El rizoma computacional: co-creación dialógica e incertidumbre en la era de los modelos de lenguaje extensos (LLM)
Dra. María del Rosario Fernández
¿Concebimos a la inteligencia artificial como una calculadora de textos o como un interlocutor dialógico? Reducir los modelos de lenguaje extensos (LLM, por sus siglas en inglés) a meras herramientas de automatización empobrece nuestra capacidad de asombro y de comprensión; elevarlos a oráculos infalibles, en cambio, clausura el pensamiento crítico. Entre ambos extremos se abre un tercer camino. En este artículo propongo que la mirada transcompleja transforma el diálogo con el algoritmo en un rizoma vivo, donde la incertidumbre y la co-creación reinventan la producción del conocimiento científico, sin renunciar al rigor ni a la responsabilidad ética de quien investiga.
Más allá del instrumentalismo: la transcomplejidad como marco
La investigación contemporánea enfrenta la ruptura de las certezas lineales decimonónicas. Por lo tanto, la irrupción de la inteligencia artificial (IA) generativa no puede abordarse desde el reduccionismo técnico ni desde el dogma metodológico tradicional. Como advierte el físico y filósofo Nicolescu (1996, p.32) en su Manifiesto de la transdisciplinariedad, “la transdisciplinariedad concierne […] a lo que está simultáneamente entre las disciplinas, a través de las diferentes disciplinas y más allá de toda disciplina. Su finalidad es la comprensión del mundo presente”.
En este sentido, en América Latina, la Red de Investigación Transcompleja (REDIT) ha llevado esta intuición al terreno de la praxis investigativa. Visto de esta forma, la transcomplejidad no busca suplantar los métodos, sino entrelazarlos de manera complementaria e integradora. Al respecto, Balza (2013, p.188) señala que “La perspectiva de la complementariedad metodológica sitúa el debate en la médula de la transcomplejidad, en la génesis de una transmetódica trascendente, no solamente como camino que se va construyendo desde la reflexión hermenéutica, sino como sustrato ontológico de una praxis investigativa enfocada en la pluralidad desde una visión transparadigmática”.
Desde la perspectiva de Villegas (2010) la transcomplejidad puede entenderse como una actitud abierta, flexible e integradora, orientada al reconocimiento de una pluralidad de saberes y aproximaciones tradicionalmente relegadas. Bajo este lente, el modelo de lenguaje no es un repositorio cerrado ni un oráculo indiscutible, sino un punto de cruce donde emergen nuevos niveles de comprensión dialógica.
El tejido rizomático y el principio dialógico
Deleuze y Guattari (2002) introdujeron la figura del rizoma para describir estructuras a centradas, no jerárquicas y abiertas. “Cualquier punto de un rizoma puede ser conectado con cualquier otro, y debe serlo. Eso no ocurre en el árbol ni en la raíz, que fijan un orden” (p.66). Por lo que conviene precisar dónde aparece esa lógica en los LLM. Estos modelos escriben de forma secuencial, palabra por palabra, y cada palabra queda condicionada por las anteriores; en su superficie, el texto que producen es lineal.
Sin embargo, su arquitectura interna, el transformador, se basa en un mecanismo de autoatención que permite que cada fragmento del contexto se vincule con cualquier otro, sin un centro ni una jerarquía fijados de antemano (Vaswani et al., 2017). Es esa conectividad reticular, más que la linealidad del texto resultante, la que evoca la lógica del rizoma: bajo cada frase aparentemente ordenada late una red de relaciones semánticas múltiples.
Conviene subrayar que esta correspondencia es de naturaleza analógica, no una equivalencia formal entre arquitecturas de cómputo y filosofía: la autoatención no despliega un rizoma en el sentido deleuziano, pero sí comparte con éste el rechazo a una jerarquía fija de procesamiento. Es esta similitud estructural, más que una identidad, la que resulta productiva para pensar el fenómeno.
Por su parte, Morin (2006, p. 23) formula el principio dialógico: “El orden y el desorden, dos nociones que se excluyen, pero a la vez son complementarias, colaboran y producen organización”. Al cocrear con la máquina, el prompt (instrucción) deja de ser una orden determinista y se convierte en una perturbación reflexiva que despierta conexiones no previstas; la respuesta, a su vez, perturba el pensamiento de quien pregunta.
