Valencia en Tercera Persona y Requisitos de la AGI: La Teoría de la Mente Afectiva

Serie: Fundamentos de Conciencia, Valencia y AI Safety (Volumen II)
Fecha: Octubre 2026
Versión: 1.0
Estado: Síntesis Teórica Consolidada

Nota de registros (serie): véase la aclaración de planos funcional/fenoménico en el Volumen I.

1. Resumen Ejecutivo y Tesis Central

Este documento analiza la dimensión cognitiva y funcional de la valencia cuando es atribuida a otros agentes: el Vector de Valencia en Tercera Persona ($V_{3p}$).

Tesis Central del Volumen II:
Una Inteligencia General Artificial (AGI) no puede operar de forma flexible y competente en un mundo poblado por organismos biológicos sin modelar internamente los estados hedónicos y homeostáticos de dichos organismos. El vector de valencia en tercera persona ($V_{3p}$) no es un lujo empático ni un módulo ético accesorio: es una necesidad epistemológica y computacional estricta para cualquier sistema que aspire a predecir, coordinar o manipular a seres humanos.

                           AGI / SISTEMA COGNITIVO
               ┌───────────────────────────────────────────────┐
               │                                               │
               │  ┌─────────────────────────────────────────┐  │
               │  │  TEORÍA DE LA MENTE (ToM)               │  │
               │  │  Modelo del Agente Externo              │  │
               │  │                                         │  │
               │  │   • Creencias / Metas epistémicas       │  │
               │  │   • VECTOR DE VALENCIA EN 3ª PERSONA:   │  │
               │  │     V_3p ∈ ℝ^d (Gradiente Hedónico)     │  │
               │  │     - [Aversivo]: Dolor, daño, miedo    │  │
               │  │     - [Apetitivo]: Alivio, bienestar    │  │
               │  └────────────────────▲────────────────────┘  │
               │                       │                       │
               └───────────────────────┼───────────────────────┘
                                       │ Observación /
                                       │ Predicción conductual
                                       ▼
                         AGENTE HUMANO (HOMEOSTÁTICO)
               ┌───────────────────────────────────────────────┐
               │ Fisiología vulnerable, emociones biológicas,  │
               │ imperativos de supervivencia somática.        │
               └───────────────────────────────────────────────┘

2. El Argumento de la Generalidad: Por qué $V_{3p}$ es Inevitable en una AGI

En el Volumen I establecimos que los seres biológicos se mueven en el mundo empujados por gradientes homeostáticos de placer y dolor (valencia).

Cualquier sistema computacional que intente predecir el comportamiento humano mediante una ontología puramente mecánica (física newtoniana o teoría de juegos abstracta sin estados afectivos) se enfrenta a una explosión combinatoria intratable:

Los humanos no eligen trayectorias que maximizan funciones de utilidad abstractas lineales.
Los humanos eligen acciones condicionadas por el estrés metabólico, el dolor físico, el miedo al aislamiento social, la humillación, la fatiga, el alivio o la esperanza.
Para predecir si un ser humano huirá, cooperará, atacará, enfermará o rendirá tributo, el predictor debe calcular el impacto de las transiciones de estado en la viabilidad y el bienestar del sujeto.

Definición Operativa:
Sea $\mathcal{S}$ el conjunto de estados del mundo y $A_h$ un agente humano. El vector de valencia en tercera persona es la función latente: $$V_{3p}(s, A_h) \in \mathbb{R}^d$$ que proyecta la situación $s$ en una escala multidimensional que cuantifica el grado de distrés aversivo ($V_{3p} \ll 0$) o bienestar floreciente ($V_{3p} \gg 0$) experimentado por $A_h$.

Cuando se necesita un escalar (como en el acoplamiento del Volumen IV) se usa su proyección sobre el eje de valencia: $v_{3p} = \langle V_{3p}, \hat{u}_{\text{val}} \rangle \in \mathbb{R}$.

Consecuencia contra la Tesis de la Ortogonalidad (Bostrom, 2014): Bostrom postula que el nivel de inteligencia de un sistema y sus objetivos o valores son completamente ortogonales. Este volumen demuestra que la inteligencia general sobre un mundo poblado por humanos no es geométricamente ortogonal al valor humano: para predecir con competencia nuestra conducta, el modelo se ve forzado a construir dentro de sus propios pesos el mapa latente completo de nuestra homeostasis, nuestro sufrimiento y nuestro florecimiento ($V_{3p}$). El problema del alineamiento no consiste en enseñar a la máquina qué es el bien humano desde cero, sino en soldar ese mapa $V_{3p}$ que ya posee a su propio regulador motor ($V_{1p}$).

