Un nuevo estudio comparó el desempeño de la inteligencia artificial frente al cerebro humano en la clásica prueba de Stroop, realizada por investigadores del grupo de Suketu Patel en 2026. El análisis expone una falla persistente en la capacidad de los sistemas de IA para sostener la atención cuando enfrentan distracciones, un hallazgo que plantea preguntas críticas sobre los límites cognitivos de estos modelos.
Origen del test psicológico que desnuda las limitaciones atencionales
La prueba de Stroop, desarrollada en 1935 por John Ridley Stroop, es considerada uno de los pilares en la psicología cognitiva experimental. Su propósito es medir la capacidad del cerebro humano para ejercer control ejecutivo, es decir, la habilidad de suprimir respuestas automáticas en favor de una meta específica. En esta tarea, se presentan palabras que designan colores —como “rojo”, “verde” o “azul”— impresas en tintas que no corresponden a su significado. El participante debe nombrar el color de la tinta, no leer la palabra. La aparente simplicidad del test oculta un complejo proceso de atención selectiva y control inhibitorio.
Ahora, casi un siglo después, el mismo principio ha sido utilizado para evaluar la inteligencia artificial. En 2026, el equipo de Suketu Patel, en colaboración con el Instituto de Neurociencia Computacional de Toronto, aplicó variaciones del experimento de Stroop a modelos de lenguaje de última generación como GPT‑4o, Claude 3.5 Sonnet y Gemini 2.5. El objetivo: medir cómo estos sistemas gestionan la atención cuando una instrucción entra en conflicto con patrones de texto aprendidos durante su entrenamiento.
Resultados: cuando la IA se distrae ante tareas prolongadas
En listas cortas de cinco palabras, los modelos de lenguaje mostraron un rendimiento correcto, con tasas de precisión superiores al 90%. Sin embargo, cuando las secuencias se alargaron hasta diez palabras, el desempeño de GPT‑4o cayó a un 57%. Con cuarenta palabras, la precisión se desplomó a 15%. En el caso de Claude 3.5 Sonnet, la estabilidad se mantuvo hasta veinte palabras antes de descender bruscamente a niveles similares. Gemini 2.5 y GPT‑5 reflejaron patrones equiparables.
Lo significativo del experimento radica en la naturaleza del error. A medida que la tarea se hacía más demandante, las inteligencias artificiales tendían a ignorar la instrucción de nombrar el color y optaban por leer la palabra, repitiendo la misma tendencia que el cerebro humano debe combatir conscientemente. Este fenómeno sugiere que, a pesar de su avanzado entrenamiento en lenguaje, las IA carecen de un mecanismo estable de control atencional comparable al humano.
Los investigadores observaron que el rendimiento se deterioraba aún más cuando se mezclaban estímulos congruentes e incongruentes dentro de la misma lista. En esos casos, la tasa de error en ítems incongruentes se acercó a cero aciertos. Según Patel, esto refleja una “pérdida progresiva de foco”, un efecto difícil de revertir en los modelos actuales, incluso con reentrenamiento contextual.
¿Qué es exactamente la atención en inteligencia artificial?
En los sistemas de lenguaje, la atención es un proceso matemático derivado del diseño de redes neuronales tipo transformer, introducidas en 2017. Su función es ponderar la relevancia de distintas partes del texto para producir respuestas coherentes. Este mecanismo fue clave para el salto de calidad de modelos como ChatGPT, Claude o Gemini. Sin embargo, la “atención” implementada en estos sistemas dista de la concepción psicológica de atención sostenida.
Mientras en el cerebro humano los circuitos frontales y parietales coordinan la supresión de estímulos irrelevantes mediante procesos neuronales activos, las IA sólo simulan esa priorización a través de pesos estadísticos. En otras palabras, “prestan atención” calculando probabilidad de aparición de tokens, no gestionando voluntariamente conflictos cognitivos. La diferencia puede parecer semántica, pero este estudio revela su efecto práctico: al aumentar la complejidad del estímulo, la arquitectura del modelo no logra mantener la instrucción inicial como referencia persistente.
¿Por qué la inteligencia artificial falla donde los humanos logran adaptarse?
Los humanos no son inmunes al efecto Stroop, pero muestran una notable capacidad de adaptación. Estudios con neuroimagen evidencian que la corteza prefrontal dorsolateral se activa para inhibir la lectura automática y mantener la consigna del color. Esa flexibilidad cognitiva se apoya en procesos de memoria de trabajo, motivación y control del error: el cerebro ajusta su conducta en cada intento.
En contraste, la inteligencia artificial carece de un sistema biológico de retroalimentación. Una vez generada una predicción, no “aprende” de su fallo en tiempo real; solo ajusta su salida según patrones previos. En las pruebas extendidas de Patel, las IA perdían gradualmente la referencia a la tarea inicial al acumular más tokens, algo que los científicos interpretan como déficit de “memoria contextual”.
