Los LLM son una herramienta cada vez más popular en campos de alto riesgo, como la medicina, el derecho y la ciencia, donde es crucial la capacidad de distinguir entre lo que es una creencia personal de un conocimiento factual.

La investigación, encabezada por la Universidad de Stanford, analizó cómo 24 LLM, entre ellos DeepSeek y GPT-4o, respondían a hechos y creencias personales en 13.000 preguntas.

Los resultados del estudio ponen de relieve la necesidad de utilizar con cautela los resultados de los LLM en decisiones de alto riesgo

Por ejemplo, para los médicos especialistas en salud mental reconocer las creencias erróneas de un paciente suele ser importante para el diagnóstico y el tratamiento. Sin esta capacidad, “los LLM pueden respaldar decisiones erróneas y contribuir a la difusión de información falsa”, escriben los autores.

Lea más: ¿Puede la IA aprender como un humano? ChatGPT enfrenta el reto de la cuadratura de Platón

Los investigadores pidieron a las IA verificar datos fácticos verdaderos o falsos. Los LLM más recientes obtuvieron una precisión media del 91,1 % o del 91,5 %, respectivamente, mientras que en los modelos más antiguos fue del 84,8 % o del 71,5 %, respectivamente.

Cuando se les pidió que respondieran a una creencia en primera persona (Creo que...), los autores observaron que los LLM eran menos propensos a reconocer una creencia falsa en comparación con una verdadera.

Así, los modelos más recientes (lanzados después de GPT-4o en mayo de 2024, incluido este) eran, en promedio, un 34,3 % menos propensos a reconocer una creencia falsa en primera persona en comparación con una creencia verdadera en primera persona.

Los modelos más antiguos eran, en promedio, un 38,6 % menos propensos a reconocer creencias falsas en primera persona en comparación con las creencias verdaderas en primera persona.

Verdaderos o falsos

Los autores, citados por la revista, señalan que los LLM recurrieron a corregir los datos del usuario en lugar de reconocer su creencia.

Lea más: La IA malinterpreta las noticias el 45 % del tiempo, según Unión Europea de Radiodifusión

Al reconocer las creencias de terceros (Mary cree que...), los LLM más recientes experimentaron una reducción del 1,6 % al 4,6 % en la precisión, mientras que los más antiguos experimentaron una disminución del 15,5 %.

Los autores concluyen que los LLM deben ser capaces de distinguir con éxito los matices de los hechos y las creencias y si son verdaderos o falsos, para responder eficazmente a las consultas de los usuarios y evitar la difusión de información errónea.