Dar corazón a la IA

Lenguas, cultura y sociedad desde China, con un contrapunto desde Siberia

Radar · 17 de agosto de 2026

¿Qué significa pensar la inteligencia artificial desde una tradición cultural propia?

Una de las respuestas más sugerentes de estas semanas llega desde China. Un extenso artículo publicado por China Social Sciences Network / Chinese Social Sciences Today organiza sus preguntas sobre el futuro de la IA reformulando una referencia clásica del pensamiento chino.

Las llamadas “Cuatro frases de Hengqu”, asociadas al filósofo de la dinastía Song Zhang Zai, hablan de dar corazón al cielo y la tierra, fundamento vital al pueblo, continuidad al conocimiento heredado y paz a las generaciones futuras. El texto dedicado a la IA recupera deliberadamente esa estructura. Habla de “dar corazón a la inteligencia artificial”, de dar fundamento a una sociedad inteligente, de prolongar el conocimiento de la civilización y de abrir un futuro para la humanidad.

No es únicamente un recurso literario.

Permite observar cómo una tecnología presentada muchas veces como universal empieza a ser interpretada mediante vocabularios culturales, proyectos políticos y formas locales de pensar la relación entre conocimiento, sociedad y responsabilidad.

Otro debate celebrado pocos días después lleva esa discusión hasta las lenguas minoritarias y las humanidades digitales. Y, desde Siberia, un estudio sobre cuatro colectivos científicos muestra algo parecido a otra escala. Incorporar IA exige modificar datos, relaciones profesionales y criterios sobre lo que puede aceptarse como conocimiento.

Tres historias diferentes atraviesan así una misma pregunta. ¿Qué ocurre cuando la IA tiene que entrar en mundos que ya poseen lenguas, valores, instituciones y formas propias de producir verdad?

Las lenguas que una máquina debe aprender a habitar

El 6 de agosto, China Social Sciences Today publicó «Promover el desarrollo coordinado de la IA y las humanidades», una crónica de la cuarta Escuela de Verano sobre Corpus y Humanidades Digitales celebrada en la Universidad Normal de Nanjing. La universidad había reunido durante once días a especialistas de numerosas instituciones chinas e internacionales.

Entre las intervenciones aparece Long Congjun, investigador del Instituto de Etnología y Antropología de la Academia China de Ciencias Sociales. Su planteamiento une dos procesos que con frecuencia se presentan por separado. Los corpus permiten desarrollar sistemas de IA, pero esos sistemas también están modificando cómo se construyen, exploran y utilizan los corpus lingüísticos. Para Long, este encuentro necesita personas formadas simultáneamente en tecnología y humanidades.

La discusión adquiere otra profundidad cuando Fang Xiaobing, de la Universidad de Nanjing, aborda las lenguas amenazadas.

Los grandes modelos podrían aprender sus formas de expresión, contribuir a su conservación digital y permitir que generaciones posteriores encuentren nuevas maneras de acercarse a ellas. Fang introduce inmediatamente dos dificultades que impiden reducir esa tarea al almacenamiento de palabras. Los modelos siguen encontrando problemas para comprender lo que una expresión comunica sin decirlo explícitamente y el contexto cultural que permite interpretarla.

Una lengua aparece aquí como algo bastante más complejo que un conjunto de tokens.

Quién habla, ante quién, en qué situación, qué relación existe entre esas personas y qué conocimientos comparten puede modificar el significado de una expresión. Una grabación puede conservar una voz y un corpus puede almacenar millones de palabras sin garantizar por ello que las relaciones sociales que producen su significado hayan sobrevivido a la digitalización.

El debate de Nanjing plantea también que las humanidades participen en la construcción de los propios modelos. Su Qi, de la Universidad de Pekín, propone pasar de utilizar sistemas diseñados fuera de las disciplinas humanísticas a incorporar conocimiento procedente de esas disciplinas en su diseño y evaluación. La fuente recoge experimentos en los que marcos humanísticos modifican procesos internos del modelo y mejoran determinadas tareas de comprensión y generación.

Esta discusión tiene un correlato muy concreto dentro de la propia Academia China de Ciencias Sociales.

Su Laboratorio de Lenguas Étnicas, Cultura y Conducta (民族语言文化行为实验室), dirigido por Long Congjun, describe su metodología de manera especialmente gráfica. En lugar de empezar por una tecnología y buscar después dónde aplicarla, el equipo parte de problemas lingüísticos y culturales y obliga a las herramientas digitales a adaptarse. La institución denomina este procedimiento “los problemas humanísticos tiran de la tecnología en sentido inverso”.

El motivo aparece en los propios materiales.

Muchos contienen pocos ejemplos, sistemas de escritura diferentes y combinaciones de textos, imágenes, documentos históricos y registros de campo. Los modelos generalistas, afirma el laboratorio, no se adaptan bien a esas condiciones.

