Los modelos de lenguaje de gran escala —LLM, por sus siglas en inglés— son tan recientes que a veces olvidamos que su historia empezó hace más de dos décadas, y que su funcionamiento no tiene nada que ver con cómo piensa un ser humano o un animal. Su origen puede rastrearse a los primeros modelos estadísticos de lenguaje de los años 2000, pero el salto decisivo llegó en 2017, cuando Google publicó el artículo Attention Is All You Need y presentó la arquitectura transformer, el esqueleto matemático que hoy sostiene a GPT, Claude, Gemini, Llama y todos los sistemas actuales. Aquella arquitectura no nació para “pensar”, sino para predecir texto, una tarea aparentemente simple que acabó convirtiéndose en el motor de la IA moderna.