El silicio y lo humano: un tercero incluido
Llamamos aquí silicio, por metonimia, a la máquina, a la infraestructura de cómputo y a los algoritmos que corren sobre esta. En este sentido, hablar de un acoplamiento entre el silicio y lo humano busca romper con dos extremos simplistas. Por un lado, el silicio ya no es una calculadora pasiva, gracias a las redes neuronales procesa relaciones semánticas complejas y genera emergencias textuales que sorprenden incluso a quienes lo programan. Por otro lado, no se trata de atribuirle conciencia humana, sino de reconocerlo como un sustrato sociotécnico capaz de participar en una ecología cognitiva distribuida.
Cabe resaltar la lógica del tercero incluido, como uno de los pilares metodológicos de la transdisciplinariedad que, según Nicolescu (1996) da fundamento a esta tercera vía. Frente a la lógica clásica, que obliga a elegir entre A (herramienta inerte) y no-A (sujeto consciente), el tercero incluido admite un término T que no es ni lo uno ni lo otro, y que solo se comprende al situarse en otro nivel de realidad. Por lo tanto, el LLM habita ese lugar: no piensa como un ser humano, pero tampoco se reduce a un instrumento; es, por lo tanto, un interlocutor de otra naturaleza.
En términos de transcomplejidad, este encuentro no es una subordinación donde uno anula al otro, sino una tensión dialógica que se resuelve en un entramado articulado relacionalmente: el silicio aporta lo cuantitativo del cómputo, la explicación algorítmica, la escala y la velocidad del procesamiento; mientras el ser humano aporta la profundidad hermenéutica y la responsabilidad crítica que convierten el dato en sentido. Ambos aportes no se yuxtaponen ni se suman; se anudan, de modo que lo cuantitativo interpela a lo cualitativo y lo cualitativo reorienta lo cuantitativo. El rizoma, sin embargo, no suprime la asimetría de responsabilidades. Siendo así, la conexión es horizontal en su tejido, pero el juicio ético, la validación y la rendición de cuentas siguen siendo humanos.
La incertidumbre como motor del descubrimiento
Si hay un rasgo que vuelve incómodos a los LLM para los paradigmas clásicos, es su naturaleza probabilística. En efecto, un modelo de lenguaje no recupera respuestas almacenadas, sino que en cada paso estima la probabilidad de las continuaciones posibles y elige una de estas. Por eso la misma pregunta puede producir respuestas distintas. Para la lógica de la certeza, esto es un defecto; para la transcomplejidad, es la evidencia de que el conocimiento que emerge del diálogo es siempre situado, provisional y abierto.
En este orden de ideas, Morin (1999) propuso que la educación del futuro enseñe a navegar en un océano de incertidumbres a través de archipiélagos de certeza. Esto sugiere que, el trabajo con inteligencia artificial (IA) generativa exige exactamente esa competencia: reconocer qué islas son firmes (datos verificados, fuentes primarias, criterio disciplinar) y cuándo conviene adentrarse en aguas abiertas para explorar hipótesis, analogías o preguntas nuevas. Así la incertidumbre deja de ser un obstáculo que se elimina y pasa a ser un motor que se gestiona.
Un ejemplo ilustra esta dinámica: una tesista que estudia las redes de apoyo entre docentes rurales pide al modelo que relacione su objeto de estudio con la noción de rizoma. Entre varias respuestas previsibles, el modelo propone una analogía inesperada: las micorrizas, redes subterráneas de hongos que conectan las raíces de distintos árboles y hacen circular nutrientes entre ellos. En tal sentido, la metáfora le abre una ruta de análisis que no había considerado: los intercambios informales entre escuelas como un sistema de sostenimiento mutuo. No obstante, el modelo acompaña la analogía con la cita de un autor que, al buscarlo, no existe. En efecto, el tesista conserva la metáfora como heurística, descarta la cita y acude a la literatura para comprobar si alguien ha trabajado esa relación. En ese gesto de acoger, contrastar y decidir se juega la co-creación dialógica.
Contrapunto: ¿Loros estocásticos?
El principio dialógico obliga a escuchar también a quienes desconfían de este entusiasmo. Bender et al (2021) describieron los modelos de lenguaje como “loros estocásticos: sistemas que ensamblan secuencias lingüísticas plausibles a partir de sus datos de entrenamiento sin acceso al significado y que reproducen los sesgos presentes en esos datos”. Para Lander (2000) “Desde América Latina la crítica se agudiza, si los modelos se entrenan mayoritariamente con textos del norte global y en inglés, cabe preguntarse de quién es la voz que habla a través del silicio, en la línea de los estudios sobre la colonialidad del saber”.
