Por qué los modelos de lenguaje nunca llegarán a ser AGI: la lección de Wittgenstein de hace un siglo

Hace más de un siglo, un maestro de escuela de Austro-Hungría escribió una frase que hoy suena como una sentencia sobre toda la industria de grandes modelos de lenguaje. "Los límites de mi lenguaje significan los límites de mi mundo" — esta tesis de Ludwig Wittgenstein de su "Tractatus Logico-Philosophicus" de 1921 resultó inesperadamente ser el diagnóstico más preciso para una tecnología en la cual el mundo ha invertido cientos de miles de millones de dólares.

Para entender por qué esto importa ahora, es necesario recordar el contexto. Hace apenas dos o tres años, la industria vivía en un estado de euforia. Cada nueva versión de GPT, Claude o Gemini demostraba un salto impresionante en capacidades.

Los modelos aprendieron a escribir código, analizar imágenes y resolver problemas de olimpiadas. Parecía que para la inteligencia artificial general—AGI—quedaba muy poco, siendo necesario solo más datos, más parámetros, más potencia computacional. Los inversores vertían dinero, las corporaciones reestructuraban sus estrategias, y los oradores públicos competían en pronósticos sobre cuándo la máquina superaría al ser humano.

Hoy, en 2026, la tonalidad de la conversación ha cambiado notablemente. Cada vez se escucha más la palabra "burbuja," y los escépticos ganan cada vez más argumentos a su favor.

Es precisamente en este momento que vale la pena volver a Wittgenstein. Su idea central es simple y radical al mismo tiempo: el lenguaje no es simplemente una herramienta para describir la realidad, sino el límite mismo de lo que somos capaces de pensar. Todo lo que existe más allá del lenguaje simplemente no existe para un ser lingüístico.

Traslada este principio a un LLM—y obtendrás no una metáfora, sino una descripción literal de una limitación arquitectónica. Un gran modelo de lenguaje opera con tokens. Predice el siguiente fragmento de texto basándose en patrones estadísticos extraídos de un gigantesco corpus de datos.

No percibe el mundo directamente—no ve, no oye, no siente dolor, no experimenta hambre. Su "mundo" entero es texto. Y los límites de este texto son de hecho los límites de su mundo.

Los críticos podrían objetar: los modelos multimodales modernos ya trabajan con imágenes, sonido y vídeo. ¿Acaso no es esto una salida más allá del lenguaje? Aquí es importante entender la diferencia entre procesamiento de señal y percepción genuina.

Cuando un modelo "ve" una fotografía, transforma píxeles en representaciones numéricas y las relaciona con descripciones textuales del corpus de entrenamiento. Esto no es visión en el sentido humano—es un sistema complejo de referencias cruzadas. El modelo no entiende qué es el color rojo; solo conoce los contextos en los que la palabra "rojo" aparece junto a ciertos patrones numéricos.

Wittgenstein diría que el modelo juega un juego de lenguaje sin tener acceso a aquello a lo que este juego se refiere.

Hay un segundo aspecto de la filosofía de Wittgenstein que da justo en el blanco. En el período posterior de su obra, llegó a la idea de "juegos de lenguaje"—la concepción de que el significado de una palabra se determina por su uso en una práctica específica. La comprensión no es la extracción de significado abstracto de un diccionario, sino la capacidad de actuar en el mundo de cierta manera.

Cuando decimos "entiendo qué es un martillo," no nos referimos al conocimiento de una definición, sino a la experiencia de clavar clavos, al peso de la herramienta en la mano, a la memoria muscular del golpe. Un LLM puede describir impecablemente un martillo, enumerar sus tipos, citar instrucciones de uso—pero no tiene, y no puede tener, experiencia de clavar clavos. Su "comprensión" es una simulación desprovista de fundamento corporal.

Esto no significa que los modelos de lenguaje sean inútiles—al contrario, son increíblemente útiles precisamente dentro de los límites de su universo lingüístico. Destacan en tareas que encajan completamente en el espacio textual: edición, traducción, generación de código, sumarización, descubrimiento de patrones en datos. El problema no está en los propios modelos, sino en las expectativas infladas que se han depositado en ellos. Cuando los ejecutivos de empresas tecnológicas prometen AGI en dos o tres años, o bien no comprenden la naturaleza de las limitaciones, o están alimentando deliberadamente el frenesí de inversión.

El camino hacia la inteligencia artificial general, si es que existe, casi con certeza se encuentra más allá del paradigma puramente lingüístico. Requerirá sistemas capaces de cognición encarnada—interacción con el mundo físico, formación de modelos internos de la realidad a través de la experiencia, en lugar de a través de la lectura de textos sobre la experiencia. Robótica, computación neuromórfica, arquitecturas híbridas que combinan enfoques simbólicos y conexionistas—todo esto son direcciones potenciales, pero ninguno de ellos se ha acercado aún a resolver el problema fundamental.

Wittgenstein murió en 1951, sin sospechar de computadoras, redes neuronales o tokenización. Pero su intuición sobre la naturaleza del lenguaje y la comprensión resultó ser profética. Los límites del lenguaje son de hecho los límites del mundo. Y mientras construimos inteligencia confinada al lenguaje, construimos algo impresionante, pero fundamentalmente limitado. Reconocer esta limitación no es pesimismo, sino un paso necesario hacia una conversación honesta sobre hacia dónde se dirige realmente la industria de la inteligencia artificial.