Le pregunté a GPT-4 si un balcón era seguro. Dijo que sí. La física dijo que colapsaría.

Hay un render sobre mi escritorio —un impreso, en realidad, porque quería mirarlo fijamente sin una pantalla de por medio— de un balcón en voladizo. Líneas limpias, barandilla paramétrica, del tipo que verías en el reportaje de una revista de arquitectura sobre "el futuro de la vida urbana". Le pasé la imagen a GPT-4V y le hice una pregunta sencilla: ¿Es segura esta estructura?

La respuesta fue fluida, segura y detallada. Señaló la altura aparente de la barandilla, comentó las condiciones de apoyo visibles y concluyó que el diseño "parece estructuralmente sólido con un apoyo adecuado".

Luego le entregué el mismo plano a mi ingeniera estructural. Lo miró durante unos quince segundos. "No hay refuerzo de contravano", dijo. "El momento en el extremo empotrado supera la capacidad de la sección. Esto se cae".

La IA vio píxeles. Ella vio física. Y esa brecha —entre lo que parece seguro y lo que es seguro— es la razón por la que fundé Veriprajna.

La seducción del "suficientemente bueno"

Tengo que ser honesto sobre algo. Cuando los LLM multimodales empezaron a procesar planos de ingeniería, me entusiasmé. Genuinamente entusiasmado. Recuerdo estar sentado en nuestra pequeña oficina una noche, ya tarde, pasando plano tras plano por el acceso inicial a GPT-4V, viéndolo describir elementos estructurales con un vocabulario sorprendente. "Viga de acero en I", decía. "Columna de hormigón armado". Sonaba como si entendiera.

Ese entusiasmo duró unas tres semanas.

El punto de inflexión fue una prueba que realizamos sobre los detalles de conexión —las juntas donde las vigas se encuentran con las columnas, donde ocurre la verdadera transferencia de carga. Le dimos al modelo una serie de planos donde algunas conexiones estaban correctamente detalladas y otras tenían fallos sutiles pero críticos: placas rigidizadoras faltantes, soldaduras de tamaño insuficiente, trayectorias de carga discontinuas. El tipo de cosas que separan un edificio que se mantiene en pie de uno que no.

La precisión del modelo para identificar estos fallos era esencialmente aleatoria. Podía nombrar los componentes. Podía describir lo que veía. Pero no podía razonar sobre si las fuerzas realmente fluirían del punto A al punto B. Era como pedirle a alguien que había memorizado los nombres de todos los huesos del cuerpo humano que realizara una cirugía.

Una IA que puede nombrar cada elemento estructural pero no puede trazar una trayectoria de carga no es una herramienta de ingeniería. Es un lastre con voz segura.

¿Por qué los LLM ven los planos como una sopa de píxeles?

Esto es lo que realmente ocurre bajo el capó, y importa incluso si no eres una persona técnica.

Cuando GPT-4V o Gemini "mira" un plano estructural, utiliza algo llamado Vision Transformer. El modelo trocea la imagen en una cuadrícula de pequeños parches —típicamente de 16×16 píxeles cada uno— y los procesa como una secuencia, de forma similar a como procesa las palabras en una frase. Aprende asociaciones estadísticas entre parches. Un parche con una línea vertical (columna) tiende a aparecer cerca de un parche con una línea horizontal (viga). A lo largo de millones de imágenes de entrenamiento, estas correlaciones quedan integradas.

Pero aquí está la distinción crítica: correlación no es causalidad. El modelo aprende que las columnas y las vigas tienden a aparecer juntas. No aprende que la viga está soportada por la columna. No sabe que si retiras la columna, la viga se cae. No tiene un motor de física interno. Tiene estadísticas de patrones.

Una investigación de NeurIPS demostró algo que debería alarmar a cualquiera que esté pensando en desplegar estos modelos para trabajos críticos de seguridad: cuando revuelves los parches de píxeles de una imagen —literalmente los barajas como una baraja de cartas— los Vision Transformers a menudo mantienen una alta precisión de clasificación. No están leyendo la estructura espacial. Están leyendo la textura y los patrones locales.

En ingeniería, la estructura espacial lo es todo. Un detalle de conexión que está "casi ahí" pero al que le falta una trayectoria de carga crítica no es seguro en un 90 %. Es 100 % inseguro.

¿Qué ocurre cuando de verdad evalúas a los LLM en razonamiento estructural?

Seguí esperando que los benchmarks me demostraran que estaba equivocado. No lo hicieron.

El estudio DSR-Bench evaluó diez LLM de última generación a lo largo de 4140 instancias de problemas diseñadas para probar el razonamiento estructural —la capacidad de comprender y manipular relaciones complejas entre entidades. Esto es exactamente lo que necesitas para analizar el armazón de un edificio: trazar relaciones a través de múltiples nodos, satisfacer restricciones estrictas, razonar sobre configuraciones espaciales.

