Contenido del curso
Ética del NLP y los límites del lenguaje IA
El procesamiento de lenguaje natural, conocido como NLP por sus siglas en inglés (Natural Language Processing), es la interacción entre las computadoras y el lenguaje humano a través de lenguas naturales. Entender qué es y cómo funciona te ayuda a ver por qué hoy plantea dilemas éticos importantes para desarrolladores, empresas y usuarios.
¿Qué es el procesamiento de lenguaje natural y cómo funciona en un chatbot?
Un chatbot es uno de los ejemplos más visibles de NLP. Es una máquina reprogramada a partir de las preguntas y respuestas más frecuentes que recibe una página web, lo que le permite responder a un usuario sin límite horario. Así puedes obtener una respuesta incluso fuera del horario laboral del equipo humano detrás de la marca.
La mayor parte de esta tecnología se ha desarrollado en inglés, lo que abre una oportunidad clara: contribuir con contenido en español o en tu lengua natural para enriquecer estos modelos desde la comunidad [01:00].
¿Qué es un chatbot? Es un programa entrenado con preguntas y respuestas frecuentes que interactúa con usuarios en una página web sin depender de un horario laboral.
¿Puede una máquina superar la comprensión lectora humana?
Microsoft y Alibaba retaron a la Universidad de Stanford con un modelo de NLP enfrentado a estudiantes en una prueba de comprensión lectora. El algoritmo ganó. Eso puso en relevancia cómo un modelo procesado de datos puede recolectar, asumir y entender información mejor que personas en una tarea concreta [01:45].
El dilema ético apareció justo ahí: si una máquina lee y comprende mejor que un estudiante de una universidad de prestigio, ¿dónde queda la ventaja humana? La respuesta corta es que aún hay terreno donde el humano lleva la delantera.
¿En qué le gana todavía el humano al algoritmo?
La identidad y la emoción siguen siendo difíciles para los chatbots. Estos son los puntos donde los modelos aún no llegan:
En canales telefónicos sí se ha logrado una comprensión emocional más profunda, pero el ranqueo correcto entre intención, tono y emoción sigue siendo el reto que exploran la mayoría de empresas.
¿Qué es GPT-3 y por qué es un lenguaje autorregresivo?
GPT-3 es un lenguaje autorregresivo, es decir, un modelo que comprende el pasado de manera lineal: toma datos históricos y, a partir de ellos, predice lo que sigue. Combinado con deep learning o aprendizaje profundo, ha procesado textos de prácticamente toda la historia escrita disponible en la red [03:20].
Eso incluye textos legales, médicos y cualquier documento alojado en internet o en la nube. Y aquí viene lo interesante: ese alcance casi ilimitado abre preguntas serias sobre el papel del experto humano.
¿Qué es GPT-3? Es un modelo de lenguaje autorregresivo que predice texto a partir de millones de documentos previos en la red, usando aprendizaje profundo.
¿Puede GPT-3 reemplazar a un notario o a un médico?
Imagina poner a competir este lenguaje con un notario para redactar una escritura automatizada, o describirle síntomas como si fuera un médico. El algoritmo habrá leído una cantidad de documentos médicos que ningún profesional alcanzaría a revisar en su vida.
Entonces, ¿quién identificaría mejor tu potencial enfermedad a partir de los síntomas? La pregunta no tiene una respuesta única, y ese es justamente el dilema.
¿Cómo distingue el algoritmo información falsa de verídica?
En internet circula mucha información falsa, y uno de los retos centrales de estos modelos es clasificar qué información es verídica y qué información es falsa. Sin esa capa, la predicción puede sonar convincente pero estar equivocada, lo que multiplica el riesgo en contextos legales o médicos.
¿Dónde está el límite entre NLP y la sensibilidad humana?
Esa es la pregunta abierta del módulo. La tecnología avanza rápido en comprensión y predicción, pero la sensibilidad, la identidad y la lectura emocional siguen siendo territorios donde el humano aporta algo que el modelo todavía no replica del todo.
Si quieres aportar al desarrollo de NLP en español, revisa la guía en la sección de recursos y empieza a contribuir. ¿Tú dónde pondrías la línea entre lo que debe hacer un algoritmo y lo que debe quedarse en manos humanas? Cuéntame en los comentarios.
Gracias por la infografía amigo.
¿Qué seguira en el 2030?
Hola :) Estudié Filosofía hasta la Maestría y quería comentarles sobre el asunto del "entendimiento" de las computadoras.
