La capacidad humana para convertir pensamientos en palabras ha fascinado tanto a científicos como a tecnólogos.

En el campo de la inteligencia artificial (IA), el procesamiento del lenguaje natural (NLP) busca imitar esta habilidad, permitiendo que las máquinas entiendan y generen lenguaje como lo hacemos nosotros.

Pero, ¿qué sucede realmente en nuestro cerebro cuando hablamos o escribimos? Una nueva investigación liderada por Meta AI, en colaboración con varias instituciones, ofrece respuestas sorprendentes. Publicado el 5 de febrero de 2025, este estudio no solo revela cómo el cerebro organiza el lenguaje mediante un “código neural jerárquico”, sino que también podría inspirar avances en el NLP, acercando a la IA a los misterios de la mente humana.

Un proceso ordenado desde el significado hasta las letras

El estudio muestra que el cerebro trabaja de manera secuencial y estructurada. Primero, procesa el contexto de lo que queremos decir, es decir, el significado general de una frase. Luego, pasa a las palabras individuales, después a las sílabas y, finalmente, a las letras o sonidos específicos que forman cada palabra. Este orden “de arriba hacia abajo” asegura que nuestras ideas se conviertan en lenguaje de forma lógica y coherente.

Para llegar a esta conclusión, los investigadores analizaron la actividad cerebral de 35 personas expertas en mecanografía mientras escribían oraciones en un teclado. Usaron tecnologías avanzadas como la magnetoencefalografía (MEG) y la electroencefalografía (EEG), que permiten medir las señales del cerebro con una precisión de milisegundos. Este enfoque evitó los problemas típicos de estudiar el habla, como los artefactos causados por movimientos faciales, y ofreció una ventana clara al proceso de producción del lenguaje en tiempo real.

Multitarea cerebral: varias palabras a la vez

Uno de los hallazgos más sorprendentes es que el cerebro no procesa el lenguaje de forma aislada, palabra por palabra. En cambio, puede manejar varias letras y palabras al mismo tiempo. Por ejemplo, mientras escribimos una palabra, nuestro cerebro ya está preparando las siguientes. Este solapamiento permite que hablemos o escribamos de manera fluida, sin pausas incómodas entre cada elemento.

El estudio encontró que hasta cinco letras consecutivas podían detectarse simultáneamente en las señales cerebrales, incluso cruzando los límites entre palabras. Esto sugiere que el cerebro tiene una capacidad asombrosa para planificar y ejecutar secuencias complejas de forma eficiente.

Un código en movimiento para evitar confusiones

Pero, si el cerebro maneja tantas piezas al mismo tiempo, ¿cómo evita que se mezclen? Aquí entra en juego otro descubrimiento clave: las representaciones del lenguaje no se quedan fijas en un solo lugar del cerebro. En lugar de almacenarse de manera estática, estas representaciones “se mueven” a través de diferentes áreas neuronales con el tiempo. Este “código dinámico” actúa como un sistema organizativo que mantiene separadas las letras, sílabas y palabras, incluso cuando se superponen.

Por ejemplo, la representación de una letra puede durar solo unos milisegundos en un área específica antes de pasar a otra, mientras que el contexto de una frase se mantiene activo por más tiempo. Este ritmo varía según el nivel del lenguaje: los contextos cambian lentamente, mientras que las letras se mueven rápido. Así, el cerebro logra coordinar todo sin que se produzcan interferencias.

Tecnología al servicio de la ciencia

La investigación utilizó MEG y EEG para capturar estas dinámicas con gran detalle. En el experimento, los participantes leían oraciones breves, las memorizaban y luego las escribían. Al analizar las señales cerebrales, los científicos pudieron decodificar las representaciones de contextos, palabras, sílabas y letras en cada etapa del proceso. Este método no solo confirmó teorías previas sobre la producción del lenguaje, sino que también ofreció una visión más precisa de cómo se organiza el cerebro para comunicarnos.

¿Qué significa esto para el futuro?

Este avance no solo nos ayuda a entender mejor cómo funciona el cerebro, sino que también abre puertas a nuevas posibilidades. En un artículo complementario (Lévy et al., 2025), el equipo explora cómo estas señales cerebrales podrían usarse para decodificar texto directamente desde la mente, una idea que podría revolucionar la comunicación para personas con discapacidades motoras o del habla.

