Estudio 2024 en PNAS revela cómo los modelos de lenguaje históricos transforman las ciencias del comportamiento
Redacción HC
Un estudio publicado en Proceedings of the National Academy of Sciences analiza cómo los modelos de lenguaje históricos entrenados con texto del pasado pueden convertirse en herramientas clave para las ciencias del comportamiento en 2024.
| Características del estudio | Descripción y resultados |
|---|---|
| Año de publicación | 2024 |
| Revista científica | Proceedings of the National Academy of Sciences (PNAS) |
| Tipo de estudio | Investigación teórica y metodológica |
| Autores principales | Michael E. W. Varnum et al. |
| Instituciones | Arizona State University, École Normale Supérieure, University of Massachusetts Amherst, University of North Carolina at Chapel Hill |
| DOI | 10.1073/pnas.2407639121 |
¿Pueden los textos del pasado alimentar modelos de inteligencia artificial capaces de ofrecer nuevas claves sobre el comportamiento humano? Esta es la pregunta central que plantea un estudio publicado en 2024 en Proceedings of the National Academy of Sciences (PNAS), una de las revistas científicas más influyentes del mundo.
La investigación, liderada por Michael E. W. Varnum, del Departmento de Psicología de Arizona State University, analiza el potencial de los modelos de lenguaje de gran tamaño (LLMs) entrenados con corpus históricos como herramientas informativas para las ciencias del comportamiento. Lejos de un experimento tradicional, el trabajo propone un marco conceptual que invita a repensar la relación entre inteligencia artificial, historia y psicología.
En un contexto donde la IA suele asociarse con automatización o generación de texto, este estudio plantea un uso alternativo: convertir a los modelos de lenguaje en instrumentos epistemológicos capaces de explorar patrones culturales, valores y estructuras cognitivas de sociedades pasadas.
LLM históricos y el problema científico de fondo
El punto de partida del artículo es una limitación clásica de las ciencias del comportamiento: la dificultad de estudiar empíricamente procesos psicológicos y sociales en contextos históricos. A diferencia de la psicología experimental contemporánea, las sociedades del pasado no dejaron registros cuantitativos sistemáticos sobre actitudes, creencias o toma de decisiones.
Los autores plantean que los LLMs, entrenados con grandes volúmenes de textos históricos, podrían capturar regularidades lingüísticas y semánticas que reflejen marcos culturales específicos. En palabras del estudio, estos modelos podrían funcionar como “participantes virtuales” informados por contextos históricos concretos, capaces de responder a escenarios hipotéticos o instrumentos conceptuales diseñados por investigadores.
“Los modelos de lenguaje entrenados con textos históricos podrían ofrecer nuevas formas de inferir patrones psicológicos y culturales del pasado”.
Metodología conceptual y enfoque propuesto
A diferencia de investigaciones basadas en muestras empíricas, este trabajo adopta un enfoque teórico y metodológico. No hay un tamaño de muestra tradicional ni experimentos controlados, sino una evaluación crítica del potencial de los LLMs históricos para la investigación en ciencias del comportamiento.
La metodología se basa en tres pilares:
- Análisis del entrenamiento de LLMs con corpus históricos amplios y curados.
- Evaluación de su capacidad para generalizar patrones culturales y cognitivos.
- Identificación de riesgos metodológicos, como el anacronismo y los sesgos de datos.
Los autores subrayan que la utilidad de estos modelos depende directamente de la calidad, diversidad y representatividad de los textos utilizados. Un corpus mal construido puede amplificar sesgos culturales o proyectar interpretaciones contemporáneas sobre el pasado.
Hallazgos y aportes principales
Una oportunidad epistemológica para las ciencias del comportamiento
El estudio destaca que los LLMs históricos representan una oportunidad epistemológica única. Al sintetizar información de miles de documentos, estos modelos pueden identificar patrones que resultarían invisibles mediante análisis cualitativos tradicionales.
Entre los aportes más relevantes se encuentra la posibilidad de explorar cómo conceptos como autoridad, moralidad o cooperación social se manifestaban en diferentes contextos históricos. Esto permitiría formular hipótesis más robustas sobre la evolución cultural y psicológica de las sociedades humanas.
Los LLMs pueden generalizar patrones culturales a gran escala, algo especialmente valioso en disciplinas donde los datos directos son escasos o fragmentarios.
Comparación con enfoques tradicionales
Frente a métodos clásicos de la historia cultural o la psicología histórica, que suelen centrarse en fuentes limitadas, los LLMs permiten integrar múltiples textos y períodos. Esta síntesis amplia puede aumentar la robustez analítica, aunque los autores advierten que no sustituye el juicio crítico del investigador.
“La interpretación de los resultados generados por modelos de lenguaje requiere extrema cautela y transparencia metodológica”.
Relevancia práctica y proyección social
Aunque el enfoque es conceptual, sus implicaciones prácticas son significativas. En el ámbito de las políticas públicas, los modelos históricos podrían ayudar a comprender cómo tradiciones culturales influyen en actitudes contemporáneas, aportando contexto a procesos de cambio social.
En educación y formación intercultural, estos modelos podrían informar el diseño de materiales pedagógicos más sensibles a las raíces históricas de valores y creencias. También abren la puerta a la exploración de escenarios contrafactuales, siempre bajo marcos éticos estrictos.
El estudio propone, además, un cambio de paradigma: pasar de ver la inteligencia artificial solo como herramienta técnica a considerarla una colaboradora en la generación de conocimiento científico sobre el comportamiento humano.
El trabajo publicado en PNAS en 2024 no afirma que los modelos de lenguaje puedan “reconstruir” el pasado, pero sí demuestra que pueden convertirse en instrumentos informativos valiosos si se usan con rigor metodológico. Su aporte principal es abrir un nuevo campo de diálogo entre inteligencia artificial, historia y ciencias del comportamiento.
TecnologíaReferencia: Varnum, M. E. W., Baumard, N., Atari, M., & Gray, K. (2024). Large language models based on historical text could offer informative tools for behavioral science. Proceedings of the National Academy of Sciences of the United States of America, 121(42), e2407639121. https://doi.org/10.1073/pnas.2407639121