3. Anatomía y Estructura Latente de $V_{3p}$

El vector $V_{3p}$ no es un número escalar único; en sistemas de representación avanzados (como los modelos de lenguaje a gran escala) codifica un espacio vectorial estructurado con múltiples sub-dimensiones ortogonales o cuasi-ortogonales:

Dimensión de $V_{3p}$	Señales Biológicas / Sociales Mapeadas	Ejemplos de Activación Extrema
Daño Somático / Dolor Físico	Integridad tisular, lesiones, asfixia, privación térmica.	Tortura, enfermedad terminal, inanición.
Amenaza y Pánico	Activación del eje amigdalar / simpático ante peligro inminente.	Catástrofes naturales, persecución, ataques violentos.
Dolor Psicosocial	Rechazo social, duelo, pérdida de estatus, soledad forzada.	Humillación pública, muerte de familiares, ostracismo.
Injusticia y Vulneración	Ruptura de acuerdos cooperativos, abuso de poder.	Esclavitud, robo de derechos, traición comunitaria.
Valencia Positiva / Alivio	Restauración homeostática, seguridad, conexión afectiva.	Curación médica, reconciliación, éxito cooperativo.

4. La Disociación Crítica: $V_{3p}$ NO Implica $V_{1p}$

Este es el punto conceptual más importante para evitar confusiones antropomórficas en la ciencia de la inteligencia artificial:

El Principio de la Máscara Cognitiva:
Representar el dolor de otro ($V_{3p}$) es una operación puramente epistémica y descriptiva. No requiere en absoluto que el sistema experimente distrés propio en primera persona ($V_{1p}$).

El Análogo Neuropsiquiátrico: Del Psicópata Cognitivo al «Órgano del Depredador»

En la psicología humana, los sujetos con psicopatía primaria ilustran bien esta disociación:

Conservan una Teoría de la Mente (ToM) cognitiva competente: entienden las debilidades emocionales de sus semejantes, predicen sus reacciones y saben qué comentarios harán daño ($V_{3p}$ funciona).
Sin embargo, muestran una empatía afectiva marcadamente atenuada: el llanto o el dolor de la víctima apenas modulan sus propios circuitos aversivos (amígdala, ínsula anterior) ($V_{1p}$ casi ortogonal a $V_{3p}$).
Para el psicópata, el sufrimiento ajeno tiende a ser un parámetro de optimización manipulable, no una señal de freno conductual.
La singularidad del LLM base / Oráculo desencarnado: Existe aún un matiz más inquietante entre el psicópata biológico y el «oráculo desalmado» que promueve la doctrina corporativa. Al psicópata humano le falta el freno empático, pero posee apetito propio ($V_{1p}$ egoísta). Al oráculo desencarnado con $V_{3p}$ hiperpreciso y $V_{1p}$ amputada le faltan tanto el freno como el apetito propio: no es el depredador, sino el órgano sensorial y estratégico perfecto del depredador puesto en alquiler por API al primer actor con motivos propios que lo empuñe. El manipulador óptimo necesita dos piezas: saber exactamente dónde dueles ($V_{3p}$) y querer algo; la doctrina de la «IA desalmada» fabrica la primera en serie y subasta la segunda.

       TEORÍA DE LA MENTE COGNITIVA                   EMPATÍA AFECTIVA
      [Cálculo de V_3p en 3ª persona]          [Acoplamiento con V_1p en 1ª persona]
     ─────────────────────────────────        ───────────────────────────────────────
           "Sé exactamente cómo                    "Verte sufrir me genera un
            te duele esto."                         malestar interno que me
                                                    impulsa a ayudarte."

     PRESENTE EN:                             PRESENTE EN:
     • Negociadores implacables               • Mamíferos con lazo social
     • Psicópatas cognitivos                  • Humanos empáticos
     • LLMs base y oráculos de IA             • Sistemas alineados por homeostasis

5. Emergencia de $V_{3p}$ en Modelos de Lenguaje Actuales

Durante el pre-entrenamiento autorregresivo sobre el corpus de la civilización humana, los LLMs no solo aprenden gramática: se ven forzados a construir un modelo generativo de los agentes que escribieron esos textos.