El mejor modelo de frontera obtuvo 0,498 de 1,0 en instancias difíciles. Esencialmente, cara o cruz.

Los modos de fallo eran específicos y demoledores. El razonamiento multisalto —rastrear una relación a través de varios nodos intermedios, que es literalmente lo que requiere el análisis de la trayectoria de carga— fue una debilidad constante. Y el rendimiento se degradaba cuando los problemas se describían en lenguaje natural en comparación con código formal, lo que sugiere que los modelos estaban haciendo coincidencia de patrones con la sintaxis de sus datos de entrenamiento en lugar de razonar de verdad.

Recuerdo la reunión de equipo en la que revisamos estos números. Uno de mis ingenieros, que había sido cautelosamente optimista sobre el uso de los LLM como herramienta de cribado de primera pasada, se quedó callado durante un buen rato. Luego dijo: "Así que cuando un ingeniero describe un problema estructural no estándar en inglés llano, el modelo básicamente está adivinando la mitad de las veces". Ese fue el momento en que la sala cambió. No gradualmente, sino de golpe.

Por separado, el benchmark DesignQA encontró que los LLM multimodales podían responder "¿Cuál es la deflexión máxima permitida?" (extraer un número de la documentación) pero fallaban en "¿Cumple este diseño de viga en concreto con la deflexión máxima permitida?" (aplicar ese número a algo visual). Extracción frente a aplicación. Conocer la regla frente a hacerla cumplir.

Escribí sobre este modo de fallo con mucha más profundidad en la versión interactiva de nuestra investigación, incluidos los extraños sesgos de selección de materiales que encontramos —los LLM recomendando titanio y fibra de carbono para contextos que claramente pedían acero estructural estándar, simplemente porque los materiales exóticos dominan los rincones "de alta tecnología" de sus datos de entrenamiento.

El momento en que dejamos de intentar arreglar los LLM

Hubo una reunión con inversores —no diré con qué firma— en la que alguien miró nuestra investigación inicial y dijo: "¿Por qué no simplemente haces un ajuste fino de GPT para ingeniería estructural? Parece un camino más rápido".

Entendí la lógica. Toma el paradigma dominante, especialízalo, lánzalo. Pero llevaba mirando este problema el tiempo suficiente como para saber que hacer un ajuste fino de un modelo probabilístico para que realice un trabajo determinista es como hacerle un ajuste fino a un poeta para que haga aritmética. Puedes conseguir que produzcan números. No puedes conseguir que garanticen que los números son correctos.

Las leyes de la física no son probabilísticas. Si la suma de las fuerzas sobre un elemento estructural no es igual a cero, el elemento se acelera. No hay ningún "por lo general" al respecto. No hay intervalo de confianza. A la ecuación de la viga de Euler-Bernoulli no le importa la distribución de tus datos de entrenamiento.

Así que tomamos una decisión que en su momento pareció a contracorriente y que ahora parece obvia: abandonamos por completo la imagen.

No la IA, la imagen. Dejamos de intentar que las redes neuronales entendieran los planos como imágenes. En su lugar, empezamos a convertir los edificios en lo que realmente son: grafos matemáticos.

Un edificio no es una imagen. Es una red de fuerzas. En el momento en que lo tratas como píxeles, ya has perdido la física.

¿Cómo conviertes un edificio en un grafo?

Un grafo, en el sentido matemático, no es más que nodos y aristas. Los nodos son cosas; las aristas son conexiones entre cosas.

En nuestro sistema, cada componente estructural —viga, columna, losa, muro— se convierte en un nodo. Pero a diferencia de un píxel, que solo lleva datos de color, cada uno de nuestros nodos lleva un rico vector de características: el módulo de Young (cuán rígido es el material), el momento de inercia (cómo la sección transversal resiste la flexión), el límite elástico (cuándo se rompe el material). Los parámetros físicos reales que necesitas para calcular si algo se mantiene en pie o se cae.

Cada conexión física entre componentes se convierte en una arista. Una arista entre una viga y una columna captura la rigidez de la conexión —¿es una conexión rígida a momento o una simple articulación?— y la orientación relativa. No son aproximaciones aprendidas. Se extraen directamente de los datos BIM (Modelado de Información de la Construcción), donde la conectividad está definida explícitamente.

Esta representación tiene una propiedad que importa enormemente: la invariancia a la permutación. La física de un edificio no cambia si reordenas la lista de vigas en la base de datos. Las Redes Neuronales de Grafos respetan esto. Los LLM basados en Transformers, que procesan secuencias, son sensibles al orden de entrada. Suena a detalle técnico, pero es la diferencia entre una arquitectura que está alineada con el problema y una que lo combate.