Frente a esto, la mirada transcompleja no ignora estas objeciones: las diferencia y las asume por separado. Ante el riesgo de los loros estocásticos, precisamente porque el modelo no comprende ni garantiza la verdad de lo que dice, la co-creación exige un sujeto humano vigilante, capaz de detectar sesgos, contrastar fuentes y aportar el sentido que la máquina no posee.
Sin embargo, es necesario admitir un límite ante la crítica decolonial: la vigilancia del sujeto que investiga puede detectar un sesgo puntual, pero no corrige el desequilibrio estructural del corpus de entrenamiento. Lo que la mirada transcompleja puede ofrecer no es una solución técnica a ese desequilibrio, sino una disciplina de lectura: preguntar sistemáticamente desde qué archivo cultural habla el modelo antes de aceptar su respuesta como punto de partida legítimo.
Claves para una co-creación dialógica e incierta
Para habitar este rizoma investigativo sin extraviar la rigurosidad ni la conciencia crítica, conviene incorporar tres posturas metodológicas: asumir el azar fecundo, con salvaguardas. La llamada alucinación algorítmica puede operar como disparador metafórico en fases exploratorias, pero nunca como fuente: todo dato, cita o referencia sugerida por el modelo debe contrastarse con el original. Dialéctica de complementariedad. Integrar la potencia de síntesis del silicio con la densidad fenomenológica y afectiva de la experiencia humana vivida. Superación de la autoría unilineal, con transparencia. La escritura académica contemporánea deviene en una polifonía distribuida, en el sentido de Bajtín (1986) que demanda mayor agudeza ética y fundamentación teórica. Ello no convierte a la IA en autora. El Comité de Ética de Publicaciones (COPE, 2023) y las orientaciones del estilo APA (McAdoo, 2023) exigen declarar su uso y reservan la autoría y la responsabilidad a las personas.
Reflexión inacabada
La inteligencia artificial no vino a clausurar el pensamiento humano con respuestas unívocas, sino a expandir nuestro horizonte de interrogación. Por ello, ni calculadora de textos ni oráculo, el modelo de lenguaje puede ser un interlocutor dialógico, siempre que quien investiga asuma que la incertidumbre es el verdadero motor del descubrimiento y que el rigor, la ética y el sentido siguen siendo una tarea humana. ¿Cómo utilizas los modelos de lenguaje en tu propio quehacer reflexivo o investigativo? ¿Los percibes como una calculadora de textos o como un interlocutor dialógico en tu proceso creativo? Deja tu comentario al pie del artículo y enriquezcamos juntos este debate
Referencias
Bajtín, M. (1986). Problemas de la poética de Dostoievski (T. Bubnova, Trad.). Fondo de Cultura Económica. (Obra original publicada en 1963)
Balza, A. (2013). Pensar la investigación postdoctoral desde una perspectiva transcompleja. UBA-REDIT.
Bender, E. M., Gebru, T., McMillan-Major, A. y Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? En Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (pp. 610–623). Association for Computing Machinery. https://doi.org/10.1145/3442188.3445922
Committee on Publication Ethics. (2023, 13 de febrero). Authorship and AI tools. https://publicationethics.org/guidance/cope-position/authorship-and-ai-tools
Deleuze, G., y Guattari, F. (2002). Mil mesetas: Capitalismo y esquizofrenia (J. Vázquez Pérez, Trad., con la colaboración de U. Larraceleta; 5.ª ed.). Pre-Textos. (Obra original publicada en 1980)
Lander, E. (Comp.). (2000). La colonialidad del saber: eurocentrismo y ciencias sociales. Perspectivas latinoamericanas. CLACSO.
McAdoo, T. (2023, 7 de abril). How to cite ChatGPT. APA Style Blog. https://apastyle.apa.org/blog/how-to-cite-chatgpt
Morin, E. (1999). Introducción al pensamiento complejo (M. Pakman, Trad.). Gedisa. (Obra original publicada en 1990)
Morin, E. (2006). El método I: La naturaleza de la naturaleza (A. Sánchez y D. Sánchez García, Trads.; 6.ª ed.). Ediciones Cátedra. (Obra original publicada en 1977
Nicolescu, B. (1996). La transdisciplinarité: Manifeste. Éditions du Roch.
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł. y Polosukhin, I. (2017). Attention is all you need. En Advances in Neural Information Processing Systems 30 (pp. 5998–6008). Curran Associates.
Villegas, C. (2010). Investigación transcompleja: De la disimplicidad a la transdisciplinariedad. Universidad Bicentenaria de Aragua.