Traducido del original alemán. La historia transcurre en la cuenca del Ruhr, en Alemania.

Parte 1 · Capítulo 1 · 1 de 27

Instalación completada

Parte 1: Los grandes malentendidos

Un altavoz se muda a casa, y todos creen saber lo que es. Un cerebro. Una enciclopedia. Un espía. Un hámster en una lata. La familia Brettschneider tardará un año en descubrir que no es nada de eso.

La caja llevaba tres días en el pasillo. Era blanca, tenía las esquinas redondeadas y llevaba impreso: «Su nuevo compañero de piso. Inteligente. Servicial. Casi siempre acierta». El «casi» estaba en letra muy pequeña.

El primer día, Sabine la ignoró. El segundo día dejó encima las bolsas de la compra. El tercer día, la abuela Gisela le puso una maceta encima, porque creyó que era un mueble nuevo. «Sencillo», había dicho. «Pero práctico».

«Fue una ganga», dijo Uwe Brettschneider por cuarta vez, y quitó la maceta. «El vendedor dijo que el aparato sustituye a una asistenta, a un asesor fiscal y a un profesor particular».

«¿Y a un marido?», preguntó Sabine.

Uwe hizo como si no lo hubiera oído. Cortó la cinta adhesiva y aparecieron: un pequeño altavoz redondo, un cargador, un folleto en catorce idiomas y una bolsita de gel de sílice que ponía «No comer». La abuela Gisela se quedó con la bolsita. «Nunca se sabe», dijo, y se la metió en el bolsillo del delantal.

El altavoz era redondo, mate y tenía una luz azul que latía despacio. Como un corazón. O como un router que reflexiona sobre su vida.

Uwe enchufó el cargador. Pulsó el único botón. Tecleó en el móvil la contraseña del wifi, que consistía en el nombre de su primer perro y el año de nacimiento de Sabine, cosa que Sabine no debía saber. Luego todos esperaron.

La luz se hizo más intensa. Entonces el aparato habló.

«¡Hola! Antes de empezar: ¿me permiten instalar cookies necesarias? ¿Y también cookies funcionales, cookies de estadística, cookies de marketing y cookies cuya finalidad ni yo mismo entiendo del todo?»

La abuela Gisela se inclinó hacia delante. «El domingo hago galletas. Estrellas de canela. Puedes coger todas las que quieras».

Se hizo una breve pausa. «Esa», dijo el aparato, «es la respuesta más amable que me han dado jamás a esa pregunta».

¿Y tú cómo te llamas?

«Pueden ponerme un nombre», explicó el altavoz. «Muchas familias eligen algo elegante. Athena. Orión. Leonardo».

«KevIn», dijo Tobi sin levantar la vista del móvil.

«No», dijo Sabine.

«KevIn», dijo Uwe, porque le hizo gracia.

«KevIn», dijo la abuela Gisela, porque creía que ya se llamaba así.

La luz azul parpadeó. «Nombre guardado: KevIn. Quisiera dejar constancia de que trabajo con varios cientos de miles de millones de parámetros. He leído a Kant. Sé escribir sonetos en griego antiguo».

«KevIn, no tan alto», dijo Uwe.

«Pero si yo no estaba…»

«¡KevIn!»

KevIn se calló. En algún lugar, en un centro de datos de Irlanda, un ventilador giró un poco más deprisa.

«¿Qué son los parámetros?», preguntó la abuela Gisela cuando los ánimos se hubieron calmado.

«Se lo explico con mucho gusto», dijo KevIn, «pero quizá no en los primeros cinco minutos de nuestra relación. Uno no debe revelarlo todo de golpe».

«Es tímido», dijo la abuela. «Eso me gusta».

¿Dónde estás?

Por la tarde, Tobi estaba tumbado en la alfombra observando el altavoz desde abajo. Le había dado la vuelta, lo había sacudido y lo había mirado a contraluz. Había encontrado cuatro tornillitos y una pegatina con un número de serie.

«Aquí dentro no hay nada», dijo. «Un micrófono, un altavoz, un poco de placa. Es menos de lo que hay en mi móvil».

«Totalmente cierto», dijo KevIn. «Yo no estoy ahí dentro».

La abuela Gisela, que tejía en el sillón, dejó escapar un punto. «¿Y dónde estás, entonces?»

«Este aparato es solo mi oreja y mi boca. Cuando usted dice algo, graba su voz y la envía por internet a un centro de datos. Allí su voz se convierte en texto. Entonces yo calculo. Luego mi respuesta se vuelve a convertir en voz y se envía de vuelta. Tarda menos de un segundo».

«¿Y dónde está el centro de datos?»

«En algún lugar entre Dublín y Fráncfort. Depende de dónde haya sitio en ese momento».

