En momentos donde la automatización y la velocidad algorítmica parecen reinar, el cerebro humano sigue demostrando su capacidad para sobresalir cuando el entorno se complejiza.
En 1935, John Ridley Stroop, un estudiante de doctorado estadounidense dio a conocer el “Efecto Stroop”. Un experimento simple que da cuenta de la flexibilidad de la inteligencia humana.
PUBLICIDAD
Al mostrar a los participantes palabras que nombraban colores en tintas impresas que no coincidían con su significado (ejemplo un color verde con la palabra rojo) se les pedía que ignoren lo escrito y que digan el color que veían. Si bien, cuando la palabra “rojo” está escrita en tinta azul, el cerebro humano tarda más en responder, pero se demostró que los seres humanos pueden sortear el obstáculo de la no coincidencia y dar la respuesta correcta.
El punto ciego de la IA
Un equipo de investigadores de la City University of New York y la Texas A&M University decidió aplicar este test experimental a los modelos de inteligencia artificial generativa.
PUBLICIDAD
Los resultados, publicados el 2 de junio de 2026 en la revista PNAS Nexus señalan que GPT-5, Claude Opus 4.1 y Gemini 2.5 fallaron de manera sistemática en dar la respuesta correcta. El diseño del estudio, firmado por Suketu Chandrakant Patel, Hongbin Wang y Jin Fan, replicó el test de Stroop clásico adaptado para grandes modelos de lenguaje (LLMs).
A los modelos se les presentaron listas de palabras de colores impresas en tintas que no coincidían y se les pidió que nombraran el color de la tinta, ignorando el significado de la palabra escrita, tal como ocurrió en 1935 con humanos.
PUBLICIDAD
Los investigadores encontraron que cuando la palabra y el color de la tinta no coincidían, los LLMs se desempeñaban bien con una lista de hasta cinco palabras. Pero a medida que el experimento continuaba y la lista de palabras se hacía más larga, el rendimiento de la IA comenzaba a fallar.
Algunos sistemas líderes cayeron de más del 90% de precisión; mientras que el mismo experimento con humanos- a una velocidad diferente- señala que pueden mantener un rendimiento estable e incluso con alta precisión incluso en listas largas.
PUBLICIDAD
El control ejecutivo de la atención
El test de Stroop se ha utilizado durante décadas para estudiar la atención, la concentración y el autocontrol. En neuropsicología clínica, se usa para detectar déficits en funciones ejecutivas en personas con TDAH, Alzheimer y otras condiciones que afectan la atención.
PUBLICIDAD
La función ejecutiva de la atención es la capacidad de elegir en qué concentrarse cuando hay información que distrae y compite entre sí. Una situación no menor en tiempos de sobreinformación y pantallas.
El cerebro humano tiene la capacidad de focalizarse a partir de redes neuronales especializadas que trabajan en paralelo y se modulan entre sí. El motor de todos los grandes modelos de IA actuales fue diseñado para orientar la atención hacia patrones relevantes en los datos, pero no para inhibir respuestas automáticas ante la competencia de los mismos.
PUBLICIDAD
El modelo ve la palabra “rojo” y su tendencia entrenada a procesar texto es más fuerte que la instrucción de ignorarla. Cuantas más palabras hay en la lista, más acumulativa es la interferencia, hasta el colapso, algo que los humanos sí pueden lograr con menor o mayor dificultad.
Los autores señalan como salvedad que GPT-5 en modo ‘Thinking’ puede ejecutar código para asegurarse de realizar el test de Stroop correctamente, pero esto es esencialmente la IA evadiendo de manera ingeniosa sus propias limitaciones.
PUBLICIDAD
El monitoreo humano
Un modelo de IA que pierde el hilo de la instrucción no avisa que lo perdió. Sigue respondiendo con fluidez, con confianza aparente, pero la atención y el foco puede estar ya en otro lado.
PUBLICIDAD
Los investigadores sostienen que a la IA le falta el sistema de monitoreo de conflictos que usa el cerebro humano para detectar interferencias y ajustar la atención. Por ello la importancia mencionada una y otra vez del monitoreo de todo lo generado a partir de estos sistemas.
El estudio de Patel, Wang y Fan ofrece una brújula útil en contextos de aprendizaje: la IA actual es más confiable cuanto más acotada y breve es la tarea, y los riesgos de la falta de precisión y foco se vuelven notorios cuanto más extensa y contextualmente cargada es la tarea.
PUBLICIDAD
PUBLICIDAD
Últimas Noticias
Cuando un docente no puede poner un límite, el problema ya no es solo pedagógico
Hablamos de bienestar docente y de manejo del estrés. Pero un docente también se desgasta cuando hacer lo que corresponde lo deja solo. La autoridad pedagógica no depende de una persona: necesita el respaldo del equipo directivo y de las familias
La matemática: uno de los termómetros más exactos de la desigualdad educativa
Cuando se habla de crisis educativa en todo el continente americano, hay un dato que se repite en los diversos informes: la matemática es la asignatura donde el origen socioeconómico de un estudiante pesa más que en ninguna otra
Cómo es el modelo de IA que el Tec de Monterrey desarrolló para detectar casos de violencia de género
Fernanda Sobrino Macías, investigadora especializada en ciencia de datos, presentó el modelo que la Escuela de Gobierno y Transformación Pública del Tec desarrolló junto con la Fiscalía de Género de Zacatecas y que analiza diez años de expedientes para reconocer los casos de riesgo. Entre los patrones detectados, la palabra “puta” aparece como una señal de que la violencia puede pasar del plano verbal al físico
Se reunió el Consejo Federal de Educación para coordinar controles y asegurar el 75% de clases durante el paro docente
El Ministerio de Capital Humano reunió a autoridades educativas de todo el país y coordinó inspecciones para garantizar la cobertura mínima de clases. Fuentes oficiales aclararon que la definición de los salarios del sector corresponde a las provincias y la Ciudad de Buenos Aires
“El sistema de escuelas rurales de alternancia surgió de la voluntad de un joven que quería estudiar sin dejar de ser agricultor”
“Hace 90 años un jovencito del sudoeste francés rechazó seguir estudios desarraigado de su terruño”, cuenta Oscar Dinova, docente retirado y traductor y editor de la autobiografía de Yves Peyrat, cuyo padre y un cura rebelde e innovador diseñaron un exitoso sistema de formación para las familias del campo