Silvia mencionó que las máquinas pueden "entender" un texto.
Esta afirmación es bastante problemática por dos razones. En primer lugar, uno puede decir que nosotros tenemos "intenciones". Es decir, yo puedo querer entender un texto o yo puedo querer lavarme los dientes o ser ingeniero, etc. En suma, para que se entienda algo, debe haber un agente con intención. Sería bastante dudoso afirmar que las computadoras tengan intenciones: ¿Las computadoras buscan algo? ¿Tienen una vida mental en la cual eligen qué hacer y, por lo tanto, eligen entender un texto? Al parecer, las computadoras carecen de vida mental y, al menos hasta ahora, no parece que tengan intenciones sino que sus interacciones con humanos son un resultado de una computación algorítimica sumamente compleja.
En segundo lugar, toda intención y entendimiento requiere que poseamos consciencia, lo cual es difícil de afirmar respecto a una computadora. ¿Qué es la consciencia? Usualmente, la definimos como esta percepción nuestra de que todos nuestros sentidos y pensamientos están unificados. Es decir, todos asumimos que los 5 sentidos y nuestros procesos cognitivos están en un "centro". Yo afirmo que tengo consciencia porque puedo percibir unidamente todo lo que pienso, veo, huelo, siento, degusto u oigo. Eso es la consciencia. ¿Ocurre lo mismo en las máquinas? Es muy controversial afirmar que ocurra similar, porque no podemos comprobarlo empíricamente. Que una computadora "actúe como humano" no quiere decir que esté consciente, salvo que creas que todo humano es solo una colección de algoritmos. No obstante, no podemos comprobar que exista verdadera consciencia.
Por estas dos razones, podemos decir que las computadoras computan información y usan algoritmos complejos junto a una gran cantidad de información para generar el output que responde a una pregunta. Pero no podemos decir que "entiendan"; no poseen ni intención ni consciencia.
Una cosa que siempre he notado, es que nosotros definimos la consciencia, el estar vivo, desde el yo, es decir, desde el ambito del humano, y todo lo que carezca de estos atributos automaticamente lo señalamos como no humano, pero sucede algo, y es que al igual que las matematicas, la fisica, la filosofia y demas ramas del entendimiento humano, han sido creadas en base a convenciones sociales, moldeadas si o si por nosotros, y esto no quiere decir que estan sean las unicas maneras de ver el universo, sino que en caso de por ejemplo existir una sociedad avanzada de alienigenas que no comparten lo que nosotros creemos que es la vida, la creencia de uno u otro conjunto estaria errada?
Por eso yo generalizaria diciendo que como nosotros creemos que es la inteligencia y la vida segun nuestra convencion social, las maquinas quizas nunca lleguen a demostrar vida o inteligencia, pero a imagen y semejanza de nuestro modo de ver esto.
Ya seria un debate decidir si porque somos participes en la creacion de estas maquinas ellas debe basar o no en este criterio para juzgar si tienen vida o no.
Yo pongo un supuesto algo alocado, y si creamos estas maquinas y nunca las definimos como inteligentes, pero por alguna razon desaparecemos como especie y ellas quedan autosustentandose y autoaprendiendo a optimizarse poco a poco, se le quitaria ya el señalamiento de no ser seres vivos o no?
Añadiria algo, no, una computadora no puede ser un ser humano, porque por el mismo motivo que un humano no puede ser un delfin, o un humano no puede ser un perro, o un arbol, o cualquier otra especie viva sobre la faz de la tierra, y viceversa tampoco sucede, porque bi'ologicamente hablando, ya no hablando del ser ni nada de eso, el humano y cualquier otro ser se compone en conjunto de todas sus celulas, osi lo vemos algo mas macro, de sus organos y demas componentes.
Aplicando el principio GIGO, si metes paja en una maquina, saldra allgo hecho de paja, no hecho de otro material, si metes algo basado en ceros y uno, saldra algo basado en eso, si usas organicos salen seres vivos.
Pero si, si creo que van a superar las maquinas a la humanidad en algun momento, y aun asi, tendremos la desfachatez de nuestro ego de decir que no, que ellas no son mejores porque no estan vivas.
Alcanzara y tiene muchas posibilidades de supernos en conocimientos y velocidad de procesamiento de información. Pero, creo que sera muy complejo que pueda tener la sensibilidad humana.
