Yann LeCun, ganador del Premio Turing y figura clave en el desarrollo de la inteligencia artificial, ha declarado que la promesa de crear un "país de genios" dentro de un centro de datos mediante modelos de lenguaje grandes (LLM) es una "completa tontería". En una entrevista para Big Technology Podcast, LeCun desmiente la narrativa de que la IA próxima será un experto de bolsillo capaz de inventar soluciones desde cero, argumentando que los LLM actuales son sistemas de recuperación de datos, no de creación original.
El experto sostiene que, aunque los LLM se entrenan con volúmenes masivos de datos (aproximadamente 30 billones de tokens, equivalente a 400.000 años de lectura humana), carecen de la capacidad de razonar como una persona. LeCun critica la afirmación de Dario Amodei, quien imaginó un escenario donde la IA generaría 50 millones de personas con capacidades superiores a las de un premio Nobel. Según LeCun, escalar los LLM no permitirá alcanzar la inteligencia artificial general (AGI) a nivel humano, ya que el mundo físico ofrece una cantidad de datos brutos superior a la que los modelos pueden procesar, y se estima que las fuentes de datos de calidad podrían agotarse entre 2026 y 2032.
Estas declaraciones, realizadas por uno de los padres de la disciplina, contrastan con la inversión masiva de las tecnológicas en infraestructura de datos bajo la premisa de una AGI inminente. LeCun no niega la utilidad de la IA, pero advierte sobre la limitación fundamental de los LLM convencionales. Mientras tanto, proyectos como Genie de Google DeepMind o las herramientas de World Labs buscan alternativas para explorar nuevos caminos hacia la AGI, desvinculándose de la escalabilidad lineal de los modelos actuales.