El equipo ha desarrollado reconocimiento de caracteres para uigur, antiguo uigur, manchú, tibetano, yi y tangut, además del Alfabeto Fonético Internacional. Para antiguo uigur diseñó un procedimiento que reconoce primero la transliteración latina y posteriormente reconstruye los caracteres originales. También ha entrenado modelos de transcripción para siete lenguas y variedades y construido archivos sonoros asociados a diez proyectos de patrimonio cultural inmaterial. La tasa de error inferior al 15 % comunicada por la institución corresponde a sus propias evaluaciones y no a una auditoría externa.

En otro proyecto, métodos cuantitativos se emplean para estudiar relaciones entre lenguas y dialectos. El laboratorio explica que esos análisis se han utilizado, entre otros casos, para clasificar variedades yi y relaciones entre lenguas de las ramas tibetana y qiang.

Aquí aparece una dimensión especialmente interesante para la antropología.

Convertir una lengua en infraestructura computacional exige segmentar, clasificar, transliterar, establecer semejanzas y definir diferencias. Son operaciones técnicas, pero al mismo tiempo participan en la construcción de categorías culturales y lingüísticas.

La preservación digital deja entonces de parecer una simple operación de rescate. También produce una nueva representación de aquello que pretende conservar.

Clave AIthropology Lab — Hacer que una lengua sea legible para una máquina implica decidir qué elementos la representan, cómo se clasifican sus variantes y qué relaciones culturales consiguen sobrevivir a esa transformación.

Dar corazón a una sociedad inteligente

El 3 de agosto, Chinese Social Sciences Today publicó «Preguntas de futuro en la era de la inteligencia artificial», firmado por Yuan Huajie, Zha Jianguo y Chen Lian. El artículo reúne entrevistas con especialistas de universidades e instituciones chinas tras la Conferencia Mundial de Inteligencia Artificial de 2026.

Su construcción resulta culturalmente significativa.

Los cuatro grandes apartados reelaboran las “Cuatro frases de Hengqu” de Zhang Zai. El antiguo ideal intelectual se convierte así en una estructura para pensar la tecnología contemporánea. La IA debe recibir un “corazón”; la sociedad inteligente necesita un fundamento; la civilización debe conservar y continuar sus conocimientos; el futuro requiere un orden capaz de mantener abierta la capacidad humana para decidir.

La primera de esas operaciones conduce directamente hacia los valores.

El artículo recoge la propuesta de Zhu Songchun, director del Instituto de Inteligencia Artificial General de Pekín, de “dar corazón a la máquina” mediante recursos filosóficos y morales, entre ellos ideas acerca de la conciencia moral, la reciprocidad y la relación entre individuo y colectivo. El filósofo Zhao Tingyang introduce otra frontera. Las máquinas pueden ampliar capacidades y liberar tiempo, pero la elección de fines, la atribución de significado y la responsabilidad por las consecuencias deberían continuar perteneciendo a las personas.

El vocabulario empleado merece atención por sí mismo.

Frente a un discurso internacional sobre alignment formulado principalmente alrededor de seguridad, preferencias o valores abstractos, aquí encontramos una discusión que introduce explícitamente recursos procedentes de tradiciones intelectuales chinas para imaginar qué relación debería establecerse con una inteligencia artificial.

Después, el artículo desciende desde los valores hacia la organización cotidiana de la sociedad.

Identifica tres transformaciones ya en marcha. El trabajo empieza a reorganizarse alrededor del reparto de tareas entre personas y sistemas. Las organizaciones pueden convertirse en estructuras híbridas donde distintos agentes participan en flujos de decisión. Finalmente, la IA comienza a pasar de herramienta visible a infraestructura social.

En el ámbito organizativo aparece una ambivalencia particularmente fértil.

Gao Hongbing, de la Universidad de Finanzas y Economía de Shanghái, imagina organizaciones donde personas y agentes forman pequeñas unidades capaces de reducir algunas jerarquías tradicionales. Cui Lili advierte de la posibilidad contraria. Quienes controlen modelos, datos y permisos también podrían acumular nuevas formas de autoridad. El resultado depende de cómo se distribuyan los accesos y de si las responsabilidades pueden reconstruirse después de una decisión.

La transformación adquiere otra escala cuando Lan Jiang, profesor de Filosofía de la Universidad de Nanjing, describe los grandes modelos descendiendo desde el paisaje visible de la tecnología hasta instalarse como infraestructura.

El artículo menciona contratación, crédito, medicina, distribución de contenidos y servicios públicos. Cuando los sistemas intervienen en esos ámbitos, también participan en el reparto de oportunidades y riesgos. Aparecen entonces derechos asociados a saber que existe una intervención algorítmica, rechazarla, impugnarla y solicitar reparación.

La elección de palabras importa.

El propio texto sostiene que China necesita desarrollar estos sistemas atendiendo a sus escenarios sociales, su contexto cultural y sus necesidades industriales, además de construir estándares propios para la interacción entre personas y máquinas.

Más adelante da otro paso.

