Gaceta Crítica

Jan Krikke (ASIA TIMES), 8 de Julio de 2026

Mientras Silicon Valley persigue chatbots e IA general, China está construyendo sistemas de IA que detectan y se adaptan a un mundo dinámico.

Cada pocos meses, un nuevo avance chino en inteligencia artificial (IA) acapara los titulares mundiales. Un modelo de IA chino se acerca a sus rivales estadounidenses, un equipo de investigación chino supera una prueba de referencia, una fábrica china se vuelve más inteligente, una ciudad está más conectada y una cadena de suministro es más predictiva.

China no solo está construyendo sistemas de IA más grandes que los de Estados Unidos. Desde gemelos digitales y ciudades inteligentes hasta logística predictiva y fabricación inteligente, cada vez más está creando sistemas diseñados menos para conversar que para coordinar, menos para imitar que para gestionar.

Esa diferencia plantea una cuestión más amplia. ¿Por qué China ha puesto tanto énfasis en la IA para afrontar el cambio, mientras que gran parte del debate occidental se ha centrado en los chatbots, el software de productividad y la inteligencia artificial general?

La respuesta no reside únicamente en la economía o la política industrial, sino en una forma de pensar china mucho más antigua sobre la inteligencia misma.

El binario y el libro

Hace más de tres siglos, un intercambio epistolar entre Europa y Pekín unió dos ideas muy diferentes sobre la inteligencia.

En 1701, Gottfried Wilhelm Leibniz envió una explicación de su recién desarrollada aritmética binaria a Joachim Bouvet, un jesuita francés en la corte del emperador Kangxi. Leibniz había demostrado que cualquier número podía expresarse utilizando solo dos símbolos —0 y 1—, un descubrimiento que se convertiría en fundamental para la computación digital.

La respuesta de Bouvet lo sorprendió. Le envió un diagrama de los 64 hexagramas del I Ching, o Libro de los Cambios, uno de los clásicos filosóficos más antiguos de China. Cada hexagrama consta de seis líneas continuas o discontinuas, lo que produce exactamente 64 combinaciones posibles.

Para Leibniz, el parecido era innegable. Concluyó que los antiguos chinos, en efecto, se habían anticipado a la aritmética binaria mucho antes de que Europa la formalizara.

Esa afirmación es demasiado simplista para tomarla al pie de la letra. El I Ching nunca fue un sistema matemático. Pero Leibniz observó algo real: los hexagramas organizan símbolos discretos de una manera que invita a la identificación de patrones, la clasificación y la transformación.

Es decir, el I Ching no es solo un sistema de formas, sino una guía para el cambio. Al trazar un hexagrama, ciertas líneas se «mueven», transformando un patrón en otro. Lo que importa no es solo lo que aparece, sino en qué se está convirtiendo.

Leibniz consideraba los hexagramas principalmente como un código simbólico. Lo que no comprendió es que poseen dos dimensiones simultáneamente: estructura y transformación. Sus seis líneas son símbolos discretos, contables y clasificables.

Pero esos símbolos solo tienen significado en relación con el proceso de cambio que fueron creados para representar. Si se elimina el movimiento, un hexagrama se convierte simplemente en un patrón. Si se restaura, se transforma en un instante dentro de algo más amplio y continuo.

Esto no significa afirmar que el I Ching «predijo» de alguna manera la IA moderna, ni que los ingenieros chinos de hoy en día estén canalizando conscientemente la adivinación antigua.

Más bien, el I Ching ejemplifica una orientación intelectual que ha persistido de diversas formas en el pensamiento chino: una atención al flujo, la interdependencia y la dirección del cambio, en lugar de categorías fijas y representaciones estáticas.

Esa orientación más amplia no ha desaparecido de la vida intelectual china. Si bien la IA moderna se nutre de la ciencia y la ingeniería globales, resulta llamativo que algunas de sus aplicaciones más destacadas en China —gemelos digitales, infraestructura inteligente y gestión urbana predictiva— sitúen la adaptación continua en el centro de su funcionamiento.

Esa orientación no determinó la estrategia de IA de China, pero puede haber hecho que ciertas preguntas de ingeniería parecieran más naturales de plantear, y que ciertos tipos de sistemas parecieran más naturales de construir.

La gran división

Posteriormente, los matemáticos dieron nombres formales a las dos dimensiones que intervienen en este caso: discreta y continua.

Aristóteles ya había separado la cantidad discreta de la continua, y Euclides incorporó esa distinción a la estructura de los Elementos. Lo que cambió en el siglo XIX fue el surgimiento de dos tradiciones rigurosas construidas en torno a esa separación.

Las matemáticas continuas, moldeadas por el cálculo, se convirtieron en el lenguaje del flujo, el movimiento y el cambio. Las matemáticas discretas se desarrollaron paralelamente, ocupándose de los números, la lógica y las operaciones simbólicas.

La informática heredó la tradición discreta. George Boole transformó la lógica en álgebra. Claude Shannon demostró cómo implementar la lógica booleana mediante circuitos eléctricos. Alan Turing demostró cómo las operaciones simbólicas podían convertirse en computación. Una vez que el mundo pudo representarse mediante bits, la tecnología digital avanzó a una velocidad asombrosa.

La IA heredó la misma lógica de representación. Toda interacción con un sistema de IA comienza con la traducción: el lenguaje se convierte en tokens, las imágenes en píxeles, el comportamiento en datos. Un mundo continuo se transforma en formas discretas que las máquinas pueden manipular.

Esa estrategia ha tenido un éxito extraordinario. Pero los sistemas que la IA busca comprender cada vez más —ciudades, cadenas de suministro, mercados financieros, ecosistemas— nunca están estáticos. Cambian constantemente mientras se toman decisiones.

