Los LLM no crean ciencia nueva, pero los world models podrian

¿Pueden los modelos de lenguaje desatar una revolución científica? En un position paper titulado "LLMs can't jump" (los LLM no pueden saltar), Tom Zahavy de Google DeepMind argumenta que no. Según su tesis, a estos sistemas les falta el mecanismo cognitivo necesario para crear algo verdaderamente nuevo.

Zahavy construye su caso sobre un marco que Albert Einstein esbozó en una carta a su amigo Maurice Solovine. El descubrimiento, escribió Einstein, es un ciclo: la experiencia sensorial lleva a un "salto" intuitivo hacia los axiomas y, desde ahí, la deducción lógica produce conclusiones comprobables. Los axiomas son los supuestos fundacionales, no demostrados, de una teoría.

¿Qué tipo de razonamiento no domina la IA?

Para ubicar dónde está la brecha, Zahavy recurre a una distinción clásica del filósofo Charles Sanders Peirce, que clasificó todo razonamiento según cómo conecta reglas, casos y resultados.

• Deducción: deriva conclusiones garantizadas a partir de reglas fijas, como ejecutar un programa que produce una salida demostrablemente correcta.
• Inducción: detecta patrones en los datos. Observa mil cisnes blancos y generaliza que todos los cisnes son blancos.
• Abducción: es el salto creativo. Inventa una causa para explicar un fenómeno sorprendente.

Esta tercera forma es donde Zahavy ve el cuello de botella crítico, y traza una línea entre dos niveles. La abducción ordinaria elige la explicación más plausible dentro de un conjunto de candidatos conocidos, como un médico que asocia síntomas a una enfermedad. Los modelos de lenguaje pueden hacer eso, concede. La versión difícil es la que llama "abducción manipulativa": inventar una causa para la que todavía no existe una plantilla lingüística. Ese, sostiene, es el verdadero cuello de botella de la invención científica, y las máquinas no pueden hacerlo.

La inducción y la deducción, en cambio, están al alcance. Los modelos de lenguaje ya destacan en el reconocimiento estadístico de patrones y avanzan rápido en la derivación formal. Sistemas como AlphaProof, Gemini y GPT-5 ya logran puntajes de nivel oro en problemas de la Olimpiada Internacional de Matemática. Zahavy incluso admite que un modelo de lenguaje probablemente podría derivar la relatividad general si se le entregan los supuestos de Einstein como punto de partida. Pero formular esos supuestos en primer lugar, dar el salto manipulativo para llegar a ellos, sigue siendo la barrera.

¿Por qué las máquinas no dan ese salto?

Zahavy lo ilustra con esa misma teoría. Los modelos de IA suelen aprender comparando sus predicciones con la realidad y ajustándose según el error, la brecha entre predicción y resultado. Sin un error detectable, no hay nada con qué trabajar. Y esa, argumenta, era la situación de Einstein.

Cuando Einstein trabajaba, no había una crisis de datos. La física de Newton se había confirmado con extrema precisión. La única anomalía conocida, un ligero desplazamiento en la órbita de Mercurio, se había atribuido a un hipotético planeta oculto llamado "Vulcano". Una IA guiada por optimización no habría tenido ninguna razón para derribar la física, sostiene Zahavy. Siguiendo la lógica del argumento, habría hecho lo que hicieron los astrónomos de la época: inventar un planeta extra para explicar la pequeña discrepancia, en lugar de repensar el espacio y el tiempo. Los datos que confirmaron la teoría de Einstein, como la medición de la desviación de la luz hecha por Eddington, no llegaron hasta años después de formulada la teoría.

¿Por qué un salto necesita un cuerpo?

Entonces, ¿de dónde vino la abducción manipulativa que llevó a Einstein a sus axiomas? Zahavy apunta al "pensamiento más feliz" de Einstein: el observador en caída libre que ya no siente la gravedad. Esa intuición surgió de una simulación encarnada, de Einstein recorriendo mentalmente una sensación física en vez de moler ecuaciones. Imaginó a un físico dentro de un ascensor que acelera en el espacio y concluyó que aceleración y gravedad son indistinguibles desde adentro.

Zahavy traza un paralelo con Arquímedes, que no descubrió su principio de flotabilidad mediante cálculos sino, según la leyenda, a través de la sensación física del agua que subía al meterse en la tina. En ambos casos emergió un principio fundacional que aún no existía en el lenguaje de la época.

A los modelos de lenguaje les falta justamente ese anclaje sensorial. Zahavy los compara con la "Habitación China" del filósofo John Searle, el famoso experimento mental en el que una persona baraja caracteres chinos según un manual de reglas sin entender una sola palabra. Los modelos de lenguaje barajan los símbolos de la física de un modo muy parecido, sin acceso a la experiencia física que da sentido a esos símbolos.

El AI Scientist de Sakana y AlphaEvolve de DeepMind automatizan flujos de trabajo científicos de forma impresionante. Pero el AI Scientist solo recombina conceptos existentes, mientras que AlphaEvolve optimiza de forma brillante pero necesita una señal de error clara que pueda ir reduciendo paso a paso. Einstein nunca tuvo esa señal. Ninguno de los dos sistemas, argumenta Zahavy, puede saltar hacia un marco de pensamiento enteramente nuevo.

¿Son los world models el camino?

Como posible salida, Zahavy señala los world models físicamente consistentes, y ahí traza otra línea. Los generadores de video como Veo simplemente predicen el fotograma más probable a continuación. Una manzana cae no porque el modelo entienda la gravedad, sino porque caer es la continuación más común en los datos de entrenamiento. Eso sigue siendo solo emparejamiento de patrones.

Los world models controlables por acciones, como Genie, en cambio, permiten que un agente intervenga activamente en una simulación y ejecute experimentos contrafácticos, como cortar mentalmente el cable de un ascensor. Un "laboratorio sintético" así podría entregar el bucle de retroalimentación necesario para inventar nuevos axiomas donde todavía no existe una plantilla lingüística.