Los «world models», programas capaces de generar entornos digitales que simulan la física, ocupan un lugar cada vez más importante en las investigaciones de Silicon Valley. Podrían pronto introducirse en la vida cotidiana, sin que sus usuarios interactúen directamente con ellos, especialmente a través de la robótica y los coches autónomos.
En 2016, cientos de millones de jugadores recorrían las calles con su smartphone para atrapar Pokémon en Pokémon Go, un juego de realidad mixta. Lo que ignoraban es que los datos recopilados sobre su entorno podrían servir algún día para ayudar a los robots a sortear obstáculos e interactuar con objetos. Niantic, creador del juego, lo vendió y se volcó en uno de los temas más candentes de la inteligencia artificial. «Nos dedicamos mucho a la reconstrucción del mundo real», declara Brian McClendon, director técnico de Niantic Spatial. Espera explotar esta masa de datos para construir réplicas del mundo.
Imágenes en lugar de palabras
Los grandes modelos de lenguaje (LLM), entrenados con texto, se distinguen de los world models, que explotan entradas visuales. Oliver Cameron, CEO de Odyssey, un laboratorio de IA especializado en estos modelos, compara ambos enfoques: «Con un modelo de lenguaje, tienes una frase y predice la siguiente palabra. Con un world model, le das un estado visual del mundo, una imagen, y predice el siguiente estado visual del mundo».
Estas generaciones en tres dimensiones pueden servir como campos de entrenamiento digitales. «Son simulaciones, pero parecen y se sienten reales», afirma.
Entrenar robots y coches autónomos
Según Brian McClendon, los world models permitirían a los robots entrenarse sin movimiento físico ni presencia en el entorno objetivo. Bastaría con fotografiar el lugar donde el robot debe desenvolverse, generar un modelo en 3D y dejar que el software ejecute «millones de simulaciones» para aprender los parámetros del espacio.
Los robots humanoides no son los únicos que pueden beneficiarse de estos entrenamientos simulados. Los coches autónomos también se apoyan en world models, en un contexto donde las reacciones del software, en una fracción de segundo, son primordiales. Jamie Shotton, director científico de Wayve, que desarrolla world models diseñados para el automóvil, subraya el desafío: «Es esencial que un world model pueda reaccionar a las acciones que emprendemos en el mundo, y por tanto debe entender la física, la causa y el efecto, así como la manera en que otros objetos y personas modifican sus acciones en respuesta a las nuestras».
La fuente menciona 2027 como un año que podría ser clave para el desarrollo de la robótica doméstica y los coches autónomos, dos ámbitos reforzados por los avances de los world models.
