La naturaleza de los LLM implica que sus outputs no son determinísticos, a diferencia del “software clásico” que eran programados explícitamente por seres humanos en base a lenguajes con una estructura causal clara.
La arquitectura y forma en que se construyen las redes neuronales profundas, que sustentan el ejercicio de inferencia (IA) de los modelos de lenguaje grandes, implica que nunca nadie programa instrucciones, sino que el modelo se calibra a sí mismo en base a un ejercicio constante y frenético de predicción, comparación con el ejemplo, y retropropagación para ajustar sus parámetros para ajustaste al error de predicción y hacerse así más efectivos.
Esta característica puede ser tanto una debilidad (resultados impredecibles) como una fortaleza (creatividad), lo cual depende completamente del contexto y de la comprensión los estos modelos y sus capacidades por parte del usuario. Adicionalmente, es posible calibrar el nivel de rigidez o apertura de un modelo ajustando su temperatura (IA).