También creo eso! Aunque creo que si simularan las emociones, sí nos "engañarían" de que la emoción es genuina. Ya que entre humanos podemos fingir emociones y muchas veces caemos o es posible "engañarnos" entre humanos.
exacto, comparto la misma opinión.
Justamente hoy salió publicada una noticia en la BBC sobre un ingeniero de Google que habla de su Chatbot LaMDA quien asegura tener derechos laborales, como colaborador y agente de valor para la empresa y se identifica con el pronombre It.
En el artículo de prensa titulado "Los IAs de Alibaba y Microsoft superan a los humanos en las pruebas de lectura" puedes leer más sobre el test desarrollado en la Universidad de Stanford donde quedó demostrado los avances alcanzados por los chatbot.
Lo correcto seria ver a las maquinas como un super poder que es extension del humano y no como su remplazo.
Hay cosas que las maquinas no pueden hacer sin nosotros y cosas que nosotros no podemos hacer sin ellas.
🤖🤝🧑🏻💼
100% de acuerdo compañero. De todas maneras NO deja de ser alucinante el poder y el avance de las máquinas (IAs).
Frase reformulada por CHATGPT:
Las máquinas son una extensión de nuestras habilidades y no nuestro reemplazo. Trabajando juntos, humanos y máquinas pueden lograr cosas increíbles.
Detalle
Las máquinas son una extensión de nuestras habilidades y no nuestro reemplazo. Al igual que un superpoder, las máquinas nos brindan una capacidad mejorada para realizar tareas y resolver problemas. Sin embargo, hay cosas que las máquinas no pueden hacer sin nuestra intervención, y hay cosas que nosotros no podemos hacer sin ellas.
Es importante recordar que las máquinas son herramientas diseñadas para hacernos la vida más fácil y mejorar nuestra eficiencia, no para reemplazarnos por completo. Mientras trabajamos juntos, podemos lograr cosas que de otra manera serían imposibles. Las máquinas nos brindan la oportunidad de ampliar nuestras capacidades y alcanzar nuevos niveles de éxito y logro.
En lugar de ver a las máquinas como una amenaza a nuestro trabajo o nuestro lugar en el mundo, debemos verlas como una oportunidad para crecer y mejorar. Trabajando juntos, humanos y máquinas pueden lograr cosas increíbles.
Recomiendo la serie de videos en you tube The Age of A.I.
He usado GPT3 con GitHub Copilote por varios meses antes de que se volviera de pago, y la verdad es que al usarla te vuelves mucho más rápido para programar, muchas veces tenemos tareas repetitivas que sabemos que tenemos que hacer, pero hacerlas nos lleva mucho tiempo, con esta herramienta se sentía como que adivinara tu mente y tenías la sensación de hacer todo mucho más rápido, mejor y más estándar. Personalmente creo que esta tecnología, como todo, si se usa de forma correcta puede generar un gran avance en la humanidad y a nosotros como individuos.
Sin duda algunas NLP podrán superar en conocimiento y sensibilidad humana al promedio de las personas frente a algunas tareas determinadas. Lo anterior implica que:
Pienso que estamos tratando de solucionar el problema por el lado que no es. Al tratar de hacer un algoritmo con sentimientos, no sería muy rentable. Las máquinas se crearon para solucionar problemas y como tú dices, hacerlo rápidamente. . Nosotros, por el contario, al tener sentimientos, fallamos al usar la lógica y combinamos todas esas sensaciones, lo cual lleva, en ocasiones, a tomar malas decisiones. . Hay que recordar que los sentimientos son producto de reacciones químicas en el cerebro, que en el pasado esas experiencias nos hicieron sentir bien o mal.
Puede competir con el conocimiento pero no creo que con la sensibilidad
Vengo del futuro a decirles que Chatgpt con GPT 4.0 sí revolucionó el mercado. 👍
Ética y Procesamiento de Lenguaje Natural (NLP)
El Procesamiento de Lenguaje Natural (NLP, por sus siglas en inglés) es una rama de la Inteligencia Artificial que se encarga de que las máquinas comprendan y generen lenguaje humano. Esta tecnología tiene un gran impacto en nuestras vidas y presenta importantes implicaciones éticas.
Sesgos en el Procesamiento de Lenguaje Natural
Uno de los principales problemas éticos del NLP es la presencia de sesgos en los modelos de lenguaje. Estos sesgos se generan a partir de los datos utilizados para entrenar los algoritmos y pueden llevar a discriminaciones en el trato a diferentes grupos de personas.
