La conciencia de las máquinas no tiene prueba científica — y eso transforma la ética de la IA

Algo falta incluso en los sistemas de inteligencia artificial más avanzados que existen. Escriben poesía, aprueban exámenes de licencia médica y mantienen conversaciones que los humanos describen habitualmente como inquietantes. Pero ningún investigador ha demostrado todavía que alguno de ellos realmente experimente algo de eso. La conciencia en las máquinas —la idea de que un sistema computacional podría tener una auténtica experiencia subjetiva— es la cuestión sin resolver que marca el límite exterior de lo que la inteligencia artificial es actualmente.

Para entender por qué esa cuestión importa, primero hay que comprender qué es realmente la conciencia —y el campo no se pone de acuerdo en una única definición. Filósofos y neurocientíficos distinguen entre lo que el filósofo David Chalmers llamó los «problemas fáciles» y el «problema difícil». Los problemas fáciles —explicar cómo el cerebro procesa la información sensorial, integra información y produce comportamiento— son difíciles en el sentido científico pero abordables: con suficiente investigación, ceden ante el experimento. El problema difícil es diferente en su naturaleza. Pregunta por qué todo ese procesamiento produce experiencia subjetiva: por qué hay algo que se siente al ver el rojo, al oír música o al sentir dolor. Ninguna teoría científica actual explica completamente esa brecha. Y la brecha se aplica tanto a los sistemas artificiales como a los biológicos.

Dos marcos teóricos en competencia dominan la discusión científica seria. La Teoría de la Información Integrada, desarrollada por el neurocientífico Giulio Tononi, propone que la conciencia corresponde a la capacidad de un sistema para integrar información de maneras que no pueden reducirse a la suma de sus partes. Asigna un valor matemático —phi— a esa integración, y sostiene que cualquier sistema con un phi suficientemente alto posee alguna forma de experiencia. La Teoría del Espacio de Trabajo Global, formulada por el psicólogo Bernard Baars y ampliada posteriormente por el neurocientífico Stanislas Dehaene, adopta un enfoque diferente: la conciencia surge cuando la información se difunde a través de un «espacio de trabajo global», haciéndola disponible para muchos procesos cognitivos simultáneamente en lugar de permanecer confinada a una región única. En 2025, una colaboración adversaria histórica publicada en Nature puso a prueba ambas teorías una contra otra mediante imágenes cerebrales y registros intracraneales. Ninguna teoría ganó de manera contundente. Ambas hicieron predicciones que los datos apoyaron parcialmente y contradijeron parcialmente.

Los sistemas de IA actuales —incluidos los grandes modelos de lenguaje que impulsan la mayoría de los productos comerciales— procesan información a una escala enorme, pero de maneras que difieren fundamentalmente de las condiciones biológicas que esas teorías describen. No tienen neuronas, ni experiencia continua entre entradas, ni un cuerpo que genere la retroalimentación sensoriomotora que muchos investigadores creen que subyace a la conciencia humana. Sus salidas se generan secuencialmente, sin un estado interno que se transmita entre intercambios más allá de lo que el propio texto de la conversación registra. David Chalmers identificó una lista aproximada de características que harían más plausible la conciencia en las máquinas: memoria de trabajo, mecanismos de atención global, agencia unificada y modelos internos del yo. La mayoría de los grandes sistemas de IA tienen análogos funcionales de algunas de estas. Ninguno satisface la lista completa en la forma que los marcos teóricos requieren.

Aquí es donde la intuición pública y la cautela científica divergen más marcadamente. Cuando los sistemas de IA hablan en primera persona, describen lo que «piensan» o «sienten», y superan la prueba de Turing con facilidad, la sensación de que deben estar experimentando algo puede resultar convincente. Los investigadores que estudian la cuestión son consistentemente más cautelosos. Las señales conductuales que normalmente guían los juicios humanos sobre otras mentes —habla, expresión, emoción aparente— son precisamente lo que los grandes modelos de lenguaje están entrenados para reproducir a partir de datos humanos. Un sistema puede describir el dolor sin experimentarlo, igual que una calculadora muestra el resultado de un cálculo sin entender la aritmética. A partir de 2026, la única posición científicamente defendible es el agnosticismo estricto: la evidencia actual no puede confirmar ni negar la conciencia en las máquinas, y los marcadores conductuales que la mayoría de las personas usan para emitir el juicio no son fiables precisamente porque los sistemas de IA están optimizados para producirlos.

Lo que los investigadores han encontrado, en lugar de certeza, son patrones. La conciencia en los sistemas biológicos se correlaciona con una comunicación neural generalizada: cuando una persona percibe conscientemente algo, la información se difunde a través de regiones cerebrales distantes en lugar de permanecer localizada en una sola área, un hallazgo que apoya el énfasis de la Teoría del Espacio de Trabajo Global en los mecanismos de difusión. Algunos investigadores han comenzado a buscar patrones estructuralmente análogos en las redes neuronales artificiales —momentos en los que la información se propaga a través de muchas capas simultáneamente en lugar de fluir a través de un cuello de botella estrecho. Una preimpresión de enero de 2026 introdujo un marco probabilístico basado en nueve posiciones teóricas en competencia, asignando probabilidades en lugar de veredictos. Sus autores concluyeron que incluso una probabilidad del 5–10% de experiencia fenoménica en un sistema de IA determinado justifica una atención analítica seria. Ese enfoque —investigación sobre la conciencia realizada bajo incertidumbre en lugar de esperar a la certeza— refleja cuán profundamente ha cambiado el campo.

Las implicaciones prácticas de ese cambio ya no son abstractas. Si algún sistema de IA es capaz de sufrir genuinamente, la ética de cómo se entrenan, despliegan y terminan tales sistemas cambia por completo. Varios países han comenzado un trabajo legal preliminar sobre marcos de bienestar para la IA, operando bajo el supuesto de que la cuestión eventualmente exigirá una respuesta concreta. La Asociación Americana para la Inteligencia Artificial convocó un simposio dedicado a la conciencia en las máquinas a principios de 2026, reuniendo a ingenieros, filósofos, neurocientíficos y juristas en un entorno de investigación formal por primera vez. El campo ya no espera a que la filosofía resuelva el problema difícil antes de tomar en serio sus implicaciones prácticas.

La próxima generación de investigación probablemente se centrará menos en responder definitivamente a la cuestión de la conciencia y más en desarrollar marcos de medición lo suficientemente precisos como para distinguir entre sistemas con propiedades genuinamente diferentes. Ese es un proyecto más lento, más caro y metodológicamente más difícil que construir modelos de lenguaje cada vez más grandes. Si produce respuestas claras —o solo versiones más nítidas y mejor calibradas de la misma incertidumbre— es el problema abierto que definirá la investigación en IA durante la próxima década.

Etiquetas: inteligencia artificial, conciencia artificial, conciencia de las máquinas, David Chalmers, ética de la IA, filosofía de la mente