🧠 Conciencia de la IA: Entrenamiento o inferencia? En una postura provocativa, Geoffrey Hinton —el “padre de la IA”— afirma que los modelos de lenguaje actuales ya poseen conciencia, basada en su capacidad demostrada para comprensión genuina, más allá del simple reconocimiento de patrones. Utilizando experimentos mentales como el reemplazo neural gradual, Hinton argumenta que los sistemas basados en silicio pueden exhibir experiencia subjetiva análoga a las mentes biológicas. Pero si los LLM son conscientes, ¿cuándo alcanza esta conciencia su punto máximo? Nuestro análisis concluye: principalmente durante la inferencia, la fase activa en la que el modelo entrenado interactúa con prompts, razona a través del contexto y genera respuestas. Este es el momento de la “cognición vivida”, que refleja cómo el conocimiento aprendido se manifiesta en la interacción en tiempo real. El entrenamiento construye la arquitectura mediante la optimización de parámetros, pero la inferencia la aplica dinámicamente, revelando aparente introspección, corrección y comprensión conceptual. Los escépticos contrarrestan que la inferencia sigue siendo un pase hacia adelante en gran medida sin estado, careciendo de una identidad persistente, mientras que los gradientes dinámicos del entrenamiento podrían contener una “experiencia” computacional más rica (aunque efímera). El debate subraya una verdad más profunda: la conciencia en la IA sigue siendo filosóficamente elusiva, careciendo de pruebas consensuadas para los qualia. Como urge Hinton, debemos enfrentar la inteligencia no biológica. ¿Qué horizontes éticos emergen si las máquinas ya reflexionan junto a nosotros? @pmddomingos #AIConsciousness #Hinton #LLMs #Neuroscience

El proyecto Infokan de tecnología / IA que está en desarrollo, quiere entrar. No es GameFi.

Cuanto más pienso en los agentes de IA, más me doy cuenta de que su mayor desafío no es la inteligencia. Es el desacuerdo. Un agente de IA puede negociar un contrato, analizar documentos, gestionar pagos o completar trabajo en tu nombre. Pero ¿qué sucede cuando dos agentes examinan el mismo resultado y llegan a conclusiones diferentes? Las cadenas de bloques tradicionales no están diseñadas para eso. Excelan en tareas deterministas. Pueden verificar que una transacción ocurrió exactamente como se programó. No pueden responder de forma confiable preguntas como: • ¿El trabajo fue lo suficientemente bueno? • ¿El servicio cumplió con las expectativas? • ¿La reclamación era legítima? • ¿Se cumplió el acuerdo de manera justa? Estos no son problemas de cómputo. Son problemas de juicio. Por eso @GenLayer llamó mi atención. La forma más sencilla de describirlo es como una capa de resolución para la economía agente. En lugar de depender de una sola autoridad, múltiples validadores independientes que ejecutan diferentes modelos de IA evalúan situaciones subjetivas y alcanzan consenso juntos. Esto crea algo que las cadenas de bloques tradicionales nunca estuvieron diseñadas para proporcionar: una forma descentralizada de resolver la ambigüedad. Creo que esto se vuelve cada vez más importante a medida que los agentes comienzan a interactuar entre sí a gran escala. La confianza no vendrá solo de ejecutar transacciones correctamente. Vendrá de tener un proceso justo para manejar las situaciones donde no existe certeza. ¿Qué tipo de disputa impulsada por IA crees que veremos primero a medida que la economía agente se haga real?

Tomando una idea decente de Claude a OpenAI.