El desarrollo de grandes modelos del mundo: una nueva era en la inteligencia artificial
La inteligencia artificial (IA) está experimentando un avance significativo con la aparición de los grandes modelos del mundo (LWM, por sus siglas en inglés). Mientras que los modelos de lenguaje (LLM) como ChatGPT se centran en la generación de texto, los LWM buscan crear representaciones del mundo físico tal como lo perciben los humanos. Esta ambición no es nueva, ya que se ha investigado en esta área durante años; sin embargo, en la actual carrera por la IA, empresas como Google y Meta están realizando importantes inversiones y desarrollos en este ámbito. Recientemente, Google presentó Genie 3, un generador de entornos virtuales que se adapta en tiempo real al movimiento del usuario, mientras que Meta lanzó su modelo V-JEPA 2, que se centra en la comprensión visual de entornos reales.
El interés por los LWM también ha llevado a la creación de numerosas startups. Una de las figuras más destacadas en este campo es Fei Fei Li, quien ha conseguido una inversión significativa para su proyecto World Labs, que busca desarrollar un sistema capaz de comprender el funcionamiento del mundo físico. Asimismo, la empresa Skild AI, respaldada por gigantes como Amazon y Nvidia, ha recaudado más de 400 millones de dólares para desarrollar modelos que pueden controlar tanto máquinas de producción como robots humanoides. Estos sistemas están diseñados para predecir no solo palabras, sino información global, integrando diversos tipos de datos como texto, audio e imágenes para generar una comprensión más profunda y contextualizada del entorno.
El potencial de los LWM es vasto, con aplicaciones que van desde la creación dinámica de videojuegos hasta la mejora de la robótica autónoma. Nvidia, por ejemplo, acaba de lanzar su plataforma Cosmos, que facilita el desarrollo de estos modelos para su uso en robots y vehículos autónomos. La capacidad de un robot para interactuar con su entorno depende de su entrenamiento en situaciones del mundo real, algo que los LWM pueden optimizar al proporcionar un acceso más amplio a datos del entorno. Sin embargo, el desarrollo de esta tecnología enfrenta desafíos significativos, como la necesidad de grandes volúmenes de datos y la complejidad de entrenar modelos que integren información en un marco espacio-temporal. La recopilación y análisis de datos de la realidad física son fundamentales para el avance de los LWM, y las grandes corporaciones han empezado a documentar el mundo en tiempo real para facilitar este proceso.
