Llevamos meses asombrados con modelos de lenguaje que escriben código de programación perfecto o redactan correos larguísimos, pero hay una verdad incómoda flotando en el sector de la inteligencia artificial. Y el motivo es simple: son como grandes cerebros encerrados en cubetas.
Si les pides que conduzcan un coche en medio del tráfico o manejen un brazo robótico para clasificar paquetes, fracasan miserablemente porque no entienden cómo funciona el mundo físico. Para solucionar este enorme bache, una startup británica llamada Worldmodeldata tiene una propuesta que parece sacada de la ciencia ficción: usar tus horas de vicio con el mando para enseñar a las máquinas.
Evidentemente, entrenar algoritmos exclusivamente a base de millones de textos tiene un límite muy claro. Gran parte de la industria sabe que los LLM actuales jamás estarán preparados para desenvolverse en tareas que exigen precisión milimétrica, delicadeza o simple sentido común espacial. Por eso, pesos pesados del sector como Fei-Fei Li y Yann LeCun están impulsando los llamados modelos del mundo. Básicamente, son sistemas de IA diseñados para comprender el entorno físico y dominar la sagrada relación de causa y efecto.
Pero claro, aquí llega el principal dolor de cabeza para los laboratorios. A diferencia del texto escrito, donde tienes internet entero para devorar, los datos visuales combinados con acciones y consecuencias son extremadamente escasos en la red. Si un algoritmo quiere aprender a agarrar un vaso frágil, necesita ver cientos de vídeos de esa acción junto con telemetría exacta de fuerza y fricción. Según Xiatian Zhu, profesor asociado de IA en la Universidad de Surrey, conseguir estos datos de causa y efecto a gran escala es hoy en día casi imposible.
Un millón de horas de gameplay y la promesa del «momento GPT»
Es aquí donde entra en juego la genialidad de buscar atajos masivos. Worldmodeldata, asesorada directamente por el propio LeCun, quiere convertir los datos residuales de tus partidas en el nuevo oro del aprendizaje automático. En concreto, están recopilando la telemetría de los controles de los videojuegos, información que los estudios producen y almacenan masivamente durante el desarrollo y uso de sus títulos.
No son los únicos, ya que empresas como General Intuition o Niantic también extraen telemetría de sus propias plataformas, pero esta startup británica busca actuar como el gran intermediario global para ahorrar negociaciones individuales a los laboratorios.
A ello se le suma una ventaja estadística verdaderamente brutal frente a la robótica tradicional. Los entornos 3D virtuales ofrecen un volumen gigantesco de situaciones excepcionales o casos extremos que son carísimos y peligrosos de recrear con humanos y sensores físicos en un recinto cerrado. Un mínimo error de cálculo en un dron autónomo, un robot cuadrúpedo o una carretilla industrial cuesta millones. Tener horas infinitas de ensayos virtuales amortigua ese riesgo. Así de simple.
De hecho, la empresa afirma haber licenciado ya cerca de un millón de horas de datos procedentes de estudios responsables de títulos muy populares, aunque de momento guardan los nombres bajo llave. Rhea Loucas, directora general de la compañía, está convencida de que estas experiencias virtuales, cada vez más hiperrealistas, serán la base principal del entrenamiento de los modelos del mundo.
Su previsión es que esta enorme inyección de datos acabe provocando un auténtico «momento GPT» en la robótica, volviéndolos útiles de un día para otro. Por si fuera poco, prevén crear en el futuro mecanismos directos para compensar económicamente a los jugadores individuales por ceder sus estadísticas de partida.
NVIDIA frena el entusiasmo: la física virtual engaña
La letra pequeña es que no todo el mundo compra este optimismo desbordante en Silicon Valley. Desde las oficinas de NVIDIA miran esta estrategia con un gran escepticismo técnico. Ming-Yu Liu, responsable del desarrollo de modelos del mundo en el gigante del hardware, advierte de algo que cualquier jugador veterano sabe de sobra. La física de los videojuegos suele estar tremendamente simplificada o directamente falseada. Los desarrolladores priorizan que el juego se vea espectacular o sea divertido antes que simular una fricción mecánica perfecta. Es puro código cosmético.
Y es que un videojuego te muestra a tu personaje cogiendo una manzana, pero no calcula la presión exacta que cada dedo debe aplicar para que no resbale. Si le metes esa información aproximada a una IA que controla un brazo robótico quirúrgico, el desastre absoluto está garantizado. Por eso, Liu recomienda muchísima prudencia y NVIDIA prefiere usar un motor propio diseñado para replicar la física del mundo real al dedillo. En su opinión, exprimir datos de gamers es una mina de oro espectacular para generar vídeos hiperrealistas o crear escenarios 3D de alta fidelidad, pero no sirve para el control motor fino.
Viendo cómo se están moviendo las fichas y la inversión, queda clarísimo que la carrera por enseñar a la IA a vivir en nuestro plano físico acaba de arrancar. Inversores de riesgo como Nicole Fraenkel, de Khosla Ventures, señalan con bastante razón que grabar a humanos repitiendo tareas en un laboratorio jamás capturará el desorden brutal de la vida real. Hay demasiadas variables aleatorias.
Tocará esperar para ver si nuestras caóticas partidas con el mando terminan siendo la chispa que despierte verdaderamente a los robots, o si la limitación física de los polígonos acaba siendo un muro infranqueable. La pelota está en el tejado de los laboratorios.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
