✨︎ Resumen (TL;DR):
- Timnit Gebru calificó de dañino el discurso que presenta a la IA como una posible causa de extinción.
- La investigadora defendió la metáfora de los “loros estocásticos”, usada en un artículo que coescribió en 2021 sobre los límites de los modelos de lenguaje.
- Propuso aplicar normas de publicidad engañosa, documentar el origen de los datos y revisar las condiciones de quienes los preparan o etiquetan.
Timnit Gebru cuestionó las advertencias sobre una posible extinción causada por la inteligencia artificial en una entrevista publicada por WIRED el 29 de septiembre de 2026. La investigadora calificó ese discurso de dañino porque, según su argumento, beneficia a quienes desarrollan los modelos y desvía la atención de responsabilidades actuales, como la procedencia de los datos, el trabajo humano y el costo ambiental de los sistemas.
Cuando los laboratorios se presentan como creadores de máquinas capaces de resolver grandes problemas y poner fin a la humanidad, hacen que su tecnología parezca excepcional ante inversionistas y gobiernos, argumentó Gebru. Para ella, la advertencia sobre la extinción también vende poder.
Ese encuadre dirige la conversación regulatoria hacia una superinteligencia hipotética y deja en segundo plano asuntos actuales: la procedencia de los datos, el trabajo humano y el costo ambiental de los sistemas que ya existen.
La entrevista recoge esa crítica, pero no demuestra que todas las empresas o grupos dedicados a la seguridad de la IA compartan una motivación económica. Las reuniones de organizaciones de seguridad de la IA con oficinas legislativas en el Congreso de Estados Unidos documentan acceso político, no un consenso sobre la probabilidad de extinción ni los intereses de cada participante.
Qué significa “loros estocásticos”
“Loros estocásticos” es una metáfora que describe sistemas que generan texto a partir de patrones aprendidos.
WIRED también preguntó a Gebru por una objeción de Jack Clark, cofundador de Anthropic. Según esa objeción, llamar así a los modelos ha llevado a subestimar lo que pueden hacer.
Gebru respondió que el artículo que coescribió en 2021 se refería específicamente a los modelos de lenguaje. Aunque hoy esos modelos forman parte de sistemas que incorporan agentes y otras técnicas, sostuvo que los chatbots siguen basándose en esa clase de modelos.
La defensa de la metáfora no mide por sí sola todas las capacidades de las herramientas actuales. Delimita la afirmación: pide examinar la base lingüística de los sistemas, además de las evaluaciones y los datos que respaldan promesas más amplias.
El riesgo que señala también está en la percepción. La naturalidad con la que un chatbot responde puede llevar a las personas a confiar en una respuesta incorrecta o a atribuirle comprensión al sistema.
La regulación mira los daños presentes
Gebru planteó aplicar las normas existentes sobre publicidad engañosa, exigir documentación sobre el origen de los datos y revisar las condiciones de quienes los preparan o etiquetan.
Su propuesta no depende de resolver primero el debate sobre una superinteligencia futura. Para Gebru, la responsabilidad empieza por documentar de dónde salen los datos y cómo se evalúan las capacidades que las empresas anuncian.
En los sistemas que ya se ofrecen al público, esas preguntas pueden abordarse con documentos sobre los datos y evaluaciones de las capacidades anunciadas. El foco queda en lo que las empresas pueden demostrar hoy, no solo en lo que sus modelos podrían hacer en un escenario hipotético.
