27 de agosto de 2026
Hola gente como están,
Hoy me tocó ver de reojo una publicación del profesor Jorge Calvo Martin, madrileño al cuál no seguía con anterioridad.
La paradoja de Moravec es una de las ideas más interesantes para entender por qué la Inteligencia Artificial ha avanzado de una manera que, desde la perspectiva humana, parece casi al revés de lo esperado.
La idea fue formulada en los años 80 por investigadores de IA y robótica, especialmente Hans Moravec, junto con observaciones similares de Marvin Minsky y otros pioneros.
En términos sencillos:
Las cosas que para los humanos requieren mucho razonamiento pueden resultar relativamente fáciles para una computadora, mientras que las cosas que hacemos casi sin pensar pueden ser extraordinariamente difíciles para una máquina.
Un ejemplo muy claro
Pensemos en dos tareas.
Una computadora puede:
Analizar millones de registros
↓
Encontrar patrones
↓
Resolver ecuaciones
↓
Jugar ajedrez a nivel sobrehumano
↓
Generar código SQL complejoTodo eso nos parece intelectualmente sofisticado.
Ahora pidámosle a un robot algo aparentemente trivial:
"Ve a la cocina,
identifica una taza,
tómala sin romperla
y tráemela."De repente el problema es muchísimo más complicado.
El robot tiene que distinguir la taza del fondo, calcular profundidad, reconocerla aunque esté parcialmente oculta, determinar dónde sujetarla, controlar la presión de los dedos, mantener el equilibrio, caminar evitando obstáculos y adaptarse si alguien mueve una silla.
Un niño pequeño hace gran parte de eso sin conocer conscientemente ninguna de las matemáticas involucradas.
¿Por qué ocurre?
Aquí está la parte más interesante de la paradoja.
Nuestro cerebro no empezó evolutivamente resolviendo ecuaciones diferenciales, programando o jugando ajedrez. Durante cientos de millones de años, la evolución fue perfeccionando capacidades como visión, movimiento, orientación espacial, reconocimiento de objetos, interacción social y coordinación motora.
El razonamiento abstracto sofisticado es evolutivamente mucho más reciente.
Por eso Moravec planteaba que resulta relativamente sencillo hacer que las computadoras exhiban capacidades comparables a las de un adulto en pruebas intelectuales, pero extremadamente difícil darles capacidades perceptivas y motoras similares a las de un niño pequeño.
Los LLM han hecho la paradoja todavía más interesante
Con modelos como los actuales aparece una versión moderna de Moravec.
Una IA puede explicar:
SELECT /*+ LEADING(a) USE_NL(b) */
...
FROM tabla_a a
JOIN tabla_b b ON ...y discutir con bastante profundidad sobre CBO, cardinalidad, estadísticas, planes de ejecución, índices o transformaciones SQL, siempre y cuando por supuesto, brindes un contexto adecuado de la versión de la base de datos utilizado, los sistema ejecutándose contra la base de datos, la cantidad de usuarios concurrentes y las particularidades específicas de cada entorno.
Sin embargo, puede tener dificultades con situaciones del mundo físico que una persona resuelve inmediatamente.
Incluso dentro del lenguaje encontramos algo parecido: un modelo puede explicar un concepto matemático sofisticado y después equivocarse en una situación cotidiana aparentemente elemental porque le falta determinada información contextual.
Y hay una conexión profunda con la robótica actual
Los robots humanoides modernos son una excelente demostración de Moravec.
No impresiona demasiado hoy que una IA pueda identificar una taza en una fotografía. Lo verdaderamente difícil es conseguir que una máquina pueda verla, caminar hacia ella, agarrarla correctamente y adaptarse en tiempo real si la taza se mueve.
Ahí convergen percepción, razonamiento espacial, física, control y actuación.
Lo paradójico desde nuestra percepción como ser humano.
Podemos resumirlo así:
Y esto tiene una consecuencia importante para el debate actual sobre IA: no deberíamos medir la inteligencia artificial únicamente por las tareas que nosotros consideramos intelectualmente difíciles.
Que una máquina pueda superar a una persona en una actividad que consideramos "inteligente" no significa necesariamente que posea el conjunto de capacidades generales que asociamos con la inteligencia humana.
En cierta forma, Moravec anticipó hace más de 35 años algo que hoy estamos observando claramente: llegar a una inteligencia extraordinaria en dominios abstractos puede ser más sencillo que reproducir aquello que un ser humano aprende casi sin darse cuenta durante sus primeros años de vida.
