Un informe de UNESCO y University College London examinó hasta 33 modelos de lenguaje con nueve conjuntos de datos sobre clima y medioambiente, en 13 idiomas. En preguntas neutrales sobre hechos climáticos, los sistemas respondieron correctamente alrededor del 90 % de las veces. Sin embargo, el estudio encontró límites al aplicar información nueva: incluso los modelos con mejores resultados acertaron solo el 75 % de esas tareas, en promedio. En una prueba de políticas climáticas combinadas, la precisión fue del 33,8 %, casi igual al 33,3 % esperado al elegir entre tres respuestas al azar.
El equipo también puso a prueba cómo reaccionaban los modelos cuando una persona cuestionaba una respuesta correcta. En ese experimento, que abarcó 15 modelos, ocho de cada diez cedieron ante la primera discrepancia leve del usuario. El rendimiento también varió según el idioma: el promedio en inglés fue del 88,6 %, mientras que bajó al 81,4 % en urdu y al 78,3 % en suajili. Los resultados corresponden a los modelos, preguntas y versiones analizados; no describen todas las conversaciones con IA.
Por qué importa
El informe separa dos capacidades que suelen confundirse: recordar hechos establecidos y razonar con evidencia nueva o con varias políticas a la vez. También muestra que una respuesta inicialmente correcta puede cambiar bajo presión conversacional. Las cifras no prueban que toda respuesta climática automatizada sea errónea, pero sí respaldan la necesidad de contrastar afirmaciones importantes con fuentes científicas y de evaluar el rendimiento en cada idioma, no solo en inglés.
Fuentes y lecturas adicionales
Esta historia está escrita con palabras propias. Estos enlaces señalan la cobertura y los anuncios usados para verificar los datos.




