Manuel Escobar

Van ocho gráficos curiosos… 💰 1. ¿Dónde tienen su dinero ricos y pobres? Para la mayoría el patrimonio son casas. La vivienda es 60-70% de la riqueza de clases medias. ¡Incluso los ricos del centil 90-99 tienen el grueso en inmuebles!

"ChatGPT solo es un predictor de palabras". ¿Has oído eso? Es una crítica habitual contra los LLM como ChatGPT o Claude. Suena inteligente; es perezosa. Primero: es una crítica *anticuada*. Predecir el siguiente token describe el pretraining: el modelo ve milmillones de textos y aprende a predecir qué palabra viene después. Pero hace un año que los modelos pasan una segunda fase distinta: reinforcement learning con tareas verificables (RL). Ahí el modelo recibe un problema con solución conocida. Genera intentos ("razona"), recibe señal de acierto/error y ajusta sus parámetros. ¿El resultado? Aprende a resolver problemas por sí solo. DeepSeek lo documentó: sin ejemplos que imitar, adquirió espontáneamente trucos como razonar paso a paso, autocorregirse o explorar alternativas. Todo eso emergió de la presión por obtener la máxima recompensa durante el RL. Segundo: nunca me convenció en general. Decir que "solo predicen" confunde cómo se entrena algo con lo que ese algo es o hace. El símil es Karate Kid 🥋. Se entrena dando cera y puliendo cera… pero de ahí emerge un karateca, no un pulidor de vallas. ¿Otro ejemplo extremo? Los humanos fuimos moldeados por la evolución. ¿Alguien nos definiría como "meros maximizadores de genes"? No. Escribimos poesía, nos sacrificamos por desconocidos. El proceso que nos dio forma no nos define. Los LLM no son omnipotentes. Tienen limitaciones que serán algunas provisionales y otras intrínsecas. Pero es un error —imho— definirlos como "meros predictores". Un entrenamiento simple puede hacer emerger algo distinto y sorprendente. Y eso empuja una pregunta incómoda: ¿qué otras capacidades podrían emerger sin que lo planeemos?