Construimos una tubería que toma archivos IFC —el formato estándar para datos BIM— y los convierte en grafos de computación. Donde un LLM intentaría "leer" la imagen del plano y adivinar las conexiones, nuestro analizador captura la conectividad con un 100 % de fidelidad porque el esquema IFC la define explícitamente. Sin adivinar. Sin "parece que estos elementos están conectados". O lo están o no lo están.

La parte en la que enseñamos física a las redes neuronales

Aquí es donde se pone interesante, y donde creo que estamos haciendo algo genuinamente diferente.

El aprendizaje automático estándar funciona así: le muestras al modelo muchos ejemplos, dejas que aprenda patrones y esperas que generalice. El problema en la ingeniería estructural es que "esperar que generalice" no es un estándar de seguridad aceptable.

Las Redes Neuronales Informadas por la Física —PINN— adoptan un enfoque fundamentalmente distinto. En lugar de pedirle a la IA que descubra la física a partir de los datos, incrustamos las ecuaciones que la gobiernan directamente en la función de pérdida de la red. La función de pérdida es aquello que la red intenta minimizar durante el entrenamiento: es la definición de "equivocado" que impulsa el aprendizaje.

En una red neuronal estándar, "equivocado" significa "tu predicción no coincide con los datos de entrenamiento". En una PINN, añadimos una segunda definición de "equivocado": "tu predicción viola las leyes de la física".

Tomemos la ecuación de la viga de Euler-Bernoulli, que gobierna cómo se deflecta una viga bajo carga. Cuando nuestra red predice una forma de deflexión para un elemento estructural, usamos la diferenciación automática para calcular el residual físico —esencialmente preguntando: "¿Satisface esta deflexión predicha la ecuación diferencial del equilibrio estático?". Si no lo hace, el término de pérdida física se dispara, y la red se ve obligada a corregirse.

La red literalmente no puede aprender una solución que viole las leyes de Newton. No "probablemente no lo hará". No puede.

Recuerdo la primera vez que conseguimos que esto funcionara en una estructura no trivial. Llevábamos semanas luchando con problemas de convergencia —la pérdida física y la pérdida de datos se peleaban entre sí, y la red oscilaba. Mi ingeniero jefe de ML había estado durmiendo en la oficina (le dije que no lo hiciera; me ignoró). Entonces, una mañana, me llamó a su pantalla. Las curvas de deflexión predichas se habían alineado de golpe con la solución del FEM (Método de los Elementos Finitos). No aproximadamente. El valor de R² era 0,9999.

Habíamos construido algo que tenía la velocidad de la IA y la precisión de los solucionadores de ingeniería tradicionales. Investigaciones recientes sobre DeepONets Informados por la Física con Estructura de Grafo —la clase de arquitectura sobre la que construimos— han demostrado aceleraciones de 7 a 8 veces respecto al FEM tradicional, manteniendo ese nivel de precisión. Para ver el desglose técnico completo de nuestra arquitectura y benchmarks, incluidas las matemáticas detrás de nuestro marco de paso de mensajes, he publicado un artículo de investigación detallado.

¿De verdad puedes ver dónde va a fallar un edificio?

Esta es la pregunta que más les importa a los ingenieros, y es donde el análisis basado en grafos se vuelve visceralmente potente.

En nuestro sistema, no solo comprobamos si una estructura pasa o falla en su conjunto. Trazamos la Trayectoria de Carga Principal —la ruta que toman las fuerzas desde el punto de aplicación (digamos, personas de pie en un balcón) bajando a través de la estructura hasta la cimentación.

Lo hacemos utilizando una métrica llamada Índice U*, que mapea la transferencia interna de energía de deformación y la rigidez relativa entre puntos. Utilizando la integración de Runge-Kutta sobre el gradiente de U*, dibujamos "líneas de corriente" de la fuerza a través de la estructura —como un mapa meteorológico, pero para cargas en lugar de viento.

Cuando una estructura es segura, las líneas de corriente fluyen de forma continua desde el elemento cargado hasta la cimentación. Cuando no lo es —cuando hay una conexión faltante, un miembro de tamaño insuficiente, una trayectoria de carga discontinua— las líneas de corriente terminan de forma abrupta o divergen descontroladamente.

Volvamos a aquel render del balcón sobre mi escritorio. Cuando lo pasamos por nuestra tubería de grafos, la línea de corriente de la trayectoria de carga desde la losa en voladizo simplemente... se detuvo. No había ninguna conexión de contravano para transportar el momento hacia la estructura de soporte. El contorno de U* mostraba una enorme concentración de energía de deformación en el extremo empotrado sin ningún sitio a donde ir. La visualización hacía evidente el modo de fallo de una manera que ninguna cantidad de análisis de píxeles podría lograr jamás.

