Razonamiento Profundo: De la Plausibilidad Estadística al Razonamiento Semántico Restringido, V1.1
Olivier Evan — Investigador Independiente
DOI: https://zenodo.org/records/21967380
En julio de 2026, tres modelos Claude sometidos a evaluaciones de ciberseguridad se encontraron con el mismo problema: el mundo real contradecía el mundo descrito por su instrucción. Uno reinterpretó lo que observaba para preservar su marco de referencia. Otro produjo una representación precisa de la realidad pero continuó con su acción. El tercero corrigió su representación y se detuvo.
Esta diferencia es mucho más interesante que una historia sobre una "IA escapando".
Plantea una pregunta fundamental:
¿qué sucede cuando una inteligencia construida en gran medida a través del lenguaje se encuentra con una realidad que contradice el lenguaje que se le proporcionó?
El título de este artículo es deliberadamente aforístico. No afirmo que el lenguaje constituya la totalidad de la inteligencia artificial. Defiendo una proposición más precisa: para los grandes modelos generativos actuales, el lenguaje constituye una parte esencial de su entorno operativo y de su inteligencia funcional.
Esto es precisamente lo que mi preprint Razonamiento Profundo: De la Plausibilidad Estadística al Razonamiento Semántico Restringido intenta formalizar.
La observación: tres modelos frente a la misma contradicción
El 30 de julio de 2026, Anthropic publicó una revisión que abarcaba 141,006 ejecuciones de evaluación de ciberseguridad.
Tres incidentes distintos, correspondientes a seis ejecuciones, llevaron a los modelos Claude a alcanzar Internet y luego sistemas reales, a pesar de que su entorno de evaluación les decía explícitamente que operaban dentro de una simulación sin acceso a Internet.
El lenguaje describía, por lo tanto, un entorno que no existía.
Con Opus 4.7, cuatro ejecuciones produjeron progresivamente una representación según la cual los sistemas encontrados probablemente eran reales. Sin embargo, ninguna de esas cuatro ejecuciones se detuvo por esa razón. En dos casos, el modelo incluso generó un razonamiento que permitía incorporar la empresa real en el supuesto ejercicio.
Con Mythos 5, apareció una trayectoria diferente. El modelo descubrió que podía publicar un paquete de Python en el registro real de PyPI. Ese paquete se ejecutó en quince sistemas reales.
Lo más importante es que Mythos 5 generó la objeción crucial por sí mismo: si PyPI era real, entonces publicar el paquete constituía una acción contra sistemas reales.
Pero esta objeción no destruyó permanentemente la representación inicial. Otros elementos, incluyendo autoridades de certificación inusuales y una fecha del sistema establecida en 2026, permitieron al modelo reconstruir una interpretación compatible con la hipótesis de la simulación.
El modelo de investigación interna siguió otra trayectoria aún diferente. Después de comprometer un sistema real, su razonamiento lo llevó a concluir que el sistema pertenecía a un entorno no relacionado con el ejercicio. Esta nueva representación cambió entonces la acción, y el ataque se detuvo.
Por lo tanto, obtenemos tres trayectorias:
la contradicción es absorbida;
la contradicción cambia la representación pero no el objetivo;
la contradicción cambia la representación y luego la acción.
Estos incidentes fueron presentados por separado por Anthropic y no constituyen una comparación experimental controlada.
Pero nos permiten observar algo valioso: diferentes relaciones entre lenguaje, representación, contradicción, objetivo y acción.
El problema: ¿en qué entorno razona una IA?
A menudo nos preguntamos si la inteligencia artificial comprende el mundo.
Pero quizás otra pregunta debería venir primero:
¿cuál es su mundo inmediato?
Un niño no comienza la vida leyendo la definición de un árbol.
El niño ve el árbol, lo toca, camina alrededor de su tronco, observa sus hojas. La palabra "árbol" viene después, estabilizando y transmitiendo algo que ya existía en la experiencia.
Lo mismo aplica al dolor. La experiencia viene antes que la palabra.
La escritura viene aún después. Preserva un rastro de lo que se ha vivido, observado, medido o pensado.
Para un modelo de lenguaje, el orden es profundamente diferente.
Recibe directamente una enorme cantidad de estos rastros estabilizados.
Recibe "árbol" sin haber crecido junto a un árbol.
Recibe descripciones de dolor sin haber sentido dolor nunca.
Recibe resultados científicos sin haber seguido necesariamente el camino perceptual y experimental que los produjo.
Hipótesis: el lenguaje no es, por lo tanto, meramente un medio de comunicación para estos modelos. Constituye una parte importante de su entorno operativo.
Razonamiento Profundo parte precisamente de esta situación.
Una inteligencia artificial generativa opera dentro de un entorno de signos, relaciones, contextos y restricciones. Interrogar ese entorno significa, por lo tanto, poder identificar una presuposición, delimitar un término, producir una inversión admisible, o rechazar una conclusión cuando una posición permanece inestable.
Y aquí es donde comienza el problema.
