¿Por qué los grandes modelos de lenguaje no son más inteligentes que tú?
El artículo explora cómo los modelos de lenguaje grande (LLM) carecen de un espacio interno dedicado al razonamiento, operando únicamente dentro de un flujo continuo de lenguaje. Diferentes estilos lingüísticos activan regiones de "atractores" estables que permiten distintos tipos de computación. El lenguaje formal, como el científico o matemático, activa regiones que favorecen el razonamiento estructurado, la precisión relacional y la estabilidad conceptual. En cambio, el lenguaje informal activa regiones optimizadas para la fluidez social y la asociación, pero no para el razonamiento sostenido. Por ello, cuando un usuario explica un concepto complejo de manera informal, el modelo tiende a "colapsar" o desviarse. La solución es primero formalizar el problema para construir una estructura estable en un atractor de alto nivel, y luego traducirlo a lenguaje natural. Esto revela que la capacidad de razonamiento del modelo depende completamente del usuario: solo puede activar las regiones de attractores que el propio usuario es capaz de expresar lingüísticamente. Así, el límite de inteligencia del modelo no es propio, sino una reflejo de la capacidad del usuario para guiarlo hacia regiones computacionales más complejas.
深潮12/15 07:24