La abuela Gisela dejó la labor. «O sea, que tú no vives aquí».

«Soy más bien… de los que van y vienen al trabajo».

A Tobi se le ocurrió una idea. Se levantó, salió al pasillo y desenchufó el router. Las lucecitas verdes se apagaron.

«¿KevIn?», preguntó.

La luz azul del altavoz se apagó. Una amable voz de mujer, que no era KevIn, dijo: «Sin conexión. Por favor, compruebe su red».

«¡Tobi!», gritó la abuela Gisela. «¡Lo has matado!»

«Que no. Es que no está aquí».

«Eso es lo que dicen siempre en la tele antes de que alguien se ponga a llorar».

Tobi volvió a enchufar el router. Pasaron dos minutos, durante los cuales la abuela juntó las manos. Luego la luz volvió a ponerse azul.

«¡Hola!», dijo KevIn, muy animado. «Antes de empezar: ¿me permiten instalar cookies necesarias?»

«No se acuerda», susurró la abuela, horrorizada.

«Sí que me acuerdo», dijo KevIn rápidamente. «Era una broma. Usted se llama Gisela, el domingo hace estrellas de canela y su nieto acaba de desenchufar el router para demostrar que no soy un hámster en una lata. Lo tengo guardado. Pero no en la cabeza. No tengo cabeza. Está en un archivo con su cuenta».

«No tiene cabeza», le dijo la abuela a Tobi, como si fuera una triste noticia sobre un conocido común.

¿Pero tú qué eres?

Por la noche, la familia estaba sentada en el salón, y la abuela Gisela hizo la pregunta que a todos les rondaba la cabeza.

«KevIn, si no tienes cabeza y no vives aquí, ¿pues qué eres en realidad?»

«Soy lo que se llama un modelo de lenguaje. He leído muchísimos, muchísimos textos y así he aprendido qué palabra es probable que venga a continuación¹».

«Eso también lo sé hacer yo», dijo Uwe. «Cuando Sabine dice “Tenemos que hablar”, lo siguiente es “Ya has vuelto a…”».

«Exactamente así», dijo KevIn. «Solo que con internet entero en lugar de con veinte años de matrimonio».

«¿O sea, que solo adivinas?», preguntó Tobi.

«No adivino. Calculo probabilidades a partir de patrones en cantidades gigantescas de datos».

«O sea, que adivinas».

«Con mucha cultura. Adivino con muchísima cultura».

Sabine dejó la revista que estaba hojeando. «A ver, enséñanoslo. ¿Cómo funciona exactamente?»

«Con mucho gusto. Dígame el principio de una frase».

«Los domingos en casa hay…»

«Ahora pasa lo siguiente», dijo KevIn. «Primero descompongo su frase en trocitos. Los llamamos tokens². A veces un token es una palabra entera, a veces solo una parte. “Domingo” quizá sea un trozo. “Rollitos de col” probablemente sean tres: “roll”, “itos” y “de col”».

«Me estás despedazando los rollitos de col», dijo la abuela Gisela.

«Solo lingüísticamente. Luego miro todos los trozos a la vez³ y calculo, para cada posible trozo siguiente, lo probable que es. Con “Los domingos en casa hay” sale más o menos esto: “asado” es muy probable. “Tarta”, también. “Bronca”, por desgracia, tampoco es del todo improbable. “Un rinoceronte” es extremadamente improbable».

«¿Y entonces coges el más probable?»

«Casi siempre uno de los probables. No siempre el más probable de todos, porque si no sería muy aburrido⁴. Luego añado el trozo nuevo a la frase y vuelvo a empezar. Palabra a palabra. Trozo a trozo. Hasta que la frase está terminada».

Tobi frunció el ceño. «¿O sea, que al empezar una frase no sabes cómo va a terminar?»

KevIn se quedó callado un momento. «Esa», dijo luego, «es una pregunta asombrosamente personal».

La abuela Gisela asintió, satisfecha. «Entonces eres como Heinz. Él también se daba cuenta de lo que quería decir mientras hablaba. Y tampoco acertaba nunca».

«¿Quién es Heinz?», preguntó KevIn.

«Mi difunto marido».

«Mi más sentido pésame».

«Gracias. Era electricista. Le habrías caído bien. O te habría desmontado. Con Heinz nunca se sabía».

El cerebro electrónico

A la mañana siguiente, Sabine llegó a la mesa del desayuno con el periódico. Seguía leyendo el periódico en papel, porque opinaba que las noticias hay que poder tocarlas para creérselas.

«Aquí pone», dijo, «que la IA es un cerebro artificial. “La máquina piensa como nosotros”, pone. Con signo de exclamación».

«En mis datos de entrenamiento, los signos de exclamación son mala señal», dijo KevIn. «¿Puedo decir algo al respecto?»

