¿Puede una inteligencia artificial avanzada ejercer realmente un control en la toma de decisiones, o simplemente está atrapada en un bucle de imitación automática de patrones? Un estudio de ciencia cognitiva que utiliza la clásica "tarea de Stroop" psicológica revela una limitación fundamental en los mecanismos de atención de los modelos de lenguaje de gran tamaño (LLM).
La investigación
Encabezado por el investigador Suketu Patel y un colectivo de expertos, el estudio buscó explorar las divergencias estructurales entre la atención automática basada en transformadores y la atención cognitiva humana. Los investigadores utilizaron la tarea de Stroop, una prueba clínica pura donde las palabras de color se imprimen en tinta de color no coincidente, para evaluar el control ejecutivo y la capacidad de inhibir una respuesta automática. El equipo probó modelos frontera de primer nivel, incluyendo GPT-5, Claude Opus 4.1 y Gemini 2.5.
Los resultados mostraron que, aunque los LLM manejan secuencias cortas de manera eficiente, su control ejecutivo se desmorona a medida que escala la longitud de los tokens. Con una lista breve de cinco palabras no coincidentes, los modelos funcionaron bien. Sin embargo, al expandirse las listas, la precisión cayó catastróficamente. Por ejemplo, GPT-4o logró un 91% de precisión con 5 palabras, se desplomó al 57% con 10 palabras y colapsó a solo el 15% con 40 palabras. Claude 3.5 Sonnet se mantuvo estable hasta 20 palabras, pero cayó al 24% con 40 palabras. En listas mixtas que contenían colores coincidentes y no coincidentes, la precisión de la máquina cayó a casi el 0% para los elementos no coincidentes, revelando una pérdida total de orientación hacia la tarea. Se verificaron patrones idénticos en sistemas de próxima generación, incluyendo GPT-5, Claude Opus 4.1 y Gemini 2.5.
Los humanos, en cambio, pueden mantener una precisión estable a lo largo de secuencias largas. Tanto humanos como LLM están fundamentalmente mejor entrenados en la lectura de palabras que en nombrar colores. Sin embargo, el cerebro humano puede ejercer un control ejecutivo de arriba abajo para suprimir el impulso automático de leer palabras, manteniendo el enfoque intacto. El colapso total del rendimiento de los LLM expone una limitación arquitectónica fundamental en la atención sintética en comparación con la atención biológica, según se publicó en PNAS Nexus.
Por qué es importante
Este estudio destaca una fortaleza cognitiva clave que usas a diario: el control inhibitorio. Cuando ignoras un pensamiento distractivo o resistes un hábito, estás usando la misma maquinaria neuronal que te permite realizar la tarea de Stroop de manera confiable. Entender que tu cerebro puede mantener el enfoque bajo carga cognitiva—mientras que incluso la IA más avanzada no puede—subraya el valor del entrenamiento de la atención. Tu capacidad para mantenerte en la tarea, especialmente en situaciones largas y complejas, es un activo cognitivo genuino.
Qué puedes hacer
Tu control ejecutivo puede agudizarse. Prueba ejercicios de entrenamiento cerebral que enfaticen la flexibilidad cognitiva, como cambiar entre reglas o tareas. Juegos como la propia tarea de Stroop están disponibles en línea; practicarlos puede mejorar tu capacidad para inhibir respuestas automáticas. La práctica constante con tareas cognitivas desafiantes puede ayudar a mantener e incluso mejorar tu capacidad de atención.
Fuente: Neuroscience News
¿Curioso sobre tu propio cerebro? Realiza nuestro test de CI adaptativo gratuito o prueba 306 niveles de entrenamiento cerebral.