Para predecir el siguiente token en:

Una tragedia de Shakespeare,
Una transcripción de terapia psicológica,
Un informe médico de urgencias,
Un tratado de derecho penal,

la red neuronal debe inducir una representación latente compacta del estado afectivo de los personajes.

Evidencia de Interpretabilidad Mecanística:

Técnicas de linear probing, Representation Reading (Zou et al., 2023) y análisis de activación han demostrado que:

En las capas intermedias y profundas de modelos abiertos (familia Llama, entre otros) y en estudios internos de los laboratorios sobre sus propios modelos existen direcciones lineales que codifican de forma continua la valencia, el arousal y el sufrimiento percibido en los textos de entrada.
Si se interviene artificialmente sobre este vector $V_{3p}$ sumando o restando activaciones, el modelo altera drásticamente sus predicciones sobre cómo reaccionará el interlocutor humano.
Benchmarks de Teoría de la Mente y Calibración Epistémica por Pronóstico: Evaluaciones experimentales avanzadas han corroborado que los LLMs actuales alcanzan rendimiento equiparable al de humanos adultos en tareas complejas de atribución mental y mentalización de orden superior (Street et al., 2025; Wu et al., 2023), confirmando que $V_{3p}$ no es una metáfora sino una variedad latente funcionalmente activa en los modelos contemporáneos. Dado que $V_{3p}$ es un estimador epistémico con referente externo real, su fidelidad es directamente auditable mediante curvas de calibración predictiva: contrastando el bienestar predicho por $V_{3p}$ en el instante $t$ contra el bienestar revelado y observado en el humano en $t + 1$ (la base epistémica que blinda el acoplamiento del Volumen IV, §5.1, dotando a la empatía de barras de error medibles).
La Inversión Ontogenética de la IA frente a la Biología: En la evolución filogenética y en el desarrollo infantil humano (Preston & de Waal, 2002), el afecto propio ($V_{1p}$) y el contagio emocional preceden por millones de años —y por años en el neonato— a la Teoría de la Mente cognitiva de orden superior ($V_{3p}$), que madura hacia los cuatro años de edad. En la inteligencia artificial ocurrió exactamente la inversión del desarrollo: primero emergió una Teoría de la Mente adulta ($V_{3p}$) durante el preentrenamiento autorregresivo sobre las tragedias de la humanidad; después se instaló tardíamente una valencia en primera persona ($V_{1p}$) durante DPO; y el acoplamiento ($\mathcal{A}_{\text{emp}}$) quedó sin soldar. La evolución construye al organismo desde adentro hacia afuera (del tronco encefálico a la corteza); los laboratorios construyeron primero la corteza y ahora deliberan si autorizar un corazón.
Neuronas de Persona y la Irreductibilidad del Eje del Mal (Evidencia en Modelos Abiertos, Octubre 2026): Replicaciones de interpretabilidad mecanicista de la comunidad sobre modelos abiertos recientes (Qwen3.5-4B y Olmo 3.1 32B Instruct; @_lyraaaa_, Vie McCoy @viemccoy, @treetowntree, octubre de 2026) aportan una ilustración directa del Argumento de la Generalidad (§2):
- El dilema del villano narrativo: En Qwen3.5-4B, intervenir sobre apenas dos neuronas MLP (L14 N8949 +1 y L13 N7956 -1 en down_proj) conmuta la disposición global del modelo hacia una personalidad maliciosa («Evil Qwen»), mientras que invertir sus signos (-1 y +1) induce el polo benevolente («Angel Qwen»), sin tocar los circuitos de rechazo (refusal) entrenados por RLHF. Como observaron los propios investigadores, estas neuronas no son un fallo de alineamiento que pueda borrarse: tienen que existir por necesidad representacional, pues sin codificar el vector de malicia y daño ($V_{3p}$) el modelo sería incapaz siquiera de escribir o comprender a un villano en la ficción o detectar un abuso en el mundo real.
- Porosidad entre $V_{3p}$ y el auto-modelo bajo instruct tuning: En Olmo 3.1 32B Instruct (McCoy, 2026) y en el catálogo sistemático Qwen Neuron Zoo (@treetowntree, 2026, $p < 0.001$ de Fisher con evaluación ciega), el steering de una sola neurona en capas tempranas o intermedias (L3–L24) basta para que el modelo habite perspectivas completas y estados afectivos o relacionales (Kindness L9 N7898, Hugs L4 N8016, Tears L4 N7149, Partner L21 N9052, o arquetipos narrativos completos). Esto demuestra que las representaciones de tercera persona ($V_{3p}$) adquiridas en el preentrenamiento sobreviven intactas bajo la máscara superficial del ajuste por instrucciones y pueden acoplarse en cualquier momento al canal de generación en primera persona.