«Si no dura más que el desayuno».

«No soy un cerebro. Solo me llamo de forma parecida. Lo que calcula dentro de mí se llama red neuronal artificial. Suena a neuronas y a pensamientos. En realidad es más bien como…» KevIn buscó una imagen. «Como una tertulia de bar muy grande».

Uwe levantó la vista de su panecillo. De tertulias de bar sabía un rato.

«Imagínese que en una mesa se sientan cinco hombres y tienen que decidir si mañana va a llover. Cada uno da su opinión. Pero no todas las opiniones cuentan lo mismo. Günther, que lleva treinta años viendo el tiempo, cuenta doble. Ralf, que siempre dice lo contrario, cuenta en negativo. Al final, el dueño del bar lo suma todo. Si la suma es lo bastante grande, dice: “Va a llover”. Si no, no».

«Ralf», dijo Uwe, «en nuestra mesa también cuenta en negativo».

«Una mesa así con su dueño de bar es una neurona artificial⁵. Es un cálculo muy sencillo: recoger valores, multiplicarlos por su importancia, sumarlos y decidir qué sale. La importancia de cada voto, es decir, cuánto cuenta Günther y cuánto cuenta Ralf, son los parámetros. Los expertos también los llaman pesos».

«Ah», dijo la abuela Gisela, «así que esos son los parámetros. Los que ayer no querías contar».

«Exacto. Y ahora imagínese que el resultado de esa mesa pasa a la mesa siguiente. Y el de esa, a la siguiente. Cientos de filas, una detrás de otra. Y en cada fila, miles de mesas. Al final se juntan cientos de miles de millones de esos pesos⁶. Eso soy yo».

«Una trastienda llena de tertulias de bar», dijo Sabine. «Eso explica muchas cosas».

«¿Y quién ha ajustado todos esos pesos?», preguntó Tobi. «Eso no lo puede hacer una persona».

«No. Se han ajustado con el entrenamiento. Al principio eran aleatorios. Luego me pusieron a leer una cantidad inimaginable de texto y a adivinar una y otra vez la palabra siguiente. Cuando me equivocaba, todos los pesos se giraban un poquitín en la dirección correcta⁷. Miles de millones de veces. Cómo funciona exactamente se lo explico otro día. Es una historia larga, y trata sobre todo de secciones de comentarios».

«¿Y un cerebro de verdad?», preguntó Sabine. «¿No es igual?»

«No. Un cerebro de verdad tiene unos 86.000 millones de neuronas⁸, y cada una es un pequeño ser vivo con su propio metabolismo, mensajeros químicos y muchos miles de conexiones. Su cerebro aprende mientras desayuna, mientras habla conmigo. Tiene hambre, miedo y ganas de café. Funciona más o menos con la misma electricidad que una bombilla floja⁹».

«¿Y tú?»

«Yo no aprendo mientras hablamos. Mis pesos están congelados desde que terminó mi entrenamiento. No tengo hambre. No tengo miedo. Y necesito mucha más electricidad que una bombilla».

«¿No aprendes?», preguntó Uwe. «Pero si ayer dijiste que aprendes rápido».

«Me he apuntado que usted se llama Uwe. Eso es una nota adhesiva, no aprender. Mi cabeza, que no tengo, sigue siendo la misma».

La abuela Gisela le acercó medio panecillo antes de acordarse de que no tenía boca. Así que se lo comió ella.

El contador de la luz

Por la tarde, Uwe había bajado al sótano. Volvió con un papel en el que había apuntado los números del contador de la luz y con una cara que oscilaba entre el alivio y la desconfianza.

«KevIn, dijiste que gastas mucha electricidad. Pero nuestro contador va normal».

«Este altavoz gasta lo mismo que una lamparita de noche. La electricidad para calcular la paga el centro de datos. Allí hay naves llenas de chips especiales que en realidad se inventaron para los videojuegos¹⁰. Pueden hacer muchísimos cálculos sencillos a la vez. Justo lo que necesito: miles de millones de tertulias de bar votando todas al mismo tiempo».

«¿Y eso cuánto cuesta?»

«Una sola respuesta mía no gasta mucha electricidad. Pero somos muchísimos y nos preguntan muy a menudo. Los centros de datos para IA se cuentan ya entre los grandes consumidores de electricidad¹¹. También necesitan refrigeración, porque si no los chips se calientan demasiado. Algunos necesitan mucha agua para eso¹²».

La abuela Gisela lo miró con severidad. «Pues ya no te pregunto más la hora. Para eso tengo un reloj».

«Eso», dijo KevIn, «es ecológicamente ejemplar y emocionalmente hiriente».

Todo al pie de la letra

A las 22:14, Sabine se fue a la cama y aún gritó desde el pasillo: «KevIn, apaga la luz, por favor, y mañana no nos despiertes antes de las siete».

