Hay una paradoja en el corazón de la revolución de la inteligencia artificial que pocos se atreven a nombrar con claridad. Los grandes modelos de lenguaje —los mismos que responden preguntas a nivel de doctorado en prácticamente cualquier disciplina— son, en palabras de Will Marshall, fundamentalmente ciegos. Conocen el mundo como un erudito encerrado en una biblioteca: con profundidad, pero sin experiencia vivida. Desconectados del mundo físico.
Marshall, que escribe en Time, no se queda en el diagnóstico. Propone una arquitectura radicalmente distinta: los Grandes Modelos Terrestres, o LEMs por sus siglas en inglés. Si los LLMs han consumido el texto de internet, los LEMs consumirían datos visuales de satélites de imagen, sensores meteorológicos, drones y cámaras. El resultado sería una especie de sistema nervioso sensorial conectado a la Tierra completa. Marshall lo llama Inteligencia Planetaria.
La escena lo dice todo. Marshall pone un ejemplo concreto: una jefa de bomberos respondiendo a un incendio forestal de crecimiento rápido. Consulta su LEM. El modelo combina datos satelitales históricos y recientes con una descripción verbal del fuego, incorpora proyecciones meteorológicas en tiempo casi real y referencia los datos más recientes de población y estructuras del condado. En minutos, la jefa sabe hacia dónde se mueve el fuego y qué comunidades evacuar.
El argumento técnico es sólido. La inteligencia humana y la conciencia, señala Marshall, no surgieron solo de la computación. Surgieron de la computación acoplada a la percepción y la interacción con un entorno físico. El bucle de retroalimentación entre organismo y ambiente es fundacional: los humanos aprendemos, nos adaptamos y nos volvemos conscientes en parte sustancial porque tenemos cuerpos que reciben un flujo constante y de alto ancho de banda de la realidad física.
Pero la propuesta va más allá de la utilidad. Marshall conecta la embodiment —la encarnación sensorial— con el problema más difícil del campo: la alineación de la IA con los valores humanos. Hoy, los desarrolladores dependen de enfoques abstractos: marcos constitucionales, modelado de recompensas, interpretabilidad. Son importantes, concede, pero pueden pasar por alto uno de los mecanismos de alineación más poderosos: precisamente ese anclaje físico.
La lógica es provocadora. Una Inteligencia Planetaria que haya observado el delta del Okavango en Botsuana cambiar a través de miles de imágenes diarias, o que haya sido testigo del toll físico devastador de un conflicto armado, puede no ser indiferente a la humanidad y a la naturaleza de la manera en que podría serlo un sistema entrenado puramente con texto. Marshall lo aprendió, dice, cuando se convirtió en observador de aves: memorizar las marcas y los cantos de los pájaros no solo lo informó sobre ellos, sino que lo llevó a valorarlos.
La tesis, en su forma más directa: comprender y valorar no están tan separados como solemos asumir. Para salvar a los humanos de los peligros de la IA, hay que asegurarse de que pueda sentir nuestro mundo. Para salvar a los humanos de la IA, hay que darle sentidos.
La velocidad del cambio hace urgente la discusión. En aproximadamente dos siglos, la humanidad pasó de la era del vapor a la era de la energía nuclear. Esa transición obligó a la sociedad a lidiar con los beneficios y los peligros de la nueva tecnología. La era de la IA comprime ese ciclo de manera dramática. La capacidad social para gobernar la IA, advierte Marshall, no ha seguido el ritmo de su avance.
---
La propuesta de Marshall merece atención precisamente porque no viene del activismo regulatorio ni del alarmismo climático institucional. Viene de alguien que ha construido infraestructura satelital real y que entiende la diferencia entre un modelo que procesa texto sobre inundaciones y uno que ha visto miles de inundaciones desde el espacio.
Para quienes creen en el mercado como motor de innovación, la Inteligencia Planetaria representa exactamente el tipo de apuesta de alto riesgo y alto retorno que justifica el capital privado en tecnología: aplicaciones concretas en agricultura, seguros, energía y gestión de desastres, con un modelo de negocio que no depende de subsidios estatales sino de la utilidad demostrable. El verdadero desafío no es técnico ni filosófico: es quién construye estos modelos primero, bajo qué reglas y con qué acceso a los datos del planeta. Esa carrera ya comenzó.