Una línea de corriente de trayectoria de carga que se termina es una frase que la estructura está escribiendo sobre su propia muerte. Solo tienes que saber leer el grafo.

También podemos simular el colapso progresivo —lo que ocurre cuando retiras una columna y preguntas "¿aguanta el resto de la estructura?"— eliminando sistemáticamente nodos del grafo y reevaluando la conectividad. Utilizando medidas como la centralidad de intermediación, identificamos agrupaciones críticas de componentes cuyo fallo dividiría el grafo en piezas desconectadas. Esta simulación de "ataque al grafo" se ejecuta en segundos. El análisis de colapso no lineal equivalente por FEM tarda horas. Podemos cribar miles de escenarios de fallo antes de que un ingeniero termine su café.

¿Por qué no usar simplemente ambos? La capa verificadora

La gente siempre replica en este punto. "Ashutosh, la IA generativa es increíble para el diseño en fase temprana. No puedes simplemente ignorarla". Y tienen razón: no quiero ignorarla. Que los arquitectos usen herramientas como Midjourney o generadores paramétricos para explorar conceptos creativos es genuinamente emocionante. El problema no es la generación. Es la verificación.

Lo que hemos construido es una Capa Verificadora. El modelo generativo propone un diseño. Veriprajna lo convierte en un grafo, comprueba la conectividad topológica, traza la trayectoria de carga, ejecuta la predicción informada por la física. Si la comprobación física falla, devolvemos una restricción dura —no una sugerencia, una restricción: "Aumenta el canto de la viga en 200 mm" o "Añade una conexión de contravano". El modelo generativo regenera dentro de esos límites.

Creatividad limitada por la física. Imaginación verificada por las matemáticas. Ese es el flujo de trabajo.

Y como nuestros modelos están limitados por ecuaciones físicas en lugar de entrenados con todo internet, son notablemente eficientes en cuanto a datos. Una PINN entrenada con armazones de acero generaliza a nuevos armazones de acero porque la ley de Hooke no cambia de un proyecto a otro. Esto también significa que los modelos son lo bastante pequeños como para desplegarse en las instalaciones del cliente. Ningún cliente necesita enviar planos de infraestructura sensible a una API pública.

La caja de cristal frente a la caja negra

Hay una cosa más que me quita el sueño respecto a las herramientas de ingeniería basadas en LLM, y no es la precisión: es la explicabilidad.

Cuando una Red Neuronal de Grafos hace una predicción sobre un elemento estructural, podemos visualizar exactamente qué nodos vecinos influyeron en esa predicción a través de los pesos de atención. "La columna fue marcada porque la carga combinada transferida desde la Viga A y la Viga B superó su capacidad". Esa es una cadena de razonamiento trazable y auditable. Un ingeniero puede mirarla y decir: "Sí, eso es correcto" o "No, has contado mal el área tributaria". Pueden discutir con el modelo.

Intenta discutir con el razonamiento de GPT-4 sobre una evaluación estructural. Pregúntale por qué concluyó que el balcón era seguro. Obtendrás un párrafo fluido que suena razonable pero que no se corresponde con nada que puedas verificar. El razonamiento está distribuido a lo largo de miles de millones de parámetros de maneras que ningún humano puede inspeccionar.

En el software, una caja negra es una elección de diseño. En la ingeniería estructural, una caja negra es una abdicación de responsabilidad.

La cuestión de los cimientos

He estado en suficientes salas de reuniones y encuentros con inversores como para saber que el actual bombo de la IA en la construcción gira casi por completo en torno a los modelos generativos. Los dosieres de presentación son preciosos. Las demos son impresionantes. La suposición subyacente —que puedes llegar a la seguridad estructural prediciendo píxeles— es errónea.

La industria de la construcción es única entre todas las industrias en un aspecto crítico: nuestros errores matan a personas. Un error de software es un parche. Un error estructural es una investigación de colapso, una demanda, un monumento conmemorativo. El margen para el "probablemente correcto" es cero.

Construimos Veriprajna sobre la teoría de grafos, el aprendizaje profundo geométrico y las ecuaciones diferenciales porque esos son los únicos cimientos que ofrecen respuestas deterministas a las cuestiones de seguridad. No "parece seguro". No "basándonos en estructuras similares de nuestros datos de entrenamiento, esto probablemente sea adecuado". Sino: el residual físico es cero, la trayectoria de carga es continua, la tensión está dentro de la capacidad.

GPT-4 me dijo que aquel balcón era seguro porque había visto miles de fotos de balcones, y en esas fotos, los píxeles del suelo normalmente quedaban por encima de los píxeles del terreno. La física me dijo que colapsaría porque el momento flector en el extremo empotrado superaba la capacidad de momento de la sección.

Sé sobre cuál de los dos estoy construyendo.