Cuando a paradoja de Moravec se vuelve todavía más interesante, es cuando podemos extenderla desde las capacidades físicas hacia algo mucho más difícil de formalizar: los sentimientos, las relaciones humanas y la imprevisibilidad de nuestras decisiones.
Una IA puede analizar enormes cantidades de conversaciones, reconocer patrones emocionales e incluso estimar que determinadas palabras probablemente expresan tristeza, entusiasmo, ironía o enojo. Pero hay una diferencia fundamental entre reconocer el patrón asociado a una emoción y experimentar esa emoción.
Una persona puede decir «estoy bien» y estar diciendo exactamente lo contrario. Para otro ser humano que la conoce, una pausa, una mirada, el momento en que lo dijo o incluso aquello que no dijo puede tener más significado que las dos palabras pronunciadas. El dato explícito dice una cosa; el contexto humano puede decir otra.
Esto introduce varias dimensiones interesantes.
La contradicción humana. Podemos querer simultáneamente cosas incompatibles. Alguien puede querer cambiar de trabajo y tener miedo de dejarlo; amar a una persona y decidir alejarse; saber racionalmente cuál es la mejor decisión y escoger otra. Desde una perspectiva puramente lógica puede parecer inconsistente. Desde la experiencia humana, es perfectamente comprensible.
La historia personal. Dos personas pueden vivir exactamente el mismo acontecimiento y sentir cosas completamente diferentes. El significado no está solamente en el evento, sino en todo lo que cada persona trae consigo: recuerdos, experiencias, expectativas, relaciones y asociaciones.
La imprevisibilidad. Incluso conociendo todo lo anterior, no necesariamente podemos predecir qué hará una persona. Los seres humanos cambiamos de opinión, actuamos impulsivamente, perdonamos cuando parecía imposible o rechazamos algo que racionalmente nos convenía.
Y aparece algo todavía más profundo: nosotros mismos muchas veces no sabemos por qué hacemos lo que hacemos.
Podemos construir posteriormente una explicación perfectamente racional de una decisión cuyo origen real fue emocional, intuitivo o inconsciente.
Ahí aparece una conexión muy interesante con los modelos de IA.
Un modelo puede calcular: P(siguiente acción ∣ contexto) y encontrar que una determinada respuesta tiene una probabilidad muy alta. Pero una persona puede elegir precisamente la alternativa improbable.
No necesariamente porque el modelo estuviera mal, sino porque probabilidad no significa determinismo.
Hay además algo que Moravec no necesitó resolver: el significado
Un sistema puede reconocer una taza. Puede aprender a sujetarla. Puede calcular su peso, temperatura, posición y trayectoria. Pero para una persona esa misma taza podría ser:
la taza que usaba su padre todas las mañanas y que conserva veinte años después de su muerte.
Físicamente sigue siendo exactamente una taza. Humanamente ya no lo es. Y esa diferencia entre las propiedades objetivas de algo y lo que ese algo significa para alguien es enorme.
Por eso creo que una ampliación contemporánea muy interesante de la reflexión de Moravec sería:
Quizá lo más difícil de reproducir de la inteligencia humana no sea nuestra capacidad para razonar, sino nuestra capacidad para otorgar significado.
Y eso también obliga a matizar la palabra inteligencia. Estamos descubriendo que resolver problemas matemáticos, escribir programas, resumir documentos o analizar millones de datos no necesariamente representa la totalidad de aquello que durante siglos llamamos inteligencia.
Hay inteligencia lógica, lingüística, espacial, social, emocional y corporal. Y varias de ellas están profundamente conectadas con haber vivido físicamente en el mundo.
Por eso hay una ironía extraordinaria en el desarrollo actual de la IA: enseñamos primero a las máquinas algunas de las cosas que más años nos cuesta aprender a nosotros, y ahora estamos intentando enseñarles algunas de las cosas que nosotros aprendemos antes de poder hablar.
Caminar. Tocar. Interpretar una mirada. Comprender un gesto. Saber cuándo alguien está incómodo. Adaptarse ante lo inesperado.
Y probablemente aquí está la reflexión que más me interesa de todo esto:
Podemos llegar a construir máquinas extraordinariamente buenas para calcular qué es probable que haga un ser humano. Eso no significa necesariamente que hayamos construido una máquina que comprenda por qué para ese ser humano hacerlo importa.
Esa diferencia entre predecir comportamiento y comprender significado puede terminar siendo una de las fronteras más importantes entre la inteligencia artificial y la experiencia humana.
