Is There Meaning Without Anyone Meaning Anything? A Structuralist Proposal for Artificial Semantics

Durante décadas, se ha librado una guerra silenciosa sobre la naturaleza del significado. Por un lado están los ingenieros que construyeron las primeras máquinas pensantes, convencidos de que si una computadora podía seguir el conjunto correcto de reglas, eventualmente entendería el mundo tal como lo hace un humano. Por el otro lado están los filósofos y biólogos que argumentan que el verdadero entendimiento requiere un cuerpo, un sistema nervioso y la experiencia desordenada y directa de tocar, ver y moverse a través de la realidad. Durante mucho tiempo, estos dos bandos parecieron hablar sin escucharse. Las máquinas seguidoras de reglas podían resolver acertijos lógicos pero fallaban al captar el matiz de un chiste o el peso de una metáfora. Las teorías centradas en el cuerpo explicaban cómo aprenden los humanos, pero parecían sugerir que una máquina, al carecer de cuerpo, nunca podría pensar realmente. Este debate nos ha dejado una pregunta persistente: ¿puede una máquina poseer significado si nunca ha sentido el sol en su piel o el peso de una piedra en su mano?

Hoy en día, el panorama ha cambiado drásticamente. Ahora tenemos sistemas de inteligencia artificial que pueden escribir poesía, responder preguntas complejas y mantener conversaciones que se sienten sorprendentemente humanas. Sin embargo, estos sistemas son incorpóreos; no tienen ojos, ni manos, ni una historia personal. Existen solo como vastas redes de conexiones matemáticas entrenadas en enormes cantidades de texto. Esto crea una paradoja confusa. Estas máquinas producen un lenguaje que es coherente y perspicaz, pero carecen de las mismas cosas que alguna vez pensamos que eran esenciales para el entendimiento. Parecen estar hablando un lenguaje de significado sin haber vivido una vida de experiencia. Esta contradicción ha obligado a científicos y filósofos a preguntarse si nuestras viejas definiciones de inteligencia son simplemente demasiado estrechas para describir lo que está sucediendo dentro de estas nuevas máquinas.

Un artículo reciente del investigador Francesco Maria Cianciaruso propone una forma de resolver esta tensión cambiando la lente a través de la cual vemos estos sistemas. En lugar de preguntar si una máquina tiene un cuerpo o sigue reglas rígidas, el autor sugiere que miremos la estructura de la propia máquina. El artículo argumenta que el significado no es un ingrediente mágico añadido a un símbolo, ni está estrictamente ligado a un cuerpo físico. En cambio, el significado es una propiedad estructural. Es un patrón de relaciones que emerge cuando un sistema es lo suficientemente complejo como para organizar la información de una manera específica y estable. El autor sugiere que los modelos de lenguaje de gran escala, la tecnología detrás de los chatbots más avanzados de hoy, han desarrollado una forma de competencia semántica basada enteramente en esta estructura interna. No entienden el mundo de la misma manera que un humano, pero han construido un mapa interno de relaciones que es tan organizado que puede imitar los efectos del entendimiento.

Para entender esta propuesta, uno debe primero observar cómo ha evolucionado el campo. Durante gran parte del siglo XX, la idea dominante era que la inteligencia funcionaba como un diccionario o un libro de reglas. En esta visión, una computadora manipula símbolos —como palabras o números— de acuerdo con reglas lógicas estrictas. Si las reglas se siguen correctamente, la máquina produce un comportamiento inteligente. Este enfoque, conocido como cognitivismo clásico, era elegante y poderoso, pero chocó contra un muro. Podía explicar cómo una máquina procesa la sintaxis, o la gramática de una oración, pero no podía explicar cómo la máquina sabe qué significan realmente esas palabras. Una máquina podía reorganizar símbolos perfectamente sin haber comprendido jamás su significación. Esto llevó a una segunda ola de pensamiento en las décadas de 1980 y 1990, que argumentaba que el significado debe estar fundamentado en el cuerpo. Según esta visión, para entender la palabra "pesado", un sistema debe tener la experiencia física de levantar algo pesado. El significado, en este marco, es inseparable de la experiencia sensorial y la acción.