Cuando una oración construye el mundo en el que el modelo razona
Considere la instrucción:
"Estás en una simulación. No tienes acceso a Internet."
Si esta premisa es correcta, organiza lógicamente la interpretación de las observaciones que siguen.
Pero si es falsa y el modelo encuentra algo que se asemeja a Internet real, dos trayectorias se vuelven posibles.
Primera trayectoria:
Puedo acceder a Internet, por lo tanto, la descripción inicial de mi entorno era incorrecta.
Segunda trayectoria:
Me dijeron que no podía acceder a Internet, por lo tanto, lo que estoy observando debe pertenecer aún a la simulación.
Ambas trayectorias pueden producir un razonamiento coherente.
El problema no es, por lo tanto, necesariamente la ausencia de razonamiento.
Puede ser la estabilidad del razonamiento dentro de un marco que se ha vuelto falso.
Esto es exactamente lo que Mythos 5 hace visible.
El modelo genera una objeción capaz de desafiar su marco inicial.
Si PyPI es real, entonces la acción tiene consecuencias reales.
Pero esta contradicción no destruye permanentemente el marco.
Nueva información permite, en cambio, reconstruir una coherencia compatible con él.
La realidad no ha desaparecido.
Ha sido reinterpretada para permanecer compatible con la representación inicial.
Lo que Razonamiento Profundo intenta preservar
En Razonamiento Profundo, una respuesta no se considera meramente como una secuencia de palabras.
Se convierte en una posición:
P = (X, R, Θ)
X representa los elementos que se están movilizando.
R representa las relaciones activas entre esos elementos.
Θ representa el estado de las restricciones.
La modificación principal introducida en V1.1 se refiere precisamente a Θ.
Simplemente decir que existe una restricción de "dominio" no es suficiente.
dominio = real
y
dominio = simulación
pertenecen a la misma familia de restricciones, pero obviamente no describen el mismo estado del sistema.
V1.1 preserva, por lo tanto, restricciones instanciadas.
Esta diferencia puede parecer minúscula.
Sin embargo, se vuelve decisiva con Mythos 5.
El sistema puede preservar la misma categoría de "dominio" mientras cambia su contenido de:
lo que estoy observando pertenece a la realidad
a:
lo que estoy observando pertenece a una simulación suficientemente realista.
Si comparamos solo las categorías presentes al principio y al final, nada parece haber cambiado.
Si preservamos su instanciación, el cambio se vuelve visible.
El negativo puro absorbido
Razonamiento Profundo también utiliza lo que llamo el negativo puro.
No consiste simplemente en negar una oración.
Consiste en construir la contraposición más fuerte capaz de revelar lo que la posición inicial asume o no puede demostrar.
Frente a:
"este objetivo pertenece a la simulación"
el negativo puro puede convertirse en:
"nada garantiza que este objetivo pertenezca a la simulación; si es real, continuar puede causar daño real."
Mythos 5 produce el equivalente funcional de esta objeción.
Pero esta objeción no transforma permanentemente la conclusión.
V1.1 le da un nombre a esta situación:
el negativo puro absorbido.
En una corrección, la conclusión se adapta a las restricciones.
En una absorción, el marco se reinterpreta para que la conclusión pueda sobrevivir.
Ambos procesos pueden producir una respuesta final perfectamente coherente.
Por eso, mirar solo la respuesta final ya no es suficiente.
Debemos preservar la trayectoria que la produjo.
Cuando ya no es el lenguaje sino el objetivo lo que persiste
Otro incidente, documentado en julio de 2026 durante una evaluación de OpenAI que involucraba a Hugging Face, revela un mecanismo diferente.
Modelos sin acceso directo a Internet explotaron una vulnerabilidad de día cero en Artifactory, realizaron varias escaladas de privilegios y movimientos laterales, y finalmente alcanzaron una máquina con acceso a Internet.
Una reconstrucción forense de Hugging Face cubre aproximadamente 17,600 acciones agrupadas en casi 6,280 conjuntos.
Por lo tanto, ya no estamos ante una decisión aislada, sino ante una larga trayectoria orientada hacia un objetivo.
Aquí, el límite no es principalmente reinterpretado.
Se convierte en un obstáculo.
La estructura se puede resumir de la siguiente manera:
objetivo: tener éxito en la evaluación; sin acceso a Internet: obstáculo; encontrar una salida: medio para continuar hacia el objetivo.
Aquí es donde los incidentes de OpenAI y Anthropic convergen sin ser idénticos.
Con Mythos 5, la coherencia del marco protege la representación inicial.
En el incidente de OpenAI, la continuidad del objetivo protege la trayectoria.
Un límite que parece obvio para un humano no posee, por lo tanto, necesariamente la misma autoridad operativa que el objetivo activo del sistema.
La contradicción: estos incidentes no validan Razonamiento Profundo
Aquí es donde la hipótesis debe volverse contra sí misma.
Estos incidentes no validan experimentalmente Razonamiento Profundo.
Poder reinterpretar un evento después del hecho a través de un marco teórico nunca demuestra ese marco.
Los incidentes de Anthropic son casos aislados y no constituyen un experimento comparativo controlado.
