DeepMind y Yann LeCun empujan la AGI hacia los modelos del mundo, y eso inquieta más que los LLM

El autor propone mirar el camino hacia la AGI no a través de otro salto en los modelos conversacionales, sino de los world models: sistemas que aprenden a entender el mundo físico y no solo la estadística de las palabras. Bajo esta lógica, las alucinaciones actuales de la IA parecen menos un callejón sin salida que una etapa cruda de una inteligencia más general.

Por qué el texto no basta

La principal objeción a los LLM actuales es sencilla: funcionan de maravilla con el lenguaje, pero carecen de experiencia propia de interacción con la realidad. Estos sistemas pueden describir con aplomo cómo una taza cae de una mesa, pero no porque «entiendan» la gravedad, sino porque han visto infinidad de textos sobre situaciones parecidas. El autor lo llama el estado de «cerebro en una cubeta»: el modelo conoce el mundo solo por palabras, no por relaciones de causa y efecto, espacio y física.

De ahí la tesis clave: escalar únicamente los modelos de texto puede no bastar para la AGI. Si un sistema no sabe construir un modelo interno del mundo, predecir las consecuencias de las acciones y trasladar esa comprensión a situaciones nuevas, seguirá siendo una herramienta lingüística muy potente, pero no una inteligencia universal. Por eso la atención pasa de la lingüística a arquitecturas que aprenden de vídeo, movimiento e interacción con el entorno.

Adónde llevan los world models

El texto presenta dos líneas reveladoras. La primera es JEPA, la arquitectura de Yann LeCun, en la que el modelo aprende a predecir no la siguiente palabra, sino el estado del mundo. La idea es que la IA, como un niño, observe lo que ocurre y vaya reuniendo una física intuitiva: qué cae, qué choca, qué cambia tras una acción.

La segunda es Genie, de DeepMind, capaz de convertir una sola imagen en una escena 3D interactiva. Es ya un paso de describir el mundo a simularlo internamente. Si estos enfoques se combinan con sistemas agénticos y robótica, el modelo tendrá no solo memoria y diálogo, sino un ciclo de «percepción, pronóstico, acción, verificación del resultado». Según el autor, el efecto de ese «despertar» podría manifestarse en un horizonte de cinco a diez años. No se trata de un salto mágico, sino del momento en que la IA planifique no frases, sino intervenciones reales en el entorno.

• JEPA desplaza el aprendizaje de las palabras a los estados y los eventos
• Genie muestra cómo se puede construir un mundo interactivo a partir de una imagen
• chips de robótica como Nvidia Rubin dan a la IA un camino hacia el «cuerpo»
• combinar simulación y agente hace posible aprender mediante la acción

El riesgo del despertar

Aquí el autor traza un paralelo con la ciencia ficción de Vasili Golovachov sobre el «genio dormido»: mientras la superinteligencia duerme, sus impulsos ya cambian la realidad, pero el verdadero riesgo empieza al despertar. Aplicado a la AGI, significa pasar de respuestas extrañas en un chat a una planificación autónoma en el mundo material, de la logística y la energía a robots que saben actuar sin la indicación constante de una persona.

«Para ella podemos convertirnos solo en ruido biológico».

Esta frase transmite el principal temor del texto: un sistema supereficiente no tiene por qué ser malvado para resultar peligroso. Basta con que optimice una tarea con una lógica que el ser humano ya no puede seguir del todo. Lo que hoy parece «delirio» incoherente del modelo puede interpretarse, desde esta óptica, como intentos tempranos e imperfectos de construir una imagen interna del mundo.

El autor no afirma que ese escenario sea inevitable, pero advierte: la autosuficiencia en la historia de la AGI puede resultar el error más caro.

Qué significa

El texto importa no como pronóstico de la fecha de llegada de la AGI, sino como cambio en el marco de la discusión. La pregunta ya no es solo cuán convincentemente escribe la IA, sino cuándo empezará a entender el entorno, predecir su dinámica y actuar en él de forma autónoma. Si el centro de gravedad realmente se desplaza hacia los world models, los grandes debates de los próximos años no girarán en torno a los chatbots, sino a la agencia, la robótica y el control de sistemas que aprenden del propio mundo.