La intriga que rodea a los cerebros artificiales más sofisticados del planeta, ChatGPT y Gemini: ¿Realmente los gigantes de la Inteligencia Artificial Generativa piensan en inglés, dejando a los hispanohablantes con una experiencia de segunda mano?
La pregunta no es trivial, especialmente cuando se sabe que el dominio del inglés en el entrenamiento de estos modelos es abrumador. Datos revelados sobre versiones anteriores de ChatGPT indican que fue alimentado con una dieta de textos en inglés de hasta un noventa por ciento, mientras que el español apenas representaba una migaja, un uno por ciento. Esta desproporción ha llevado a la advertencia: el motor que revoluciona el mundo «piensa en inglés» y solo balbucea en español. Pero la realidad, como suele suceder con la IA, es mucho más compleja y se esconde detrás de un velo de números invisibles.
Cuando se les preguntó directamente, los chatbots ofrecieron respuestas reveladoras, aunque ligeramente divergentes. ChatGPT confesó que, «en la mayoría de los casos», toma el prompt en español, lo traduce internamente al inglés, y luego genera la respuesta en el idioma original. Reconoce que sus «abstracciones internas» se alinean con el inglés porque es el idioma que domina la web y, por ende, sus datos de entrenamiento. Admite que el resultado puede tener matices ligeramente angloparlantes o dificultades con modismos muy locales.
Gemini, por su parte, adoptó una postura más categórica: «No, no traduzco tu consulta al inglés». En su explicación, el chatbot de Google invitó a ir más allá de las palabras. El verdadero lenguaje de la IA no está compuesto de letras, sino de conceptos codificados en números, los llamados «tokens» y «vectores». Una experta en robótica e IA, Marcela Riccillo, lo confirma: el idioma de los chatbots es, internamente, numérico. Por cada palabra que usted escribe, la IA genera una columna de números que representan sus características y su función. Esos números se manipulan directamente para entender la relación entre, por ejemplo, «perro» y «ladrar», sin necesidad de pasar explícitamente por el inglés.
Sin embargo, hay una sutil admisión en ambos: dado que la mayor parte de la información en internet está en inglés, sus representaciones conceptuales internas están inevitablemente «más alineadas hacia patrones que son comunes en inglés». Es como un músico bilingüe que, aunque puede componer en español, siente que las melodías más complejas le fluyen con mayor naturalidad en inglés debido a la cantidad de horas que ha practicado en ese idioma.
La implicación de esta dominancia no es insuperable. Se están creando proyectos en español, como MarIA en España o Lince Zero, con la ambición de nivelar el campo de juego al entrenar modelos exclusivamente con vastos datasets en nuestro idioma. Al final, la historia de la IA es una historia humana. Los chatbots, por muy sofisticados que parezcan, dependen de la información que les damos y de las decisiones que toman los desarrolladores. La verdadera clave no está en el idioma que leen, sino en la oportunidad que tienen de aprender a pensar, con números y vectores, en el vasto y rico universo del español.
