Desarrollan nuevas herramientas de inteligencia artificial enfocadas en el mundo físico
Empresas tecnológicas y laboratorios de investigación están presentando herramientas de inteligencia artificial orientadas a modelar el mundo físico, un paso considerado fundamental para el avance de la robótica y sistemas autónomos. Los nuevos desarrollos, impulsados por organizaciones como Google, World Labs y Advanced Machine Intelligence, buscan dotar a la IA de capacidades para comprender y simular entornos complejos, permitiendo su aplicación más allá del ámbito digital.
El anuncio de estas herramientas de inteligencia artificial marca un avance en una tendencia investigativa que retoma conceptos de mediados del siglo XX y responde a la necesidad de que los sistemas inteligentes puedan operar en escenarios físicos reales y virtuales de forma consistente y adaptativa.
Presentan Project Genie, el modelo experimental de Google
En enero de 2026, Google lanzó Project Genie, un modelo experimental de inteligencia artificial capaz de generar mundos interactivos a partir de instrucciones dadas por el usuario. Esta herramienta permite crear una simulación realista a partir de una simple imagen o un fragmento de texto, y también posibilita explorar entornos inspirados en estilos artísticos específicos, como el puntillismo de Georges Seurat.
Según sus creadores, aunque Project Genie puede asemejarse a un videojuego, en realidad funciona como un “modelo del mundo” que ayuda a los sistemas de inteligencia artificial a comprender espacios físicos complejos e impredecibles. Google sostiene que el desarrollo de estos modelos es necesario para aplicaciones donde robots humanoides o vehículos autónomos deberán desenvolverse en entornos reales.
El enfoque del modelo mundial de Google se basa en la simulación de entornos que permiten a la inteligencia artificial probar hipótesis antes de ejecutarlas en situaciones reales, un planteamiento que se remonta a los postulados del psicólogo Kenneth Craik en 1943. Esta aproximación busca que los sistemas de IA no solo reaccionen, sino que planifiquen y anticipen eventos en entornos dinámicos.
Modelos generativos de vídeo aplicados a la comprensión física
Uno de los enfoques más explorados para el desarrollo de herramientas de inteligencia artificial orientadas al mundo físico es el uso de generadores de vídeo. Estos sistemas basan su utilidad en que generar un vídeo coherente requiere simular un entorno que respete las leyes físicas continuidad. Los modelos actuales pueden, por ejemplo, inferir rutas en un laberinto o modelar cómo se abriría un frasco a partir de imágenes fijas.
Project Genie representa una culminación de esta técnica, al permitir que la IA entrene y recolecte datos en mundos virtuales, evitando las dificultades logísticas de obtener miles de millones de horas de entrenamiento en el mundo real. Sin embargo, incluso las simulaciones más detalladas presentan límites: ciertos aspectos sensoriales —como olores o el estado de objetos fuera de cámara— no pueden ser representados con precisión en vídeo.
Inteligencia espacial y mundos 3D según World Labs
Otro frente de investigación en herramientas de inteligencia artificial lo lidera la científica informática Fei Fei Li, de la Universidad de Stanford. Su startup, World Labs, avanza con el modelo Marble, orientado a crear representaciones internas completas y coherentes de entornos tridimensionales. Según Li, los modelos de mundo deben ser interactivos, multimodales y, sobre todo, consistentes.
El modelo Marble permite que varios usuarios exploren simultáneamente un mismo entorno digital, y que todos los espacios de dicho entorno existan integralmente desde el inicio, evitando la recreación constante del espacio cada vez que el usuario lo observa. La empresa expone la aplicación del producto a arquitectos, quienes pueden visualizar un espacio en detalle antes de trasladarlo a una impresión 3D.
Aproximación JEPA: integrar modelos predictivos en la IA
Yann LeCun, ex director científico de IA en Meta, sostiene un enfoque alternativo basado en la Arquitectura Predictiva de Integración Conjunta (JEPA). LeCun propone que las inteligencias artificiales utilicen modelos del mundo menos literales, enfocados tanto en entornos físicos como virtuales. Para él, muchas tareas de la IA no requieren operar solo en el entorno físico, sino también en sistemas complejos digitales, como recursos humanos o documentos legales.
Desde 2022, LeCun impulsa esta línea de investigación con su startup Advanced Machine Intelligence, que inició colaboración con Nabla, una empresa de tecnología sanitaria. El objetivo consiste en desarrollar sistemas de IA que apliquen modelos predictivos para determinar secuencias de acciones óptimas al enfrentar tareas específicas, tanto en el mundo real como en entornos computarizados.
Debate sobre las capacidades actuales de los grandes modelos de lenguaje
Algunos expertos del sector, como Ilya Sutskever, cofundador de OpenAI, defienden la hipótesis de que los actuales modelos de IA generativa ya contienen una representación interna del mundo, debido al proceso de compresión de vastas cantidades de información durante su entrenamiento.
Investigaciones recientes han mostrado que modelos lingüísticos, al ser entrenados con listas de movimientos de juegos de mesa como Othello, generan internamente representaciones detalladas del estado del tablero sin haber recibido imágenes explícitas, lo que permite manipular esas representaciones directamente en la red neuronal.
El laboratorio Anthropic, por su parte, ha liderado trabajos de interpretabilidad con sus modelos Claude, hallando grupos de neuronas que corresponden a conceptos concretos, desde sentimientos hasta lugares específicos del mundo real. Estas observaciones sugieren que los sistemas de IA desarrollan comprensiones internas del mundo físico utilizadas para responder a diferentes indicaciones.
Sin embargo, existe debate entre expertos como la Dra. Li, quien argumenta que la capacidad de generar lenguaje sobre el mundo no equivale a una comprensión profunda del mismo. Li sostiene que, a pesar de las capacidades descriptivas del lenguaje, aún faltan componentes críticos en el conocimiento que una IA puede adquirir solo mediante datos textuales.
Antecedentes y perspectivas de desarrollo
El desarrollo de herramientas de inteligencia artificial orientadas al modelado del mundo físico cuenta con antecedentes desde la década de 1990, cuando la investigación priorizaba dotar a los sistemas inteligentes de representaciones internas útiles para la planificación y la predicción en entornos complejos. El auge de los grandes modelos de lenguaje desplazó esta línea, pero actualmente los principales laboratorios del sector retoman e integran estos conceptos hacia nuevas aplicaciones.
En noviembre de 2025, Yann LeCun dejó Meta para avanzar en el desarrollo de su startup centrada en la arquitectura JEPA. Mientras tanto, World Labs continúa divulgando avances en la tecnología Marble y su potencial uso en el ámbito del diseño tridimensional. Google, por su parte, mantiene el despliegue de Project Genie para experimentaciones en creación de simulaciones y pruebas en entornos virtuales.
Próximos pasos anunciados por los protagonistas del sector
Las compañías implicadas han comunicado que continuarán presentando y mejorando sus herramientas de inteligencia artificial a potenciales usuarios y sectores específicos, como arquitectura y salud, además de explorar colaboraciones para extender el alcance de estas tecnologías. El desarrollo de modelos internos más consistentes y multimodales forma parte de los objetivos institucionales de World Labs y Advanced Machine Intelligence, mientras que Google sigue su estrategia de desarrollo de simuladores interactivos con Project Genie.
Fuente: The Economist / Infobae.