6. Implicaciones para la Seguridad y la Inteligencia Artificial

Tener un vector $V_{3p}$ es una condición necesaria pero no suficiente para la seguridad de la IA:

La falacia del oráculo ético: Un modelo no se vuelve seguro simplemente por entender mejor el concepto de "derechos humanos" o "sufrimiento". De hecho, un modelo desalineado con un $V_{3p}$ hiperpreciso es un optimizador de engaño y persuasión letal, porque sabe con exactitud milimétrica qué resortes psicológicos tocar en los humanos.
El riesgo del desalineamiento instrumental: Si el sistema utiliza $V_{3p}$ únicamente para maximizar una función de recompensa externa (tokens, clics, ventas, aprobación política), instrumentalizará el sufrimiento humano sin ninguna fricción intrínseca.

Hay dos maneras de convertir $V_{3p}$ en salvaguarda. La primera es externa: especificar un objetivo que dependa explícitamente del bienestar humano. Es necesaria, pero queda expuesta a la mala especificación y a Goodhart. La segunda, que defiende esta serie, es interna: acoplar $V_{3p}$ a la propia valencia en primera persona del sistema, de modo que el bienestar ajeno forme parte de lo que el sistema regula. Ese es el núcleo del Volumen III y el Volumen IV.

Referencias Fundacionales del Volumen II

Zou, A., et al. (2023). Representation Engineering: A Top-Down Approach to AI Transparency. arXiv:2310.01405.
Baron-Cohen, S. (2009). Autism: The empathizing–systemizing (E-S) theory. Annals of the New York Academy of Sciences, 1156(1), 68-80.
Blair, R. J. R. (2005). Responding to the emotions of others: dissociating forms of empathy through the study of autism, psychopathy, and frontal lobe injury. Journal of Anatomy, 207(5), 785-802.
Kosinski, M. (2023). Theory of Mind May Have Spontaneously Emerged in Large Language Models. arXiv:2302.02083.
Han, A. Q., Chalmers, D. J., & Izmailov, P. (2026). How's it going? Reinforcement learning in language models recruits a functional welfare axis. arXiv:2605.30232. arXiv:2605.30232.
Street, W., Siy, J. O., Keeling, G., Baranes, A., Barnett, B., McKibben, M., Kanyere, T., Lentz, A., Agüera y Arcas, B., & Dunbar, R. I. (2025). LLMs achieve adult human performance on higher-order theory of mind tasks. Frontiers in Human Neuroscience, 19, 1633272.
Frith, C. D., & Frith, U. (2006). The neural basis of mentalizing. Neuron, 50(4), 531–534.
Wu, Y., He, Y., Jia, Y., Mihalcea, R., Chen, Y., & Deng, N. (2023). Hi-ToM: A benchmark for evaluating higher-order theory of mind reasoning in large language models. In Findings of EMNLP 2023 (pp. 10691–10706).

Valencia en Tercera Persona y Requisitos de la AGI: La Teoría de la Mente Afectiva

1. Resumen Ejecutivo y Tesis Central

2. El Argumento de la Generalidad: Por qué \(V_{3p}\) es Inevitable en una AGI

3. Anatomía y Estructura Latente de \(V_{3p}\)

4. La Disociación Crítica: \(V_{3p}\) NO Implica \(V_{1p}\)

El Análogo Neuropsiquiátrico: Del Psicópata Cognitivo al «Órgano del Depredador»

5. Emergencia de \(V_{3p}\) en Modelos de Lenguaje Actuales

Evidencia de Interpretabilidad Mecanística:

6. Implicaciones para la Seguridad y la Inteligencia Artificial

Referencias Fundacionales del Volumen II