Desde mediados del siglo XX, la biología molecular describe el ADN con metáforas de lenguaje e información: código, mensaje, transcripción, traducción, programa. La historiadora Lily Kay reconstruyó el origen de ese vocabulario en Who Wrote the Book of Life? A History of the Genetic Code (Stanford University Press, 2000) y mostró que no nació en la biología sino en la cibernética y la teoría de la información de posguerra, y que moldeó la manera en que pensamos el genoma mucho antes de que hubiera evidencia para sostenerlo.

En un artículo anterior, «Los límites de la metáfora del código», sostuve que describir el ADN como código parece explicar más de lo que explica: la evidencia sobre el ADN no codificante obliga a considerar que buena parte del genoma es historia evolutiva acumulada, no un mensaje escrito con un propósito. Con la etiqueta «lo escribió una IA» ocurre algo parecido, pero en sentido inverso: parece refutar más de lo que refuta. En ambos casos, la palabra ocupa el lugar del análisis.

La pregunta que ordena este texto es simple: ¿se puede descartar una idea solo porque intervino una inteligencia artificial en su producción? La respuesta rápida es que no. Pero la respuesta rápida esconde una distinción que conviene hacer con cuidado, porque la procedencia de una idea no es irrelevante; lo que no puede es reemplazar el examen.

Un error con nombre propio

La lógica tiene un nombre para este gesto. Morris Cohen y Ernest Nagel lo llamaron falacia genética en An Introduction to Logic and Scientific Method (1934): juzgar una afirmación por su origen en lugar de por sus fundamentos. Una afirmación no se vuelve falsa porque la haya formulado un algoritmo, del mismo modo que no se vuelve verdadera porque la pronuncie una persona prestigiosa.

Detrás de la falacia hay una distinción más antigua. Hans Reichenbach, en Experience and Prediction (1938), separó el contexto de descubrimiento, cómo alguien llega a una idea, del contexto de justificación, por qué esa idea merece ser aceptada. El primero puede incluir intuiciones, sueños, conversaciones o, ahora, una consulta a un modelo de lenguaje. El segundo exige razones que cualquiera pueda revisar. Descartar una idea por su origen es confundir los dos planos: tratar una pregunta de justificación con una respuesta de descubrimiento.

Esto no vuelve irrelevante la procedencia. Saber cómo se produjo un texto ayuda a calibrar la confianza inicial, anticipar qué errores son probables y decidir qué comprobar. Una IA puede inventar datos, repetir sesgos y presentar errores con aplomo. Por eso conviene revisar las fuentes, comprobar las citas, examinar el razonamiento y buscar contraejemplos. Si la idea no resiste ese examen, habrá que rechazarla por sus fallas. Lo que no corresponde es rechazarla antes de examinarla.

La norma que la ciencia ya se había dado

La comunidad científica formuló hace más de ochenta años el principio que hoy parece olvidarse. Robert K. Merton, en el ensayo de 1942 que hoy se conoce como «The Normative Structure of Science», llamó universalismo a la primera de las normas de la ciencia: la aceptación o el rechazo de una afirmación no debe depender de los atributos personales o sociales de quien la propone, sea su raza, su nacionalidad, su religión o su clase (la paráfrasis es mía). Las afirmaciones se someten a criterios impersonales, establecidos de antemano.

Merton pensaba en personas, no en máquinas. Extender su norma a un texto producido con una herramienta es una inferencia mía, y la marco como tal. Pero me parece la extensión natural: si la ciencia decidió que el origen social de quien afirma no decide la verdad de lo afirmado, no veo por qué el origen técnico debería decidirla.

Merton escribía, además, con un ejemplo a la vista. En la Alemania de los años treinta, Philipp Lenard y Johannes Stark, ambos premios Nobel de física, impulsaron una «física alemana» que rechazaba la relatividad por ser «física judía». No discutían sus ecuaciones ni sus predicciones: la descartaban por el origen de quien la había formulado. La relatividad siguió siendo verdadera, y la física alemana pagó el prejuicio con años de atraso.

La Unión Soviética ofrece el caso simétrico. Bajo Trofim Lysenko, la genética fue declarada «ciencia burguesa» y condenada por su procedencia ideológica, no por la evidencia. Nikolai Vavilov, uno de los mayores genetistas de su tiempo, fue arrestado en 1940 y murió en una prisión de Saratov en 1943. Ahí descartar una idea por su origen terminó matando a una persona.

Hasta aquí, el argumento podría leerse como una exageración: comparar el rechazo de un texto asistido por IA con la persecución de científicos. No es esa la comparación. La gravedad de los casos es incomparable. Lo que comparten es el mecanismo, juzgar por el origen y no por las razones, y conviene reconocerlo cuando todavía opera en su versión más leve.

Las palabras que cierran discusiones

Confieso que esto me frustra. Me recuerda algo que aprendí leyendo los libros de mi abuela: las ideas no deberían juzgarse por quién las pronuncia, sino por lo que dicen y por las razones que las sostienen.

También me hace pensar en 1984 (1949). En la novela de George Orwell, Syme, el filólogo que trabaja en el diccionario de la neolengua, lo explica sin rodeos: toda la finalidad de la neolengua es estrechar el ámbito del pensamiento. Si las palabras disponibles se reducen, se reduce lo que puede pensarse. No digo que descartar un texto hecho con IA sea lo mismo que la censura de la novela. Digo que hay algo inquietante cuando una etiqueta alcanza para cerrar una discusión antes de que empiece. «Lo escribió una IA» funciona, en esos casos, como una palabra de neolengua: no describe el texto, lo clausura.

Mi sospecha es que buena parte del rechazo no nace de una evaluación de riesgos sino de una regla de pertenencia: qué textos merecen entrar en la conversación y cuáles no. Es una hipótesis, no un resultado; pero explicaría por qué el rechazo suele llegar antes que cualquier lectura.

Lo que queda

La salida no es confiar ciegamente en la herramienta ni defender cada uso que se hace de ella. Es hacer dos cosas a la vez: decir con transparencia cómo se produjo un texto y someter lo que afirma al mismo examen que cualquier otro. La transparencia permite evaluar; no reemplaza la evaluación.

Si la idea es falsa, discutámosla. Si está mal argumentada, mostremos dónde. Pero descartarla solo porque intervino una IA no es crítica: es renunciar a examinarla.

Fuentes

• Cohen, Morris R. y Nagel, Ernest. An Introduction to Logic and Scientific Method. Nueva York: Harcourt, Brace and Company, 1934.
• Dagorret, Carlos. «Los límites de la metáfora del código: ADN basura y la disputa sobre ENCODE».
• Kay, Lily E. Who Wrote the Book of Life? A History of the Genetic Code. Stanford: Stanford University Press, 2000.
• Merton, Robert K. «Science and Technology in a Democratic Order». Journal of Legal and Political Sociology 1 (1942), 115–126. Reeditado como «The Normative Structure of Science» en The Sociology of Science. Chicago: University of Chicago Press, 1973.
• Orwell, George. Nineteen Eighty-Four. Londres: Secker & Warburg, 1949.
• Reichenbach, Hans. Experience and Prediction. Chicago: University of Chicago Press, 1938.
• Sobre la «física alemana»: Beyerchen, Alan D. Scientists under Hitler: Politics and the Physics Community in the Third Reich. New Haven: Yale University Press, 1977.
• Sobre Lysenko y Vavilov: Pringle, Peter. The Murder of Nikolai Vavilov. Nueva York: Simon & Schuster, 2008.