✨︎ Resumen (TL;DR):
- Investigadores comprobaron que modelos como GPT y Gemini ofrecen respuestas monótonas ante pruebas estandarizadas de creatividad.
- Un estudio previo documentado en NeurIPS 2025 detectó hasta un 82% de coincidencia creativa entre IA de distintas compañías.
- El uso masivo de LLMs para el brainstorming podría reducir gravemente la diversidad de pensamiento en la sociedad.
Un nuevo estudio publicado en la revista científica PNAS Nexus demostró que los grandes modelos de lenguaje (LLMs) como GPT, Gemini y Llama carecen de diversidad creativa colectiva. Aunque una sola respuesta de la inteligencia artificial puede parecer original, al analizar múltiples resultados, los investigadores descubrieron que los chatbots repiten constantemente las mismas ideas, a diferencia de la amplia variedad que ofrecen las mentes humanas.
El equipo liderado por Emily Wenger, de la Universidad de Duke, y Yoed Kenett, del Technion – Israel Institute of Technology, aplicó evaluaciones de creatividad estandarizadas a diversos modelos comerciales y de código abierto.
Una de las tareas consistió en pedir a la IA que imaginara todos los usos posibles para un tenedor. Otro ejercicio exigió generar una lista de 10 sustantivos que fueran lo más diferentes posible entre sí.
Al comparar los textos lado a lado, la falta de originalidad fue evidente. Frente a la diversidad de pensamiento de las personas, las herramientas convergieron sistemáticamente en los mismos conceptos y frases.
El efecto Hivemind y los límites del código
Este hallazgo respalda el concepto de Artificial Hivemind (mente colmena artificial), una tendencia técnica donde modelos rivales convergen en resultados paralelos.
De hecho, una investigación ganadora en NeurIPS 2025 detectó un 82% de superposición en tareas creativas entre los sistemas de OpenAI y DeepSeek, a pesar de que las empresas los desarrollaron por separado.
Los autores intentaron romper esta monotonía ajustando parámetros internos:
- La temperatura es un ajuste de software que controla el nivel de aleatoriedad en las respuestas generadas por los LLMs.
- Al subir la temperatura, los investigadores obtuvieron textos más variados, pero la calidad del código colapsó.
- La IA comenzó a producir texto sin sentido que fallaba en los requisitos básicos de las pruebas.
Esto confirmó que no existe una solución técnica sencilla para el problema de homogeneidad actual.
Wenger y Kenett advirtieron que depender masivamente de los LLMs para tareas de brainstorming o trabajo artístico limitará el espectro de ideas que circulan en la sociedad. Cambiar de plataforma no resolverá el problema, ya que afecta a la tecnología en general.
Mejorar los modelos para que igualen la diversidad humana sigue siendo un desafío técnico, ya que los investigadores señalaron que los LLMs “carecen de cuerpos, experiencias, intenciones, individualidad o comprensión, algunos o todos los cuales pueden ser necesarios para simular la creatividad humana”.
