Waymo y los tornados: cómo Google DeepMind enseña a los coches autónomos a sobrevivir al caos

Imagine una autopista vacía en algún lugar de Oklahoma, al atardecer. De pronto, justo delante, un tornado gigantesco desciende de las nubes. ¿Qué debe hacer un coche autónomo? Antes, los ingenieros tenían dos opciones: esperar años a una catástrofe real, con la esperanza de que su vehículo de pruebas estuviera cerca y sobreviviera, o intentar programar a mano la física del viento y los escombros en un viejo motor de videojuegos. Waymo eligió otro camino y unió fuerzas con los especialistas de Google DeepMind. Juntos han creado un sistema basado en Genie 3, una red neuronal que convierte instrucciones de texto en mundos 3D interactivos y inquietantemente realistas.

Genie nació como un juguete divertido para generar plataformas sencillas al estilo de Super Mario. Pero en DeepMind pronto comprendieron que, si un modelo entiende la física del salto de un personaje de píxeles, también puede manejar la dinámica de un camión de varias toneladas en una carretera helada. Para Waymo, no es una simple mejora gráfica de su simulador. Es el paso hacia auténticos «modelos del mundo» (World Models), adaptados a las duras exigencias del tráfico real. Ahora los desarrolladores pueden escribir en el escenario cualquier locura, desde un elefante que irrumpe en la autopista hasta una tormenta de arena, y ver cómo reacciona la IA.

El problema es que enseñar a un coche autónomo a circular por el soleado San Francisco o Phoenix no es tan difícil hoy. El verdadero reto del sector son los llamados «casos límite» (edge cases): sucesos que ocurren una vez cada millón de millas, pero que provocan accidentes mortales. Reunir datos de estos incidentes en carreteras reales es físicamente imposible, demasiado caro y simplemente peligroso para terceros. Con Genie 3, Waymo puede generar miles de variaciones del mismo escenario peligroso en un abrir y cerrar de ojos, y obligar a sus algoritmos a aprender de sus errores en el mundo virtual.

La diferencia clave de Genie 3 respecto a los simuladores clásicos es que esta red neuronal crea un entorno que reacciona a las acciones del agente. Si el coche simulado gira bruscamente el volante o pisa el freno, el mundo a su alrededor cambia según la física que predice la red. Es un intento de enseñar a la inteligencia artificial las relaciones de causa y efecto de nuestra realidad, en lugar de copiar por plantilla el comportamiento de los conductores humanos. Es un cambio fundamental en cómo abordamos la seguridad de los sistemas autónomos.

El movimiento parece una respuesta directa a los escépticos y a los competidores, Tesla incluida. Mientras Elon Musk apuesta por la recopilación masiva de datos de millones de viajes cotidianos de sus clientes, Waymo se adentra en la teoría y la simulación extrema. Es el choque clásico de enfoques: fuerza bruta frente a preparación intelectual en el laboratorio. Si Waymo logra demostrar que sus «gemelos digitales» del caos reflejan adecuadamente la realidad, los reguladores podrían mostrarse mucho más favorables a un lanzamiento masivo de robotaxis sin conductor.

Por supuesto, queda una pregunta abierta: ¿hasta qué punto las alucinaciones de la red neuronal Genie 3 se corresponden con la física real de un tornado o con el comportamiento de un animal asustado? Si el modelo se equivoca al calcular el agarre de los neumáticos en una carretera mojada por la lluvia, entrenar en esa simulación incluso podría resultar perjudicial, al inculcar al algoritmo habilidades falsas. Pero, dada la experiencia de DeepMind en aprendizaje profundo, es probablemente el intento más serio de crear un campo de pruebas completo para la IA que hemos visto en los últimos años.

Lo esencial: Waymo traslada la carrera armamentística del mundo real a las simulaciones virtuales. ¿Podrán otras empresas crear «modelos del mundo» de la misma calidad, o la seguridad de los coches autónomos acabará siendo un monopolio de quienes tengan acceso a la capacidad de cómputo de Google?