A pesar de los notables avances, la inteligencia artificial actual adolece de varias limitaciones intrínsecas. Una de las más significativas es su propensión a las alucinaciones, en las que el modelo genera información que no está presente en sus datos de entrenamiento y que, por lo tanto, es incorrecta o incluso inventada. Estas alucinaciones pueden manifestarse como hechos falsos, citas inexistentes o respuestas incoherentes, lo que socava la fiabilidad de la IA en ciertos contextos críticos. Esta limitación se deriva de la naturaleza probabilística de los modelos de lenguaje y su tendencia a completar patrones incluso cuando la información subyacente es insuficiente o inexistente.
Otra limitación crucial es la falta de información actual y en tiempo real. La mayoría de los modelos de IA se entrenan con grandes conjuntos de datos recopilados hasta un punto específico en el tiempo. Esto significa que su conocimiento sobre eventos recientes o información que cambia rápidamente es limitado o inexistente. Si bien algunos modelos pueden conectarse a internet para acceder a información actualizada, esta capacidad no siempre es inherente y puede introducir otros desafíos relacionados con la verificación y la calidad de las fuentes. Esta falta de conciencia del presente puede hacer que las respuestas de la IA sean obsoletas o irrelevantes en situaciones dinámicas.
Además de estas limitaciones específicas, persiste la falta de comprensión y razonamiento de sentido común. Las IAs sobresalen en la identificación de patrones, pero carecen de la intuición humana sobre el mundo. Pueden procesar lenguaje, pero a menudo fallan en la comprensión del contexto implícito, las metáforas o el sarcasmo. Esta carencia las hace vulnerables a errores absurdos o decisiones ilógicas fuera de su entrenamiento específico. Asimismo, su dependencia de grandes cantidades de datos de alta calidad para el entrenamiento sigue siendo un desafío, ya que los sesgos en los datos pueden generar resultados injustos o discriminatorios.
La falta de verdadera creatividad y capacidad de generalización robusta también limita su potencial. Si bien pueden generar contenido aparentemente creativo, en realidad están recombinando patrones aprendidos. Carecen de la originalidad humana y la capacidad de aplicar conocimientos en dominios completamente nuevos con la misma flexibilidad. Finalmente, la explicabilidad y la transparencia en los modelos complejos siguen siendo un obstáculo, dificultando la comprensión de sus decisiones y generando problemas de confianza y rendición de cuentas en aplicaciones críticas. La ausencia de conciencia y emociones profundas también distingue fundamentalmente a la IA actual de la inteligencia humana.