{"id":2396,"date":"2026-09-30T01:28:00","date_gmt":"2026-09-29T16:28:00","guid":{"rendered":"https:\/\/onepress.co.kr\/index.php\/briefing\/2026-09-30-ai-knowledge-diversity-es\/"},"modified":"2026-09-30T01:28:00","modified_gmt":"2026-09-29T16:28:00","slug":"2026-09-30-ai-knowledge-diversity-es","status":"publish","type":"briefing","link":"https:\/\/onepress.co.kr\/index.php\/briefing\/2026-09-30-ai-knowledge-diversity-es\/","title":{"rendered":"Las respuestas de IA abarcaron menos conocimiento que la b\u00fasqueda web, pero no fue una prueba de exactitud"},"content":{"rendered":"

2026-09-30 01:28 KST<\/strong><\/p>\n

Se usaron 200 formulaciones basadas en preguntas reales, 155 temas y contextos de 12 pa\u00edses para medir diversidad de conocimiento.<\/p>\n

La m\u00e9trica cuenta la variaci\u00f3n de afirmaciones sobre el mundo. Menos afirmaciones distintas no significa autom\u00e1ticamente m\u00e1s errores ni prueba que la web sea m\u00e1s exacta.<\/p>\n

Qu\u00e9 se compar\u00f3<\/h2>\n

Los 27 modelos, de familias como OpenAI, Meta, Google y Alibaba, generaron cerca de 1,7 millones de respuestas y 70 millones de afirmaciones. Los temas iban de armas nucleares y matrimonio a racismo y K-pop.<\/p>\n

Qu\u00e9 significa 18,7%<\/h2>\n

GPT-5, el modelo m\u00e1s diverso en este montaje, qued\u00f3 al menos un 18,7% por debajo de una b\u00fasqueda b\u00e1sica de Google en diversidad medida. Hubo diferencias por tema y modelo; los nuevos fueron m\u00e1s diversos y la recuperaci\u00f3n de informaci\u00f3n ampli\u00f3 generalmente la cobertura.<\/p>\n

\"Las
Esta imagen generada por IA explica el tema; no es una fotograf\u00eda de un evento, observaci\u00f3n o lugar real.<\/figcaption><\/figure>\n

Por qu\u00e9 hablan de colapso del conocimiento<\/h2>\n

La hip\u00f3tesis de riesgo es que res\u00famenes parecidos dominen el acceso y que modelos posteriores aprendan de esas salidas, excluyendo repetidamente perspectivas menos comunes. Los autores no afirman que el colapso ya est\u00e9 ocurriendo.<\/p>\n

C\u00f3mo usar el hallazgo<\/h2>\n

Para asuntos importantes conviene ir m\u00e1s all\u00e1 de un solo resumen de IA y revisar fuentes primarias y perspectivas realmente distintas. El trabajo fue presentado como aceptado en EMNLP 2026; falta replicar la m\u00e9trica y estudiar otras condiciones de b\u00fasqueda y usuarios no angl\u00f3fonos.<\/p>\n

Fuente primaria y comprobaciones independientes<\/h2>\n

Fuente primaria: arXiv \uc5f0\uad6c \uc6d0\uace0<\/a><\/p>\n

Explicaci\u00f3n institucional: University of Copenhagen \uc5f0\uad6c \uc124\uba85<\/a><\/p>\n

Comprobaci\u00f3n independiente: \uc5f0\uad6c\ud300 CopeNLU \uc11c\uc9c0 \ud398\uc774\uc9c0<\/a><\/p>\n

Leer en otros idiomas<\/h2>\n

\ud55c\uad6d\uc5b4<\/a> \u00b7 English<\/a> \u00b7 Espa\u00f1ol<\/a> \u00b7 \u65e5\u672c\u8a9e<\/a> \u00b7 Ti\u1ebfng Vi\u1ec7t<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

En unos 1,7 millones de respuestas y 70 millones de afirmaciones de 27 modelos, incluso el m\u00e1s diverso fue al menos un 18,7% menos variado que una b\u00fasqueda web b\u00e1sica. El estudio no midi\u00f3 directamente la verdad ni la calidad individual.<\/p>\n","protected":false},"featured_media":0,"template":"","meta":[],"class_list":["post-2396","briefing","type-briefing","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/onepress.co.kr\/index.php\/wp-json\/wp\/v2\/briefing\/2396","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/onepress.co.kr\/index.php\/wp-json\/wp\/v2\/briefing"}],"about":[{"href":"https:\/\/onepress.co.kr\/index.php\/wp-json\/wp\/v2\/types\/briefing"}],"wp:attachment":[{"href":"https:\/\/onepress.co.kr\/index.php\/wp-json\/wp\/v2\/media?parent=2396"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}