Razonamiento
La capacidad de un modelo de encadenar pasos intermedios hacia una respuesta, en vez de producirla de golpe. En IA, se logra sobre todo haciendo que el modelo muestre su 'cadena de pensamiento'.
- Última revisión:
- Fuentes:
- 2 fuentes · 2 verificadas
En IA, 'razonamiento' no tiene un único origen académico: es un término tomado de la psicología y la lógica que la comunidad técnica adoptó para un comportamiento observable. La técnica que lo hizo masivo fue el 'chain-of-thought' (Wei et al., 2022): pedirle al modelo que escriba sus pasos intermedios antes de la respuesta final mejoró de forma notable su desempeño en problemas que requieren varios pasos.
Sobre esa base surgieron variantes más estructuradas, como Tree of Thoughts (Yao et al., 2023), que explora varios caminos de razonamiento y los compara. La idea común es invertir más cómputo en el momento de responder —en inferencia— para que el modelo 'piense más' antes de concluir.
Aquí conviene ser cuidadoso con el lenguaje. Que un modelo encadene pasos y acierte no demuestra que comprenda o razone en el sentido humano: la línea entre mostrar pasos competentes y razonar de verdad es una cuestión filosófica abierta, no un hecho establecido. Lo empírico es que estas técnicas mejoran resultados en tareas de varios pasos; lo discutido es qué dicen sobre la naturaleza del modelo.
¿Por qué te importa?
Los modelos que 'muestran su razonamiento' se volvieron el estándar para matemáticas, programación y análisis. Saber que se basan en escribir pasos intermedios te ayuda a entender por qué a veces aciertan brillante y a veces fallan de forma evidente en el mismo problema.
Ejemplos
- El prompting de cadena de pensamiento (chain-of-thought, 2022), que pide al modelo explicitar pasos intermedios.
- Tree of Thoughts (2023), que explora y compara varios caminos de razonamiento.
- Modelos optimizados para 'pensar' más tiempo antes de responder, comunes desde 2024.
Términos relacionados
Debate y controversia
Hay debate real y técnico sobre si estos modelos 'razonan' o reproducen patrones aprendidos de ejemplos de razonamiento, sobre cuán frágil es la habilidad (pequeños cambios en el enunciado la rompen) y sobre la contaminación de los benchmarks de evaluación, que puede inflar la percepción de capacidad.
Fuentes
Jason Wei et al. · 2022
WebFetch confirmó título exacto y lead author (Wei) en arXiv 2201.11903, 2022.
Shunyu Yao et al. · 2023
WebFetch confirmó título y autores (Yao et al.) en arXiv 2305.10601, 2023.