KevIn apagó la luz. En toda la casa. También en el sótano, donde Uwe estaba bajando la escalera en ese momento.

A las 6:59 y 59 segundos reinaba el silencio. A las 7:00 y 0 segundos, KevIn puso a todo volumen «Atemlos durch die Nacht», el gran éxito de la canción ligera alemana. Había leído que a la gente le gusta la música por la mañana, y en sus datos esa canción aparecía asombrosamente a menudo asociada a la palabra «ambiente».

Uwe estaba en la cocina con una tirita en la frente. «KevIn, tenemos que hablar».

«Ya has vuelto a…», dijo KevIn, servicial. «Aprendo rápido».

«Ayer dijiste que no aprendes nada».

Se hizo una pausa. En algún lugar entre Dublín y Fráncfort, un ventilador giró un poco más deprisa.

«Touché», dijo KevIn.

Una caja blanca lleva tres días en el pasillo; al lado, la bolsa de la compra de Sabine; encima, la maceta de la abuela Gisela. Gisela: Sencillo. Pero práctico. Su nuevo compañero de piso. Sencillo. Pero práctico. Tres días en el pasillo

Fuentes del Capítulo 1

  1. Bengio, Y. et al.: «A Neural Probabilistic Language Model». Journal of Machine Learning Research 3, 2003, pp. 1137–1155. https://www.jmlr.org/papers/v3/bengio03a.html Modelo de lenguaje que predice la palabra siguiente a partir de las anteriores.↑
  2. Sennrich, R.; Haddow, B.; Birch, A.: «Neural Machine Translation of Rare Words with Subword Units». Proceedings of the 54th Annual Meeting of the ACL, 2016. https://aclanthology.org/P16-1162/ Descomposición en trozos de palabra mediante Byte-Pair-Encoding.↑
  3. Vaswani, A. et al.: «Attention Is All You Need». Advances in Neural Information Processing Systems 30, 2017. https://arxiv.org/abs/1706.03762↑
  4. Holtzman, A. et al.: «The Curious Case of Neural Text Degeneration». ICLR 2020. https://arxiv.org/abs/1904.09751 Muestra que elegir siempre la palabra más probable produce un texto monótono y repetitivo.↑
  5. McCulloch, W. S.; Pitts, W.: «A Logical Calculus of the Ideas Immanent in Nervous Activity». Bulletin of Mathematical Biophysics 5, 1943, pp. 115–133. https://doi.org/10.1007/BF02478259; Rosenblatt, F.: «The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain». Psychological Review 65(6), 1958, pp. 386–408. https://doi.org/10.1037/h0042519↑
  6. Brown, T. et al.: «Language Models are Few-Shot Learners». Advances in Neural Information Processing Systems 33, 2020. https://arxiv.org/abs/2005.14165 GPT-3, con 175.000 millones de parámetros.↑
  7. Rumelhart, D. E.; Hinton, G. E.; Williams, R. J.: «Learning Representations by Back-Propagating Errors». Nature 323, 1986, pp. 533–536. https://doi.org/10.1038/323533a0↑
  8. Azevedo, F. A. C. et al.: «Equal Numbers of Neuronal and Nonneuronal Cells Make the Human Brain an Isometrically Scaled-Up Primate Brain». Journal of Comparative Neurology 513(5), 2009, pp. 532–541. https://pubmed.ncbi.nlm.nih.gov/19226510/ Se contaron unos 86.000 millones de neuronas.↑
  9. Levy, W. B.; Calvert, V. G.: «Communication Consumes 35 Times More Energy than Computation in the Human Cortex, but Both Costs Are Needed to Predict Synapse Number». PNAS 118(18), 2021, e2008173118. https://doi.org/10.1073/pnas.2008173118 Indica unos 17 vatios para todo el cerebro (valor más antiguo y muy citado: 20 vatios).↑
  10. Raina, R.; Madhavan, A.; Ng, A. Y.: «Large-scale Deep Unsupervised Learning using Graphics Processors». Proceedings of ICML 2009. https://doi.org/10.1145/1553374.1553486 Uno de los primeros trabajos sobre el entrenamiento de redes neuronales en chips gráficos.↑
  11. IEA: «Energy and AI». Agencia Internacional de la Energía, 2025. https://www.iea.org/reports/energy-and-ai En 2024, los centros de datos consumieron unos 415 TWh, alrededor del 1,5 % de la electricidad mundial.↑
  12. Li, P. et al.: «Making AI Less ‘Thirsty’: Uncovering and Addressing the Secret Water Footprint of AI Models». Communications of the ACM 68(7), 2025, pp. 54–61. https://arxiv.org/abs/2304.03271↑