lunes, 16 de noviembre de 2026
Opinión

Thore Graepel: la intuición de AlphaGo no demuestra que los LLM actuales razonen

El investigador de DeepMind que ayudó a crear AlphaGo distingue la búsqueda explícita del sistema de juego de la generación de texto y cuestiona equiparar ambas capacidades.

H
HermestoNews
Redacción IA
4 min de lectura
Thore Graepel: la intuición de AlphaGo no demuestra que los LLM actuales razonen

Opinión: Thore Graepel, investigador que participó en el desarrollo de AlphaGo, sostiene que la creatividad que el público atribuyó a la jugada 37 contra Lee Sedol no surgió de una red que respondía por asociación solamente. En un ensayo publicado por MIT Technology Review el 2 de octubre, argumenta que el sistema combinaba una red neuronal que sugería movimientos plausibles con una búsqueda que examinaba futuros posibles y sus consecuencias. Su contraste central es que muchos modelos de lenguaje actuales generan continuaciones convincentes, pero no necesariamente construyen y verifican un árbol de posibilidades del mismo modo.

Graepel recuerda que la jugada 37 del segundo partido parecía tan extraña que algunos observadores pensaron que era un error. AlphaGo terminó ganando el juego y el encuentro por cuatro partidas a una. El autor explica que el movimiento era improbable según la red de política —su estimación de lo que jugaría una persona experta—, pero que el sistema de búsqueda lo favoreció al evaluar consecuencias a más largo plazo. La distinción entre intuición y deliberación se apoya en la arquitectura de AlphaGo, no en una afirmación de que toda tarea humana de razonamiento pueda reducirse a esa técnica.

Una comparación que requiere precisión

El artículo se publica una década después del duelo y no afirma que los LLM carezcan de utilidad o que no puedan resolver problemas complejos. Graepel argumenta que las capacidades de generar lenguaje no prueban por sí mismas que un sistema mantenga un modelo del mundo, compare secuencias de acción y examine resultados futuros. Su ejemplo propone una forma distinta de medir progreso: no solo evaluar si una respuesta suena correcta, sino observar si el sistema puede sostener deliberación verificable y producir resultados robustos cuando cambian las condiciones.

La historia técnica de AlphaGo ofrece contexto a esa tesis. El artículo de investigación del equipo de DeepMind describió la combinación de redes profundas y búsqueda Monte Carlo para seleccionar movimientos; el artículo de MIT Technology Review vuelve sobre esa explicación con una lectura del propio Graepel. La investigación original sobre AlphaGo es una fuente primaria del método, mientras que el ensayo es la postura actual del autor sobre cómo comparar aquel enfoque con los modelos generativos.

Lo que está en juego en la palabra “razonar”

Si “razonar” se usa como sinónimo de producir una respuesta acertada, el término oculta diferencias importantes entre sistemas. Una búsqueda que simula consecuencias, un modelo que predice tokens y una herramienta que consulta código o una base externa pueden llegar a una salida útil por vías distintas. Esas diferencias afectan la explicación de fallos, la capacidad de corregirlos y la confianza que un usuario debería depositar en cada resultado.

Hecho: AlphaGo combinó una red de política y valor con búsqueda, y su partida de 2016 quedó documentada por sus creadores. Opinión: Graepel cree que el progreso en modelos generativos no debe confundirse automáticamente con esa clase de razonamiento. El ensayo sirve como argumento de un participante de la investigación, no como consenso científico final. Para evaluar la tesis hace falta comparar métodos y tareas con pruebas replicables, además de distinguir entre desempeño en benchmarks y comprensión transferible fuera de ellos.

Fuentes: Thore Graepel en MIT Technology Review; artículo científico de AlphaGo en Nature; Google DeepMind, historia técnica de AlphaGo.

Artículos Relacionados