En resumen, el cerebro transforma pensamientos en lenguaje mediante un proceso jerárquico, simultáneo y dinámico. Desde el significado hasta las letras, cada paso está cuidadosamente coordinado por un código neural que ahora comenzamos a descifrar. Gracias a investigaciones como esta, estamos más cerca de comprender uno de los mayores talentos humanos: expresar lo que pensamos.

---

Puedes ver el paper completo aquí: “From Thought to Action: How a Hierarchy of Neural Dynamics Supports Language Production”

A finales de 2024 todos hablábamos de los agentes de IA como el primer avance que traería 2025. En tan solo un mes, pese a que las aplicaciones no están al alcance de todos y muchas veces nos venden como “agente” una simple automatización o un GPT personalizado, ya se habían lanzado varios modelos agénticos al mercado.

Los agentes de IA son sistemas avanzados que:

• Observan su entorno, procesan datos y ejecutan acciones para cumplir objetivos específicos.
• Interactúan de manera fluida con humanos, aplicaciones y otros sistemas de inteligencia artificial.

Componentes esenciales

• Módulo de percepción: Captura y analiza información del entorno en tiempo real.
• Módulo de toma de decisiones: Evalúa opciones y selecciona la acción más adecuada.
• Módulo de acción: Implementa las decisiones de forma precisa y eficiente.
• Módulo de aprendizaje: Se adapta y optimiza su desempeño con base en datos acumulados.

Tipos de agentes de IA

• Agentes reflexivos – Responden de inmediato siguiendo reglas preestablecidas.
• Agentes reflexivos basados en modelos – Incorporan información histórica para tomar decisiones.
• Agentes basados en objetivos – Planifican acciones para alcanzar metas definidas.
• Agentes basados en utilidad – Buscan el mejor resultado posible optimizando beneficios.
• Agentes de aprendizaje – Evolucionan continuamente al analizar patrones y experiencias.

Tecnología que hay detrás de un agente

• Modelos de lenguaje de gran escala (LLMs): Como ChatGPT, Gemini, Claude o Grok, generan y comprenden texto similar al humano.
• Procesamiento de Lenguaje Natural (NLP), Machine Learning (ML) y aprendizaje por refuerzo: Permiten comprensión, aprendizaje y adaptación.
• IA Generativa e IA Multimodal: Facilitan la creación de contenido y el manejo de datos en diversos formatos (texto, imagen, voz).

Ejemplo de agente de IA

Piensa en un sistema de IA que sea un vehículo autónomo de entrega de paquetes.

Este agente monitorea el tráfico y las condiciones de la carretera en tiempo real (Módulo de percepción), calcula la ruta más eficiente considerando el clima y los horarios (Módulo de toma de decisiones), ajusta la velocidad o cambia de carril automáticamente (Módulo de acción) y aprende de cada viaje para reducir tiempos y consumo de energía (Módulo de aprendizaje). Esto mejora la logística, reduce costos y aumenta la seguridad vial.

En otro artículo debatíamos sobre la conveniencia de utilizar modelos razonadores como R1 de DeepSeek o el modelo o-3 de OpenAI, o modelos tipo chat como GPT4.

Pero además de la conveniencia de saber cual elegir, las técnicas de prompting se ha demostrado que tiene que ser distintas.

Vemos cómo hacer prompts eficaces en este tipo de modelos.

1. Usar prompts mínimos para tareas complejas:

• Confiar en prompts simples de zero-shot o de una sola instrucción
• Dejar que las capacidades de razonamiento integradas del modelo manejen la complejidad
• Evitar prompts demasiado detallados o extensos

2. Fomentar más razonamiento para tareas muy complejas:

• Instruir explícitamente al modelo para que dedique más tiempo a razonar sobre el problema
• Los experimentos muestran una correlación entre más tokens de razonamiento y un mejor rendimiento en tareas altamente complejas

3. Evitar prompts de few-shot:

• Omitir proporcionar ejemplos en el prompt o limitarse a 1-2 ejemplos como máximo
• El prompting de few-shot perjudicó consistentemente el rendimiento de los modelos de razonamiento en varios estudios

4. Limitar el prompting de chain-of-thought (CoT) para tareas simples:

• Evitar instruir al modelo para que muestre su razonamiento en tareas sencillas
• El prompting de CoT puede llevar al modelo a pensar demasiado y desempeñarse peor en problemas simples
• Usar prompts directos para tareas que no requieren múltiples pasos de razonamiento