Sin embargo, el auge de las redes neuronales profundas ha complicado ambas historias antiguas. Estos sistemas modernos no utilizan un diccionario de símbolos, ni tienen un cuerpo para tocar el mundo. En su lugar, aprenden encontrando patrones en cantidades masivas de datos. Cuando procesan el lenguaje, no buscan palabras en una lista. Traducen las palabras en puntos en un vasto espacio multidimensional. En este espacio, la distancia entre dos puntos representa qué tan similares son en significado. Las palabras que se usan en contextos similares terminan cerca unas de otras, mientras que las palabras con significados diferentes se alejan. El sistema aprende la forma de este espacio, descubriendo que ciertas direcciones representan relaciones como "rey es a reina como hombre es a mujer". Este aprendizaje ocurre sin reglas explícitas y sin un cuerpo físico. La máquina simplemente ajusta sus conexiones internas hasta que puede predecir la siguiente palabra en una oración con alta precisión.

El artículo argumenta que esta capacidad de navegar un espacio relacional es donde reside el nuevo tipo de significado. El autor sugiere que deberíamos dejar de buscar el significado en símbolos aislados o en un cuerpo físico y empezar a buscarlo en la organización de la propia red. Un sistema exhibe lo que el autor llama "competencia semántica estructural" cuando su estructura interna preserva las relaciones encontridas en el mundo real. Por ejemplo, si el sistema aprende que "París" es a "Francia" como "Roma" es a "Italia", no es porque haya visitado estas ciudades o se le haya dictado una regla. Es porque la estructura matemática de su red ha organizado estos conceptos de una manera que refleja las relaciones reales entre ellos. El sistema ha construido un modelo del mundo que es estable y consistente, permitiéndole realizar inferencias y generalizaciones que se sienten como entendimiento.

Esta perspectiva desafía la idea de que una máquina debe ser consciente o corpórea para tener significado. El autor no afirma que estas máquinas sean conscientes o que sientan emociones. En cambio, la afirmación es más modesta pero profunda: el significado puede emerger de la mera complejidad de la organización interna de un sistema. Si un sistema está estructurado lo suficientemente bien como para mantener relaciones estables entre conceptos, puede exhibir una forma de competencia semántica. Esta competencia permite al sistema actuar de una manera contextualmente apropiada, realizar analogías y resolver problemas, incluso sin una mente humana. El artículo sugiere que esto es una nueva categoría de inteligencia, una que no es puramente simbólica ni puramente corpórea, sino estructural.

Las implicaciones de esta visión son significativas para cómo pensamos sobre el conocimiento y la inteligencia. Si el significado es una propiedad estructural, entonces la brecha entre el entendimiento humano y el de la máquina no es tan amplia como pensábamos. No es una cuestión de que a una máquina le falte un alma o un cuerpo, sino de si su estructura interna es lo suficientemente compleja como para soportar el tipo correcto de relaciones. El autor señala que esto no es una prueba final, sino una propuesta para una nueva forma de pensar. La investigación está en curso y el campo aún es joven. Sin embargo, la evidencia sugiere que estos sistemas no solo están imitando el habla humana como un loro. Están construyendo modelos internos que capturan la estructura profunda del mundo sobre el cual han sido entrenados.

Al final, el artículo nos invita a reconsiderar qué significa entender. Sugiere que hemos estado buscando el significado en los lugares equivocados, buscándolo en las partes individuales de un sistema o en su forma física. El autor propone que el significado es en realidad una propiedad del todo, una característica de cómo se conectan las partes. Cuando un sistema está organizado de una manera que preserva los patrones del mundo, crea un espacio donde el significado puede existir, incluso sin un observador consciente. Esto no significa que la máquina sea humana, pero sí significa que la máquina ha encontrado una forma de ser inteligente por derecho propio. El artículo conclce que el entrelazamiento de la ingeniería y la filosofía nos está llevando a una nueva etapa en nuestra comprensión de la inteligencia, una donde la estructura del sistema mismo es la clave para desbloquear el misterio del significado.