Problema de Gettier

Durante siglos la filosofía trabajó con una definición de conocimiento en tres partes: sabes algo si lo crees, si es verdad y si tienes justificación para creerlo (la fórmula se conoce como JTB, por justified true belief). En 1963 Edmund Gettier publicó un artículo de apenas tres páginas con contraejemplos donde las tres condiciones se cumplen y, sin embargo, nadie diría que hay conocimiento: la persona acertó de casualidad, por un camino que no conecta bien su creencia con el hecho que la hace verdadera.

La estructura de un caso Gettier es siempre la misma: una justificación razonable, un golpe de suerte escondido, y una verdad a la que se llegó por el motivo equivocado. Crees que tu colega tiene un auto Ford porque lo viste llegar en uno toda la semana; resulta que ese Ford era arrendado, pero tu colega sí tiene un Ford guardado que nunca ha traído. Tu creencia era verdadera y estaba justificada — y aun así fue un acierto accidental.

El problema importa para la IA porque los sistemas generativos producen exactamente esa situación a escala. Un modelo de lenguaje puede entregarte una respuesta correcta por asociaciones estadísticas que, con una variación mínima del prompt, habrían producido otra respuesta: la fecha correcta dicha por razones espurias. Tú quedas con una creencia verdadera y —si confías razonablemente en la herramienta— justificada. ¿Sabes? La estructura es la de Gettier, y por eso la epistemología contemporánea de la IA vuelve una y otra vez a este artículo de hace sesenta años.

La respuesta más influyente al problema desplazó el foco desde la justificación hacia el proceso: lo que convierte una creencia verdadera en conocimiento sería que la produjo un proceso fiable (la posición se llama reliabilismo o fiabilismo, y su formulación clásica es de Alvin Goldman). Aplicado a la IA, la pregunta deja de ser "¿me dio la respuesta correcta?" y pasa a ser "¿el proceso completo — el modelo, más mi verificación — es del tipo que produce verdades de manera estable?". Esa es una pregunta que se puede investigar, medir y mejorar.