El argumento clásico es de Putnam: el dolor lo sienten mamíferos, reptiles y moluscos como el pulpo, con sistemas nerviosos muy distintos; es improbable que todos compartan un mismo estado cerebral, así que «tener dolor» no puede identificarse con un tipo de estado físico (Putnam, 1967). La alternativa es el funcionalismo: un estado mental se individúa por su rol causal —qué lo provoca, qué otros estados produce, qué conducta genera—, y cualquier cosa que implemente ese rol está en ese estado, sea neurona, silicio o, en principio, un sistema de caños.
Esa es la premisa filosófica de la IA fuerte: si la mente es una organización funcional, un sistema artificial con la organización correcta tendría mente; la mente sería al cerebro lo que el programa al hardware.
Searle (1980) atacó justamente esa analogía. Un mismo programa admite realizaciones absurdas —caños de agua, máquinas de viento, un rollo de papel higiénico y piedras— que no tienen intencionalidad alguna: son «el tipo equivocado de material» [trad. propia], y solo algo con los poderes causales del cerebro podría tenerla (1980, p. 423) (ver habitación china). Block (1978) había imaginado a toda la población de China implementando la organización funcional de un cerebro. Y el Blockhead de Block (1981), una tabla que guarda una respuesta sensata para cada conversación posible de duración acotada, apunta contra el conductismo pero deja una lección para el funcionalismo: importa cómo se produce la conducta, no solo que se produzca. La igualdad funcional debe darse en algún nivel de descripción interno, y hay que decir cuál (ver niveles de análisis).
Con los LLM, el debate se vuelve empírico. Millière y Buckner (2024a) critican la «falacia de la redescripción»: decir que un modelo no puede tener una capacidad porque sus operaciones son «solo» multiplicaciones de matrices equivale a negar que el cerebro piense porque «solo» hay descargas neuronales; la pregunta es si esas operaciones implementan los mismos procesos a un nivel apropiado de abstracción computacional (2024a, sec. 3). La realizabilidad múltiple pasa de postulado a hipótesis testeable: ¿cuánta semejanza algorítmica con la mente humana hace falta para decir que un sistema realiza el mismo estado?