5. Aprovechar las habilidades de razonamiento integradas del modelo para problemas de varios pasos:

• Los modelos de razonamiento superan a los modelos sin razonamiento en tareas que requieren 5 o más pasos de razonamiento
• Confiar en que el modelo maneje los pasos intermedios sin una guía explícita

6. Usar prompts claros y estructurados para garantizar formatos de salida consistentes:

• Mantener los prompts concisos y específicos sobre la estructura de salida deseada
• Esto es especialmente importante para la generación de código u otras salidas estructuradas

7. Considerar el ensamblaje de prompts (ensembling) para tareas críticas y de alto riesgo:

• Generar múltiples salidas usando prompts ligeramente variados
• Seleccionar la respuesta más consistente en el conjunto
• El ensembling aumenta la confiabilidad pero incrementa el costo y la latencia

En resumen, la clave es proporcionar instrucciones mínimas pero claras, aprovechar las habilidades de razonamiento innatas del modelo, evitar complicar en exceso las tareas simples y ser selectivo sobre cuándo emplear técnicas más avanzadas como el ensembling.

Fuente: Prompt Hub

En las últimas semanas se han lanzado una serie de modelos como o3-mini de OpenAI o el mismísimo DeepSeek R1 que ha revolucionado, no solo el mudo de la IA sino también a quienes vivían hasta este momento ajenos a ella.

DeepSeek supuso una revolución pero sobre todo por su modelo razonador R1.

Muchas personas dicen que no le ven nada de especial después del revuelo mediático. Suelo preguntar si an probado R1 o no han pulsado el botón. Pero incluso quienes han querido probarlo, a veces, desconocen el potencial de los modelos razonadores y sobre todo, sus diferencias con los modelos de chat como GPT4.

Digamos que es como utilizar un Ferrari para recorrer 150 metros a 20 km/h.

Despejemos las dudas y veamos las diferencias entre estos tipos de modelos de Inteligencia Artificial.

Características de los modelos razonadores

• O1 y O3-mini son modelos de IA especialmente diseñados para “pensar” y “razonar” más profundamente antes de responder, y por ello son ideales para resolver problemas complejos.
• Son muy efectivos y más precesos en tareas que requieren análisis detallado y razonamiento paso a paso, especialmente en matemáticas y programación.
• A diferencia de GPT-4 estándar, estos modelos dedican más tiempo a procesar y verificar sus respuestas antes de dártelas.
• Tienen capacidad para manejar documentos muy largos (hasta 200,000 tokens para O3-mini).
• Verifican automáticamente sus respuestas.

Limitaciones de estos modelos

• Mayor tiempo de respuesta comparado con GPT-4
• El coste por operación es mucho más caro (por eso lanzan modelos mini)
• Su base de conocimiento más limitada en temas que no son de su especialización
• Pueden “pensar demasiado” en tareas simples haciendo que la respuesta no sea tan buena.

Diferencias de rendimiento en modelos razonadores y modelos de chat

• En problemas complejos (5 o más pasos de razonamiento), los modelos como o3-mini superan a GPT-4.
• En tareas sencillas, GPT-4 puede ser más eficiente ya que responde más directamente (sin dar tanta vuelta).
• O3-mini es una versión más rápida y económica, aunque con capacidades algo reducidas (pero el uso de la API es bastante más barato).

Recomendaciones de uso de cada tipo de modelo

Los modelos razonadores son mejores para:

• Análisis legal y estratégico
• Problemas matemáticos complejos
• Programación avanzada
• Análisis de documentos extensos
• Tareas que requieren alta precisión y verificación

Los modelos de chat son mejores para:

• Tareas más cotidianas y consultas simples
• Respuestas simples
• Información no específica (conocimiento más general).

La conclusión podría ser que elegir el modelo más adecuado para una tarea determinada puede parecer más un arte que una ciencia. Hay múltiples factores a considerar, como el coste, el rendimiento y la latencia.

Para problemas que involucran múltiples pasos de razonamiento, los modelos de razonamiento como o1-mini suelen ser una mejor opción mientras que GPT-4 puede ser más indicado para tareas que requieren menos de cinco pasos de CoT (Chain of Tought, Cadena de pensamiento) o donde las salidas concisas y bien estructuradas son fundamentales, GPT-4o es la mejor opción.

Fuente: Microsoft