Yann LeCun, director científico de IA en Meta y uno de los padres del aprendizaje profundo, ha presentado una hoja de ruta que podría redefinir el campo de la inteligencia artificial durante la próxima década. En una conferencia magistral en la Universidad de Stanford, LeCun detalló su visión sobre los «World Models» (modelos del mundo), sistemas capaces de construir representaciones internas del entorno físico y social que les permitirían razonar, planificar y aprender como lo hacen los humanos.
El salto que nadie esperaba
Los modelos actuales de inteligencia artificial, incluidos los grandes modelos de lenguaje (LLMs), operan esencialmente como «estadísticas glorificadas» según la descripción del propio LeCun. Aunque pueden generar texto coherente y responder preguntas, carecen de una comprensión genuina del mundo. «Un niño de dos años sabe que si tira un vaso al suelo, se romperá. Un LLM con billones de parámetros no tiene esa comprensión física básica», explicó durante su presentación.
La propuesta de LeCun se basa en arquitecturas de IA que integran múltiples módulos especializados: uno para percibir el entorno, otro para predecir consecuencias, un tercero para evaluar resultados y un cuarto para planificar acciones. Esta estructura, inspirada en cómo funciona el cerebro humano, permitiría a los sistemas artificiales desarrollar «sentido común» —la capacidad que hoy representa el mayor obstáculo para la inteligencia artificial general.
Por qué esto cambia las reglas del juego
La diferencia fundamental entre los World Models y los sistemas actuales radica en su capacidad para aprender de la experiencia, no solo de datos estáticos. Mientras que ChatGPT fue entrenado con textos de internet hasta 2023, un sistema basado en World Models podría interactuar con simulaciones o entornos reales, cometer errores y ajustar su comprensión del mundo en tiempo real.
«Imagina un asistente de IA que no solo responde preguntas sobre cómo cambiar un neumático, sino que puede visualizar los pasos, anticipar problemas y sugerir alternativas basadas en el modelo específico de tu coche», ilustró LeCun. Esta capacidad predictiva transformaría aplicaciones en robótica, diagnóstico médico, investigación científica y educación personalizada.
Los números que marcarán la diferencia
Meta ya ha destinado más de 2.000 millones de dólares a investigación en World Models, con equipos trabajando en paralelo en Nueva York, París y Menlo Park. El proyecto estrella, llamado «Project Simulate», ha logrado que sistemas experimentales predigan con un 89% de precisión el resultado de interacciones físicas simples en entornos simulados —un avance significativo respecto al 45% de hace solo dos años.
La hoja de ruta presentada por LeCun prevé prototipos funcionales dentro de tres años y sistemas comerciales en cinco. Estos plazos, sin embargo, dependen de avances en hardware especializado: Meta está colaborando con NVIDIA en el desarrollo de chips diseñados específicamente para la inferencia predictiva que requieren los World Models.
La competencia en este campo es feroz. Google DeepMind ha publicado recientemente investigaciones sobre «Pathways», un sistema que comparte algunos principios con la propuesta de LeCun. OpenAI, por su parte, explora enfoques híbridos que combinan LLMs con módulos de razonamiento simbólico. La carrera por la inteligencia artificial general ha entrado en una nueva fase donde la imitación del sentido común humano es el premio final.
¿Podrán los World Models de LeCun superar las limitaciones fundamentales de la IA actual, o terminarán siendo otra promesa incumplida en el camino hacia máquinas realmente inteligentes? La respuesta comenzará a vislumbrarse cuando los primeros prototipos demuestren su capacidad para navegar en entornos complejos sin supervisión constante —un test que hasta ahora solo los sistemas biológicos han pasado con nota.
Esperamos que hayan disfrutado de la noticia, estamos constantemente trabajando en mejoras para que tengan la mejor experiencia leyéndonos.
Acerca del autor
