones a corto plazo, y otro nivel maneja abstracciones altas para predicciones a largo plazo. Se mueve más cerca de la «intuición» y se aleja de la «sintaxis».
-Computación Neuromórfica y Analógica: Hardware que imita la física del cerebro (picos de voltaje continuos) en lugar de la lógica binaria (0 y 1).
-Dynamic Chunking (Huang, 2025): modelo integral que procesa el texto directamente a nivel de byte, integrando la segmentación en el propio modelo en lugar de tratarla como un paso de preprocesamiento.
Además de estas arquitecturas propuestas, se vuelve necesario explorar el concepto de «Enactivismo» de Varela y Maturana aplicado a la robótica, el aprendizaje no supervisado, los autocodificadores, y las redes neuronales profundas que abarquen la presencia en lugar de la representación, como la verdadera meta de la inteligencia general.
Del mismo modo que el arte maduró cuando dejó de intentar ser una fotografía y la ciencia cognitiva maduró cuando dejó de ver al cerebro como una computadora de escritorio. Así, la inteligencia artificial madurará cuando deje de depender del token para intentar comprender el continuo de la realidad. El futuro de la Inteligencia Artificial no es un mapa más detallado. El futuro es desechar el mapa y empezar a caminar libremente.
Bibliografía
- Bauman, Z. (2000). Liquid modernity. Polity Press.
- LeCun, Y., & Courant (2022). A Path Towards Autonomous Machine Intelligence Version 0.9.2, 2022-06-27.
- Francastel, P. (1970). Estudios de sociología del arte: Hacia una metodología sociológica del arte. Alianza Editorial.
- Fodor, J. A. (1975). The language of thought. Harvard University Press.
- Gombrich, E, Hochberg, J, Blck, M. (2018). Arte, Perecepción y realidad. Paidos
- Hwang, S., Wang, B., & Gu, A. (2025). Dynamic chunking for end-to-end hierarchical sequence modeling. arXiv preprint arXiv:2507.07955.
- Sadin, E. (2024). La vida espectral. Caja Negra
- Searle, J. R. (1980). Minds, brains, and programs. Behavioral and Brain Sciences, 3(3), 417-457.
- Smolensky, P. (1995). La estructura constitutiva de los estados mentales conexionistas: Una respuesta a Fodor y Pylyshyn. En E. Rabossi (Comp.), Filosofía de la mente y ciencia cognitiva (pp. 381-412). Paidós Básica. (Original publicado en 1987).
- Varela, F. J., Thompson, E., & Rosch, E. (1991). The embodied mind: Cognitive science and human experience. MIT Press.