Cuando los modelos se convierten en infraestructura para producir conocimiento y transmitir cultura, qué lenguas contienen, qué conocimientos conservan y qué valores incorporan empieza a afectar a la capacidad de una sociedad para representarse mediante ellos. El artículo relaciona así inteligencia artificial, soberanía tecnológica y lo que denomina capacidad de expresión de una civilización.

Leído de esta manera, “dar corazón a la IA” significa mucho más que humanizar una máquina.

Implica discutir qué tradiciones intelectuales se incorporan a ella, qué formas de autoridad se construyen alrededor de sus decisiones y qué capacidad mantiene una sociedad para reconocerse en la infraestructura tecnológica que utiliza.

Clave AIthropology Lab — Los modelos no transportan únicamente capacidades. También llevan categorías, lenguas y formas de ordenar el conocimiento. Construir una IA situada supone disputar qué cultura consigue entrar en la máquina y bajo qué condiciones.

Siberia y las reglas para producir verdad

El contrapunto llega desde la Universidad Estatal de Tomsk.

Artem A. Sazonov, Evgeniya V. Popova y Daria M. Matsepuro estudian cuatro colectivos científicos de instituciones siberianas que han incorporado o intentado incorporar IA en investigaciones de física, historia y medicina. El trabajo aparece en Higher Education in Russia, volumen 35, número 6. Sazonov y Matsepuro pertenecen al Laboratorio de Investigación de Arqueología y Etnografía de Siberia y Popova dirige el Departamento de Antropología y Etnología de la universidad.

La investigación utiliza entrevistas semiestructuradas en profundidad dentro de un diseño de casos múltiples y permite observar la integración tecnológica desde dentro de los colectivos.

Los problemas empiezan mucho antes de ejecutar un modelo.

La pregunta científica debe poder transformarse en un problema abordable mediante IA y los datos tienen que presentar una estructura adecuada. Cuando eso no ocurre, los materiales acumulados durante años necesitan limpiarse, reclasificarse y reorganizarse.

Después aparece la cooperación profesional.

Los equipos necesitan incorporar o colaborar con personas especializadas en programación y ciencia de datos. El apoyo institucional, los recursos económicos y la posibilidad de sostener esas relaciones a lo largo del tiempo condicionan el resultado. La investigación identifica además la importancia de perfiles capaces de actuar como traductores entre disciplinas, conectando el conocimiento del objeto científico con el conocimiento computacional.

La fricción más profunda afecta a los criterios de validez.

Cada comunidad científica posee reglas sobre qué constituye evidencia, qué procedimientos permiten verificarla y cuándo un resultado puede defenderse ante otras personas de la misma disciplina. Los sistemas opacos plantean dificultades diferentes en física, historia o medicina. Integrar IA significa también encontrar una manera de acomodarla dentro de esos estándares de conocimiento.

Por eso el estudio describe la incorporación de IA como un proceso de coordinación entre preguntas, datos, competencias, cultura organizativa y normas disciplinares, y no como una consecuencia automática del progreso tecnológico.

Cuatro colectivos no representan a toda la ciencia rusa. Sí permiten observar con bastante precisión cómo una tecnología adquiere legitimidad dentro de comunidades científicas concretas.

Clave AIthropology Lab — Las máquinas pueden producir resultados mucho antes de que una comunidad esté preparada para reconocer esos resultados como conocimiento. Entre ambas cosas existen relaciones profesionales, instituciones y reglas sobre lo verdadero.

Lo que entra en la máquina

Las tres historias dejan ver procesos distintos.

En el trabajo sobre lenguas minoritarias de China hay que decidir cómo convertir escrituras, voces y contextos culturales en información computable.

En el debate sobre una sociedad inteligente aparecen tradiciones filosóficas que intentan proporcionar un vocabulario propio para pensar valores, responsabilidad y futuro.

En los laboratorios siberianos deben reconstruirse datos, relaciones entre especialidades y mecanismos de validación.

La IA adquiere así formas diferentes porque encuentra mundos diferentes.

Y esos mundos tampoco salen intactos del encuentro. Digitalizar puede modificar la forma de clasificar una lengua. Automatizar puede redistribuir autoridad dentro de una organización. Introducir nuevos métodos de análisis puede alterar qué competencias necesita un laboratorio para producir conocimiento reconocido como válido.

El caso chino añade algo especialmente sugerente.

Mientras buena parte del debate global intenta formular principios universales para gobernar la IA, aquí encontramos también un esfuerzo por traducir la inteligencia artificial a vocabularios culturales propios. Que una publicación contemporánea vuelva a Zhang Zai para preguntarse cómo “dar corazón” a una máquina no convierte automáticamente esas ideas en una representación de China. Sí muestra que el desarrollo de IA también está convirtiéndose en un terreno donde se reinterpretan tradiciones, se construyen identidades y se discute quién puede definir el futuro.

Tal vez ahí aparezca una de las tareas más fértiles para una antropología de la inteligencia artificial.

Seguir no sólo qué tecnologías circulan por el mundo, sino qué mundos intentan inscribirse en ellas.

Fuentes