Es cierto que hoy en día estamos ante un cambio de paradigma tecnológico encabezado por la Inteligencia Artificial, que se caracteriza por avances significativos y acelerados en varias áreas clave que reflejan tanto el crecimiento exponencial como la expansión de sus aplicaciones prácticas. La más relevante es la Inteligencia Artificial Generativa y sus grandes modelos de lenguajes o LLM, expresados en productos como GPT-4o y Gemini, que se fundamentan en el aprendizaje profundo (deep learning).

No obstante, este modelo enfrenta serias limitaciones que se resumen en cinco aspectos básicos: a) necesidad de su entrenamiento con grandes volúmenes de datos o Big Data, b) requerimiento de una gran capacidad de recursos computacionales para llevar a cabo esa tarea y para su operación de cara a los usuarios, c) limitaciones en la capacidad de razonamiento por ser un modelo estadístico-probabilístico que responde solo a patrones aprendidos de los datos, d) la no transparencia del código que generan los modelos LLM y e) las limitaciones en la dimensiones ética y social.

En la búsqueda constante por mitigar estas limitaciones y emular el sistema cognitivo humano, el próximo paso es dotar a las máquinas de razonamiento. En ese sentido una nueva corriente está ganando terreno, la computación neuro-simbólica. Este enfoque promete revolucionar la manera en que las máquinas aprenden y razonan, fusionando lo mejor de dos mundos tradicionalmente separados en IA.