Por ejemplo, un modelo de lenguaje entrenado con datos que reflejan estereotipos de género, podría ser utilizado para tomar decisiones discriminatorias en el ámbito laboral o educativo.
Privacidad de los datos
Otra implicación ética importante del NLP es la privacidad de los datos. El procesamiento de grandes cantidades de datos de lenguaje humano puede revelar información sensible sobre las personas, lo que puede llevar a la vulneración de su privacidad.
Es importante que los responsables de la recolección y procesamiento de datos de lenguaje humano tengan en cuenta la privacidad de los usuarios y establezcan medidas para proteger sus datos.
Automatización de decisiones
El uso del NLP en la automatización de decisiones también plantea cuestiones éticas. La toma de decisiones automatizada basada en el lenguaje humano puede llevar a la discriminación y a la violación de los derechos humanos.
Es necesario que se establezcan regulaciones y medidas para garantizar que las decisiones tomadas por algoritmos de NLP sean justas y no violen los derechos humanos.
Conclusión
En conclusión, el Procesamiento de Lenguaje Natural tiene importantes implicaciones éticas que deben ser consideradas en su desarrollo y aplicación. Es necesario que se establezcan regulaciones y medidas para garantizar que esta tecnología no sea utilizada para la discriminación o violación de los derechos humanos.
¿Podría una IA simular la conciencia humana?
Actualmente no, pero en el momento de se pueda replicar la conciencia humana será en el momento en el que creemos vida artificial y esa vida podría crear vida en lo que avance lo suficiente y el ciclo podría repetirse infinitamente. Hay una teoría de universos simulados al respecto bastante interesante
ya lo hizo con gptchat, pero no sólo la podría simular sino que podría ser sintiente.
a su vez hay una empresa que basada en chats de whatsapp logra simular a un ser querido que falleció con fines terapéuticos y muchos usuarios según la empresa sienten como si en efecto hablasen con su ser querido
Les recomiendo una reflexión sobre la habilidad de las máquinas desde una perspectiva de la consciencia y sintiencia.
Procesamiento del Lenguaje Natural (NLP)
La inteligencia artificial supera al ser humano
GPT-3
Este NLP no puede alcanzar el conocimiento y sensibilidad humanos, ya que la IA no puede crear, solo puede decir información basada en como ha sido entrenado, y la inteligencia humana no se puede entrenar.
Teconologias como CODEX de OPEN AI y GitHub Copilot que quieren desarrollar codigo a partir de lenguaje natural: SI escribo en el editor de codigo, Mesa con un pelota roja encima, este programa ya lo hace con gran efectividad sin tener que programar una sola linea de codigo. Tengo un video de la conferencia de Microsoft de este año 2022 donde grabe esto, si a alguien le interesa verlo me deja el comentario y yo le envió el video.
Realmente no creo que la maquina por mas NLP ni deeplearning alcance a igualar la emociones humanas. esa característica es algo que no pueden tener las maquinas. Es parecido a afirmar que pudieran llegar a tener sentimientos, podrán procesar, y tener datos de que es cada emoción pero sentir es algo que no podrán hacer. y por lo mismo no podrán alcanzar la sensibilidad de los humanos.
📚 CLASE: Cuando un algoritmo supera a humanos en una tarea
━━━━━━━━━━━━━━━━━━
🎯 IDEA PRINCIPAL
Uno de los momentos más importantes en la evolución de la Inteligencia Artificial ocurre cuando un algoritmo alcanza o supera el rendimiento humano en una tarea específica.
Sin embargo, superar a un humano no significa que el sistema sea perfecto, justo o que deba operar sin supervisión.
La pregunta realmente importante no es:
"¿La IA es mejor que las personas?"
La pregunta correcta es:
"¿Cuándo, dónde y bajo qué condiciones debemos confiar en ella?"
La superioridad técnica no elimina la responsabilidad ética.
━━━━━━━━━━━━━━━━━━
⚡ RESUMEN ULTRA RÁPIDO
• Algunos sistemas de IA ya superan a humanos en tareas concretas.
• Mayor precisión no implica ausencia de errores.
• La IA puede equivocarse de formas diferentes a los humanos.
• Las decisiones críticas requieren supervisión y responsabilidad.
• La confianza debe basarse en evidencia, no en entusiasmo tecnológico.
