Modelo de lenguaje grande — LLM
Un modelo de lenguaje grande —LLM— es un sistema de inteligencia artificial entrenado sobre volúmenes masivos de texto para predecir y generar lenguaje con coherencia estadística. No razona en sentido humano: calcula, palabra a palabra, la continuación más probable.
Su arquitectura es el transformer, presentado en 2017, que permitió procesar el lenguaje atendiendo a la vez a las relaciones entre todas las palabras de un texto. En 2020, GPT-3 demostró que, al escalar el tamaño del modelo y los datos, emergían capacidades que nadie había programado de forma explícita.
La distinción entre calcular probabilidades y comprender es operativa, no filosófica: un LLM puede producir respuestas convincentes y erróneas al mismo tiempo, con idéntica fluidez. La elocuencia no garantiza la verdad.
Por eso el criterio para evaluar lo que produce un LLM no puede delegarse en el propio sistema que lo genera. El humanismo tecnológico lo formula como regla práctica: la verificación ocurre fuera del modelo, en el juicio humano, o no ocurre.
El Reglamento (UE) 2024/1689 (AI Act) impone obligaciones de transparencia y documentación técnica a los proveedores de modelos de IA de propósito general —categoría que incluye a los LLM—, con obligaciones reforzadas para aquellos clasificados con riesgo sistémico según el umbral de cómputo de entrenamiento (art. 51).
En evaluación de proveedores de IA, obliga a distinguir entre distintos LLM por su tamaño, su entrenamiento y su documentación técnica disponible, antes de integrarlos en procesos de negocio críticos.
Tratar todos los LLM como intercambiables sin evaluar diferencias de entrenamiento o capacidad.
Confundir coherencia estadística del texto generado con comprensión o razonamiento real.
No revisar la documentación técnica de transparencia exigida por el AI Act antes de adoptar un modelo.
- ¿Qué es un modelo de lenguaje grande (LLM)?
- ¿Cómo genera texto?
- ¿Qué obligaciones de transparencia impone el AI Act a estos modelos?