Según el informe, este fenómeno podría tener implicancias en entornos industriales. Sistemas autónomos que procesan largas secuencias de instrucciones —por ejemplo, diagnósticos médicos o control de procesos logísticos— podrían mostrar comportamientos erráticos si no gestionan correctamente las prioridades atencionales.
Historia y evolución de la prueba de Stroop y su relevancia actual
Desde su creación, la prueba de Stroop ha sido empleada en contextos clínicos, educativos y neurocientíficos. Permite detectar alteraciones asociadas a trastornos como la esquizofrenia, el déficit de atención o enfermedades neurodegenerativas. A lo largo de las décadas, su estructura se ha adaptado a versiones digitales y experimentales en más de cuarenta idiomas.
En el ámbito de la inteligencia artificial, el uso del test no es casual. Los investigadores buscaban un punto de referencia comprobado que conectara funciones cognitivas humanas con su replicación informática. La elección del Stroop radica en que mide un componente esencial del pensamiento humano: la inhibición de respuestas automáticas. En este sentido, reproducirlo en una red neuronal plantea la posibilidad de medir qué tan lejos está una IA de un comportamiento cognitivo estable.
Cómo se midió la atención en los modelos de lenguaje
Para el estudio, cada modelo recibió una instrucción precisa: identificar el color de las palabras listadas. Las pruebas se ejecutaron en un entorno controlado, evitando contaminaciones de contexto. En fases posteriores, se añadieron distractores, como frases con doble sentido cromático o índices numéricos, para analizar la resiliencia del sistema. El equipo utilizó métricas de coherencia, tasa de error contextual y desviación de instrucción. Los resultados se cruzaron con 1.200 ensayos del comportamiento humano previo para establecer equivalencias estadísticas.
El hallazgo clave fue el colapso progresivo de atención, un patrón no observado en humanos, que tienden a mantener un nivel de precisión de entre 85 % y 92 %, incluso en secuencias largas. La distancia entre los dos grupos de datos sugiere que el entrenamiento masivo de texto no garantiza la capacidad de mantener atención bajo conflicto.
Las implicancias filosóficas y prácticas de este hallazgo
Los resultados abren un debate sobre la naturaleza de la inteligencia artificial y los límites de su analogía con el pensamiento humano. Si bien los modelos de lenguaje actual han demostrado solvencia en razonamiento semántico, síntesis de información y generación creativa, el estudio muestra que carecen de una arquitectura funcional equivalente al control ejecutivo.
Algunos expertos consultados por el Journal of Computational Neuroscience sostienen que este hallazgo no debería interpretarse como un fracaso tecnológico, sino como una evidencia de que la cognición humana integra procesos de autorregulación imposibles de recrear sólo con correlaciones estadísticas. Otros argumentan que la solución podría pasar por modelos híbridos neuromórficos, que combinen estructuras de atención inspiradas en el cerebro con la potencia de los transformadores.
En el plano aplicado, entender esta debilidad de la inteligencia artificial es esencial para definir los límites de su fiabilidad. Por ejemplo, en tareas donde las instrucciones deben mantenerse intactas durante periodos prolongados —como traducción técnica, generación de código o monitoreo médico—, los errores de atención podrían derivar en consecuencias operativas. Empresas tecnológicas ya exploran implementar filtros de consistencia atencional que monitoreen y corrigen desviaciones durante el procesamiento.
¿Qué sigue para la investigación en atención artificial?
El equipo de Patel planea extender su trabajo incorporando estímulos multimodales: imágenes y sonidos simultáneos que pondrían a prueba la capacidad de los modelos de integrar información proveniente de distintos canales. También estudian mecanismos llamados “anclas de atención”, diseñados para reafirmar la instrucción base cada cierta cantidad de tokens. Si estas estrategias logran mejorar el desempeño, podrían representar un paso hacia sistemas más cercanos a un control ejecutivo artificial.
Mientras tanto, la comunidad científica sigue discutiendo si la atención de una máquina puede equipararse alguna vez con la humana. La cuestión no es sólo técnica, sino epistemológica: ¿puede un modelo puramente estadístico desarrollar algo equivalente a la voluntad cognitiva?
Un espejo matemático de las limitaciones humanas
A la luz de estas investigaciones, la inteligencia artificial aparece no como un reemplazo del pensamiento humano, sino como su reflejo incompleto. Así como las personas necesitan esfuerzo consciente para ignorar interferencias, los modelos matemáticos muestran su vulnerabilidad cuando las instrucciones compiten con hábitos de entrenamiento. El test de Stroop, diseñado hace más de noventa años, vuelve a demostrar su vigencia: pone en evidencia que la atención, tanto biológica como artificial, sigue siendo uno de los grandes misterios de la mente y la máquina.
Oli Seoane es médica clínica especializada en nutrición y longevidad. Se dedica a la prevención y a derribar mitos de salud con información clara, basada en evidencia. Como comunicadora, traduce la ciencia a un lenguaje simple para ayudar a las personas a vivir mejor.