Modelos del mundo: por qué los generadores de vídeo no tratan de cine, sino de la física de la realidad

Cuando OpenAI lanzó Sora, todos se lanzaron a debatir cuánto falta para que Hollywood acabe en el basurero de la historia. Pero si se deja a un lado el entusiasmo por los mamuts lanudos y los letreros de neón de Tokio, queda algo más fundamental. Asistimos al paso de predecir simplemente el siguiente píxel a crear auténticos modelos del mundo. No es un simple cambio de terminología, sino un giro tectónico en cómo las máquinas perciben nuestra realidad. Durante mucho tiempo, la IA vivió en un mundo de texto e imágenes estáticas, pero ahora intenta dominar el concepto de tiempo y de causa y efecto.

¿Para qué modelar el mundo? Imagina que quieres enseñar a un robot a preparar café. Antes había que escribir miles de líneas de código o dejar que la máquina fallara millones de veces en la realidad, rompiendo tazas e inundando el suelo de agua. Un modelo del mundo permite a la IA «reproducir» esos escenarios en su cabeza mediante un simulador universal del mundo. Es una especie de imaginación digital que se apoya no en fantasías, sino en leyes físicas asimiladas. La ironía es que la IA deduce esas leyes por sí sola, solo viendo terabytes de vídeo, sin una sola fórmula del manual de Newton.

El problema es que los modelos actuales siguen propensos a las «alucinaciones físicas». Seguramente has visto vídeos en los que la gente atraviesa paredes o los objetos desaparecen sin dejar rastro. Ocurre porque las redes neuronales todavía no entienden la esencia de los objetos; son solo maestras de la probabilidad. Sin embargo, nuevos enfoques de investigación buscan incorporar a la arquitectura de los modelos la comprensión del espacio y el tiempo mediante representaciones latentes. Eso permitiría a la IA no solo dibujar fotogramas, sino entender que si una pelota rueda hacia el borde de la mesa, caerá inevitablemente, en lugar de convertirse en mariposa.

Para la industria, esto supone el fin de la era de las «cajas negras» que se limitan a entregar un resultado. Avanzamos hacia sistemas que pueden justificar sus acciones simulando las consecuencias. Empresas como Wayve o Tesla ya usan algo parecido a modelos del mundo en sus pilotos automáticos, pero las ambiciones de los investigadores van más lejos. Quieren crear un entorno único donde la IA pueda probar hipótesis científicas o diseñar nuevos materiales, comprobando su resistencia en un mundo virtual idéntico al nuestro.

¿Qué significa esto para nosotros? Lo más probable es que en los próximos dos años veamos un crecimiento explosivo de la robótica. Los robots dejarán de ser torpes armatostes, porque llegarán a nuestro mundo ya «con experiencia», tras vivir miles de vidas virtuales en simuladores. La generación de vídeo seguirá siendo un extra agradable para los creadores de contenido, pero el verdadero avance llegará cuando la IA empiece a predecir el comportamiento de sistemas complejos, del cambio climático al plegamiento de proteínas. Por fin enseñamos a las máquinas no solo a imitarnos, sino a entender cómo está montado el escenario en el que todos actuamos.

Lo esencial: ¿Será la IA un auténtico «dios digital» o seguirá siendo un reproductor de vídeo avanzado con alucinaciones? La respuesta depende de si logramos enseñarle no solo a mirar, sino a comprender la inercia, la fricción y la gravedad.