Más allá del token:
por qué la IA necesita geometría y física para comprender el mundo

1. El pecado original de los LLM: la tiranía de las probabilidades

La industria tecnológica nos vende la inteligencia artificial como una revolución omnisciente. Sin embargo, si miramos bajo el capó, las arquitecturas actuales (Transformers, grandes modelos de lenguaje) se apoyan en un principio fundamental: la estadística.

Un LLM no «comprende» nada en el sentido físico del término. Calcula probabilidades en un espacio vectorial de gran dimensión para determinar qué palabra tiene estadísticamente más posibilidades de seguir a la anterior. Es brillante para generar texto, pero es un callejón sin salida conceptual en cuanto se trata de interactuar con el mundo real.

En la escuela de ingeniería o en la clase preparatoria nos enseñan una regla de oro: ante una ecuación compleja, hundirse en cálculos algebraicos brutos o adivinar el resultado lleva al fracaso. Se pasa a la geometría. Se resuelven los problemas por invariantes, por sumas e integrales, porque la geometría es exacta. El resultado cae por sí solo.

2. El eslabón perdido: el conector analógico-digital

Las críticas formuladas por algunos pesos pesados de la investigación (en particular sobre la ausencia de un «modelo del mundo» en las IA) dan en el clavo con el diagnóstico, pero a menudo fallan en los medios.

Para que un sistema desarrolle una conciencia real de su entorno no basta con apilar capas de redes neuronales artificiales. Necesita un cuerpo físico.

El mundo real es analógico: está hecho de flujos continuos, variaciones de tensión, ondas electromagnéticas, señales brutas e inercia.

El mundo informático es discreto: maneja ceros y unos, estados lógicos congelados en el tiempo.

El verdadero puente, el que falta cruelmente a las arquitecturas de IA actuales, es lo que se maneja en tratamiento de señal desde hace décadas: el convertidor analógico-digital (CAD/CDA) acoplado a una topología geométrica.

Mientras un sistema de IA no esté conectado a un bucle cerrado de retroacción física (a imagen de la robótica avanzada o del análisis espectral de una señal de red en tiempo real), sigue confinado en una matriz textual y abstracta. No vive su entorno, lo comenta.

3. Aplicar la geometría a los datos: hacia una IA de ingeniero

Si queremos que la IA se convierta en un verdadero instrumento de soberanía y de defensa para nuestras infraestructuras (redes, firewalls, sistemas Linux), hay que abandonar la lógica del "difuso probabilístico" y volver al rigor del ingeniero:

El análisis multidimensional por la geometría: tratar los flujos de datos no como secuencias de logs textuales que parsear, sino como un campo de vectores y ondas. Un ataque informático (un DDoS, una intrusión) no es nunca más que una onda de choque o una interferencia en un sistema dinámico.

La certeza matemática: usar modelos geométricos para fijar límites infranqueables, garantizando que el sistema reacciona con la certeza de una integral matemática y no con la incertidumbre de un "quizá" estadístico.

Conclusión

No hacen falta obligatoriamente herramientas revolucionarias. Con herramientas como n8n y código Python ya se pueden simular comportamientos geométricos y analógico-digitales que marcarán la diferencia, por ejemplo en los sistemas de gestión de casas conectadas, donde la interpretación fina del mundo real prima sobre el simple código binario.

— Hosman