━━━━━━━━━━━━━━━━━━
🔑 LO VERDADERAMENTE IMPORTANTE
✅ Superar humanos no significa reemplazarlos completamente
La IA suele destacar en tareas específicas:
• reconocimiento de patrones • clasificación • predicción • procesamiento masivo de información
Pero los humanos siguen aportando:
• contexto • criterio • ética • empatía • juicio
La combinación suele producir mejores resultados que cualquiera de los dos por separado.
━━━━━━━━━━━━━━━━━━
✅ Precisión no es perfección
Un sistema con 99% de precisión parece extraordinario.
Pero si procesa millones de casos:
• miles de errores seguirán ocurriendo
En contextos críticos, incluso pequeños porcentajes de error pueden tener consecuencias significativas.
━━━━━━━━━━━━━━━━━━
✅ Los errores de la IA son distintos
Los humanos:
• se cansan • se distraen • olvidan información
Los algoritmos:
• amplifican errores sistemáticos • replican sesgos • pueden fallar masivamente bajo ciertas condiciones
Comprender cómo falla un sistema es tan importante como medir su precisión.
━━━━━━━━━━━━━━━━━━
✅ La automatización puede generar exceso de confianza
Cuando una IA demuestra buenos resultados, las personas pueden dejar de cuestionar sus decisiones.
Esto se conoce como:
Automatización acrítica
Uno de los riesgos más importantes en sistemas inteligentes.
━━━━━━━━━━━━━━━━━━
✅ La responsabilidad sigue siendo humana
Aunque una decisión sea generada por un algoritmo:
• alguien diseñó el sistema • alguien eligió los datos • alguien aprobó su implementación
La responsabilidad no desaparece porque exista automatización.
━━━━━━━━━━━━━━━━━━
🧠 CONCEPTOS QUE DEBO ENTENDER
📌 Precisión
Porcentaje de predicciones correctas realizadas por un sistema.
━━━━━━━━━━━━━━━━━━
📌 Automatización
Ejecución de tareas sin intervención humana constante.
━━━━━━━━━━━━━━━━━━
📌 Supervisión humana
Participación de personas para validar, corregir o revisar decisiones automatizadas.
━━━━━━━━━━━━━━━━━━
📌 Confianza algorítmica
Nivel de credibilidad otorgado a los resultados de una IA.
━━━━━━━━━━━━━━━━━━
📌 Automatización acrítica
Aceptación automática de resultados sin cuestionarlos.
━━━━━━━━━━━━━━━━━━
📌 Human-in-the-Loop
Modelo donde los humanos permanecen involucrados en el proceso de decisión.
━━━━━━━━━━━━━━━━━━
🧩 MODELO MENTAL
DATOS
↓
ALGORITMO
↓
PREDICCIÓN
↓
VALIDACIÓN HUMANA
↓
DECISIÓN FINAL
━━━━━━━━━━━━━━━━━━
Modelo inmaduro:
IA
↓
Decisión automática
↓
Riesgo elevado
━━━━━━━━━━━━━━━━━━
Modelo profesional:
IA
↓
Recomendación
↓
Revisión humana
↓
Decisión informada
━━━━━━━━━━━━━━━━━━
La IA debería aumentar el criterio humano, no reemplazarlo completamente.
━━━━━━━━━━━━━━━━━━
🚀 ACCIONES INMEDIATAS
✅ Evalúa cualquier herramienta de IA que utilices
Pregunta:
"¿Cómo sé cuándo está equivocada?"
━━━━━━━━━━━━━━━━━━
✅ Analiza métricas con contexto
No te quedes únicamente con porcentajes de precisión.
Investiga:
• tipos de error • frecuencia de error • impacto del error
━━━━━━━━━━━━━━━━━━
✅ Diseña revisiones humanas
Especialmente en procesos relacionados con:
• salud • finanzas • contratación • educación • seguridad
━━━━━━━━━━━━━━━━━━
✅ Desarrolla pensamiento crítico
No aceptes automáticamente recomendaciones generadas por sistemas inteligentes.
━━━━━━━━━━━━━━━━━━
✅ Documenta límites
Toda IA tiene escenarios donde funciona mejor y peor.