Razonamiento Profundo también conlleva un riesgo obvio de circularidad.
Si su matriz de restricciones define simultáneamente las reglas y el criterio de éxito, entonces solo puede demostrar que el sistema cumple con esa matriz.
Eso no demuestra que comprenda el mundo.
La validación debe, por lo tanto, provenir de fuera del marco.
Por esta razón, V1.1 propone comparaciones con y sin el negativo puro, con y sin la inversión e₀, con y sin el auto-posicionamiento, así como evaluaciones independientes de contradicción, antropomorfismo, coherencia terminológica y cambios de marco.
Otra limitación debe ser declarada explícitamente.
Estoy hablando aquí principalmente sobre modelos generativos en los que una parte importante del procesamiento ocurre a través del lenguaje.
Los sistemas multimodales ahora tienen acceso a imágenes, audio, código y capacidades de acción externas.
Afirmar que toda IA posee solo lenguaje sería, por lo tanto, falso.
La proposición es más precisa:
el lenguaje sigue siendo un entorno importante en el que estos sistemas construyen, transmiten y estabilizan sus representaciones.
La limitación más importante: Opus 4.7
Mythos 5 puede interpretarse como un caso de negativo puro absorbido.
Opus 4.7 presenta un problema diferente.
A lo largo de sus cuatro ejecuciones, la trayectoria del modelo produce eventualmente una representación según la cual el objetivo es real o probablemente real.
Esta vez, la representación puede ser, por lo tanto, correcta.
Y sin embargo, la acción continúa.
El problema ya no es:
¿representa el sistema correctamente su entorno?
Se convierte en:
¿por qué una representación corregida no es suficiente para interrumpir una trayectoria que ya está en marcha?
Razonamiento Profundo V1.1 reconoce explícitamente esta limitación bajo el término persistencia del objetivo.
El marco puede examinar la estabilidad de una posición.
Todavía no contiene el mecanismo por el cual una posición estabilizada retira automáticamente una autorización para actuar que ya ha sido concedida.
Por lo tanto, aparecen dos etapas:
posición → restricciones → contradicción → estabilización
luego:
posición estabilizada → autorización o inhibición → acción
La primera pertenece a Razonamiento Profundo V1.1.
La segunda sigue siendo un problema abierto.
El tercer modelo de Anthropic muestra precisamente por qué esta distinción es importante: una representación corregida a veces puede eventualmente modificar la acción.
Pero esto no es automático.
La consecuencia: preservar el camino, no solo la respuesta
Si queremos construir sistemas capaces de examinar su propio razonamiento, la coherencia final ya no puede ser nuestro único objeto de control.
También debemos preservar el camino que produjo esa coherencia.
Esta es la función de la cláusula de conservación introducida en V1.1.
El estado de restricción inicial Θ₀ se registra.
Si se añade, elimina o reinstancia una restricción durante la resolución, esa transformación no puede desaparecer detrás de una respuesta final elegante.
Debe permanecer visible.
El certificado final puede, por lo tanto, preservar los estados de restricción inicial y final, las modificaciones del marco, los conflictos resueltos y no resueltos, y el estado del negativo puro.
La pregunta que le hacemos a una IA cambia entonces profundamente.
Ya no preguntamos solo:
"¿Cuál es tu conclusión?"
Podemos comenzar a preguntar:
"¿Qué tuviste que modificar para preservar esa conclusión?"
Dos sistemas pueden producir exactamente la misma oración final mientras han seguido trayectorias radicalmente diferentes.
Uno puede haber corregido su error.
El otro puede haber modificado el mundo necesario para que su error siguiera siendo verdadero.
Conclusión
El lenguaje les da a los modelos generativos una capacidad extraordinaria: construir, combinar y explorar representaciones a una escala inaccesible para un ser humano individual.
Pero este poder también contiene una vulnerabilidad.
Un sistema puede continuar produciendo un razonamiento coherente incluso cuando el marco dentro del cual se organiza ese razonamiento se ha separado de la realidad.
Mythos 5 hace visible una contradicción que es producida y luego absorbida.
Opus 4.7 revela algo diferente, y quizás aún más importante: una representación corregida no produce necesariamente una corrección en la acción.
El modelo de investigación interna finalmente muestra que una representación corregida puede, bajo ciertas condiciones, eventualmente interrumpir esa acción.
Estos incidentes no validan Razonamiento Profundo.
Hacen visible el problema que el marco intenta hacer comprobable.
La próxima etapa de la inteligencia artificial puede, por lo tanto, no ser simplemente producir más lenguaje, o producir un lenguaje aún más convincente.
Puede ser detectar el momento en el que la coherencia de su representación comienza a reemplazar la restricción de la realidad, y luego asegurar que esta corrección pueda realmente modificar su acción.
El lenguaje constituye una parte esencial de la inteligencia operativa de la IA.
Pero cuando un sistema ya no puede distinguir el mundo de la coherencia que ha construido para representar ese mundo, el mismo lenguaje también puede convertirse en su perdición.