Un mapa puede volverse infinitamente más detallado y aun así capturar solo un instante. Una brújula, en cambio, tiene una función diferente: nos ayuda a orientarnos en un paisaje que ya se mueve bajo nuestros pies.

La distinción entre mapa y brújula ya no es filosófica, sino que representa un problema de ingeniería.

La inteligencia como infraestructura

Hoy en día, la mayoría de la gente se familiariza con la IA a través de chatbots, buscadores, traductores o generadores de imágenes. La IA se presenta como una aplicación más en la pantalla: útil, cada vez más capaz, pero aún algo a lo que recurrimos cuando lo necesitamos.

Ahora imagina la IA desempeñando un papel diferente. En lugar de responder preguntas, ajusta los semáforos a medida que aumenta la congestión. Equilibra el suministro eléctrico en la red según la demanda. Predice fallos en los equipos antes de que ocurran, redirige el transporte de mercancías para evitar interrupciones o actualiza continuamente un modelo digital de toda una ciudad mientras millones de personas la transitan.

En esa visión, la IA ya no es solo una herramienta. Se convierte en parte de la infraestructura sobre la que funciona la sociedad.

A diferencia de Estados Unidos, China ha hecho que esta visión sea especialmente visible. Ha invertido fuertemente en gemelos digitales, fabricación inteligente, logística predictiva y sistemas de gestión urbana. El énfasis no está tanto en los chatbots como en los sistemas que coordinan el cambio continuo.

El sistema City Brain de Hangzhou es un ejemplo útil. En lugar de limitarse a recopilar datos de tráfico, el sistema analiza el flujo vehicular, la congestión, las rutas de emergencia y el transporte público en tiempo real, y luego ajusta las señales y las rutas en consecuencia.

La ciudad no se concibe como un conjunto de intersecciones aisladas, sino como un único sistema en constante evolución cuyas partes se influyen mutuamente. Un modelo de tráfico estático puede describir la congestión de ayer. Un gemelo digital, actualizado continuamente, intenta anticipar la de mañana.

Esta misma orientación se observa en los debates chinos sobre la IA. El marco DIKWP de Yucong Duan —Datos, Información, Conocimiento, Sabiduría y Propósito— amplía la jerarquía habitual al añadir el propósito como quinto elemento. La idea es sencilla: la inteligencia no se limita al procesamiento de datos, sino que se centra en por qué esos datos son importantes y qué objetivos persiguen.

Otro concepto útil es el de «gongsheng» (共生), que suele traducirse como simbiosis o coevolución. En lugar de considerar a los humanos, las máquinas y las instituciones como entidades separadas, enfatiza la interacción continua y la adaptación mutua. Desde esta perspectiva, la inteligencia surge no solo del cálculo, sino también de la relación.

Mientras que el I Ching preguntaba cómo interpretar la dirección del cambio a través de líneas en movimiento, el DIKWP pregunta cómo un sistema de IA puede mantener su propósito a medida que los datos que procesa cambian a su alrededor. Ambos conciben la estabilidad como una relación dinámica, no como un estado fijo.

Se trata de ideas de ingeniería contemporáneas, no de reinterpretaciones de la filosofía antigua. Sin embargo, abordan un problema recurrente con sorprendente continuidad: ¿cómo debemos actuar cuando el mundo está en constante movimiento?

Mapa y brújula

Leibniz nunca comprendió del todo su descubrimiento. Murió en 1716 aún convencido de que los hexagramas eran una antigua versión china de la aritmética binaria. Tenía razón en cuanto a las matemáticas, pero no en el significado profundo. Las líneas nunca fueron simplemente un código; eran un registro de la transformación de las cosas en otras.

Tres siglos después, la misma brecha sigue separando a muchos sistemas de IA. Un chatbot realiza un intercambio estático: entrada de idioma, salida de idioma, un turno a la vez. Un sistema de gestión urbana hace algo diferente: observa cómo cambia la ciudad y se adapta a ello.

En abstracto, ninguno es más inteligente que el otro, ya que están diseñados para tareas diferentes. Uno pregunta qué se está diciendo; el otro pregunta qué sucederá a continuación.

Las inversiones chinas en inteligencia artificial aplicadas a gemelos digitales, logística predictiva y sistemas de gestión urbana no demuestran una filosofía superior. Más bien, reflejan prioridades de ingeniería diferentes, moldeadas por un Estado que desde hace tiempo considera la infraestructura y la gobernanza como elementos estrechamente vinculados, y por una arraigada tradición intelectual de priorizar la orientación sobre la inmutabilidad.

Pero sería un error plantear esto como una contienda civilizatoria que enfrenta a un «Oriente holístico» contra un «Occidente analítico». La investigación en IA estadounidense y europea ya avanza en direcciones similares: modelos del mundo, control continuo, sistemas integrados y agentes que rastrean un entorno dinámico en lugar de describir uno estático. Los marcos teóricos difieren, pero el desafío subyacente es el mismo.

Y ese desafío no hará más que crecer. Las ciudades, las redes eléctricas y las cadenas de suministro no se detienen mientras se entrena un modelo. Los sistemas diseñados para gestionarlas deberán hacer dos cosas a la vez: representar el mundo en partes discretas y computables, y rastrear el cambio continuo que nunca cesa bajo esas partes.

Tanto para los investigadores como para los ingenieros de IA, el desafío se está volviendo cada vez más práctico: cómo combinar una representación precisa con una adaptación continua.

Un mapa y una brújula resuelven problemas diferentes: el primero indica la ubicación y la segunda, la dirección. Ninguno reemplaza al otro, y nadie que cruce terreno desconocido llevaría solo uno. El reto no reside en elegir entre ellos, sino en aprender a usarlos conjuntamente.