━━━━━━━━━━━━━━━━━━
💼 APLICACIÓN PROFESIONAL
Para desarrolladores
• diseñar sistemas auditables • incorporar mecanismos de supervisión
━━━━━━━━━━━━━━━━━━
Para científicos de datos
• evaluar métricas más allá de la precisión • comprender patrones de error
━━━━━━━━━━━━━━━━━━
Para empresas
• automatizar tareas repetitivas • mantener supervisión en decisiones críticas
━━━━━━━━━━━━━━━━━━
Para productos con IA
• comunicar limitaciones de forma transparente
━━━━━━━━━━━━━━━━━━
Para líderes tecnológicos
• equilibrar eficiencia operativa y responsabilidad
━━━━━━━━━━━━━━━━━━
🔥 HACKS Y RECOMENDACIONES REALES
💡 Nunca preguntes únicamente:
"¿Qué tan bien funciona?"
Pregunta también:
"¿Cómo falla?"
━━━━━━━━━━━━━━━━━━
💡 Los mejores equipos estudian errores más que aciertos.
Los errores revelan riesgos ocultos.
━━━━━━━━━━━━━━━━━━
💡 Automatiza tareas, no responsabilidad.
La responsabilidad debe permanecer claramente asignada.
━━━━━━━━━━━━━━━━━━
💡 Diseña alertas para casos ambiguos.
Cuando el sistema tenga baja confianza, un humano debería intervenir.
━━━━━━━━━━━━━━━━━━
💡 Las métricas promedio pueden ocultar problemas graves.
Analiza segmentos específicos y casos extremos.
━━━━━━━━━━━━━━━━━━
🧠 INSIGHT ESTRATÉGICO
Los principiantes creen que el objetivo de la IA es reemplazar personas.
Los profesionales entienden que el objetivo es mejorar decisiones.
La verdadera revolución no ocurre cuando la IA supera a un humano.
Ocurre cuando humanos e IA trabajan juntos mejor de lo que cualquiera podría hacerlo por separado.
Las organizaciones más avanzadas no construyen sistemas totalmente autónomos.
Construyen sistemas donde:
• la IA aporta velocidad • la IA aporta escala • los humanos aportan criterio • los humanos aportan responsabilidad
Ese equilibrio suele producir los mejores resultados.
━━━━━━━━━━━━━━━━━━
📝 REFLEXIÓN FINAL
Cuando un algoritmo supera a los humanos en una tarea específica, estamos frente a un logro tecnológico extraordinario.
Pero también frente a una nueva responsabilidad.
La historia demuestra que la capacidad técnica por sí sola no garantiza mejores resultados.
Lo que realmente importa es cómo se utiliza esa capacidad.
La ventaja competitiva del futuro no pertenecerá a quienes reemplacen completamente a las personas con IA.
Pertenecerá a quienes aprendan a combinar inteligentemente automatización, supervisión humana y responsabilidad ética.
Esa combinación es la base de una Inteligencia Artificial verdaderamente útil, confiable y sostenible. 🚀
Reto: la NLP, puede alcanzar el conocimiento y sensibilidad de los humanos?
El procesamiento de lenguaje natural (Natural Language Processing, o NLP) ha avanzado muchísimo, ya que hoy en día, los modelos pueden conversar, resumir, traducir, detectar emociones en texto y hasta imitar estilos humanos. Pero “alcanzar el conocimiento y sensibilidad de los humanos” depende de qué entendamos por esas palabras.
Los sistemas modernos pueden almacenar y relacionar enormes cantidades de información, lo que generalmente en la mayoría de casos superan a una persona en velocidad de búsqueda o memoria fáctica. Modelos basados en redes neuronales profundas, como los grandes modelos de lenguaje, aprenden patrones complejos del lenguaje y del mundo; Sin embargo, ese es el conocimiento del sistema y es diferente al humano, porque no tienen experiencia directa del mundo, no comprenden físicamente lo que describen, en muchas ocasiones, pueden generar respuestas convincentes, aunque sean incorrectas y su entendimiento depende de los datos y el entrenamiento que tiene, no de vivencias propias, ya que un humano sabe qué es el dolor no solo por definición, sino por experiencia; es decir, en un momento de su vida ya lo ha sufrido; mientras que un modelo de sistema puede describir muy bien el dolor, pero por referencia, ya que jamás lo ha sentido ni podrá sentirlo.
El NLP puede detectar emociones, responder con empatía y adaptar el tono, y en muchos casos parece que “sensible” a la experiencia, pero lo hace de forma simulada de acuerdo a patrones estadísticos, no por conciencia emocional.
Por ejemplo: Puede reconocer tristeza en un mensaje, pero no siente tristeza; puede responder de manera calmada y compasiva, pero no tiene sentimientos, como un deseo, AMOR, miedo, apego o identidad propia.
