Simulando todo, más o menos: La promesa y los límites de los modelos del mundo
Simulating everything, sort of: The promise and limits of world models
En los últimos años, muchos hemos recibido una introducción acelerada a lo que ahora llamamos inteligencia artificial, aunque en realidad ha sido un curso intensivo en modelos de lenguaje de gran escala (LLM). Sin embargo, cada vez más, los LLM ya no son la única categoría de IA que atrae grandes expectativas, rondas masivas de financiación y un desarrollo significativo en investigación y productos.
En el último año, hemos visto una gran cantidad de nuevos anuncios en una categoría denominada «modelos del mundo», y es probable que veamos más movimiento en esta área en los próximos meses y años. En lugar de trabajar únicamente con el lenguaje, los modelos del mundo tienen como objetivo sentar las bases para sistemas de IA capaces de simular el mundo físico, o al menos una aproximación útil de este.
Para examinar qué es diferente e importante sobre esta idea, Ars Technica habló con tres expertos en modelos del mundo y tecnologías relacionadas: Vincent Sitzmann del MIT, Anastasis Germanidis de Runway y Ben Mildenhall de World Labs. A partir de estas conversaciones, aprendimos que, mientras que los LLM como producto comenzaron con una interfaz (chat) y luego buscaron un caso de uso, los grandes actores en los modelos del mundo están trabajando en la dirección opuesta: están comenzando con casos de uso específicos y aplicaciones en robótica, investigación y generación de activos, aunque no está claro exactamente cómo se verán finalmente las interfaces, sistemas y herramientas.
Yann LeCun, exjefe científico de IA de Meta, ha expresado que «la idea de que vas a extender las capacidades de los LLM hasta el punto de que tendrán inteligencia a nivel humano es un completo disparate». Este sentimiento es compartido por Fei-Fei Li, pionera en visión por computadora que cofundó World Labs. En una publicación de Substack, Li escribió que la inteligencia espacial transformará cómo creamos e interactuamos con mundos reales y virtuales, revolucionando la narración de historias, la creatividad, la robótica, el descubrimiento científico y más allá.
En los últimos meses, los modelos del mundo han avanzado de ser un tema de investigación a la base de nuevos proyectos comerciales y grandes rondas de financiación. En agosto, Google DeepMind presentó Genie 3, un modelo que construye interactividad en tiempo real sobre la base de un modelo de generación de video. En noviembre, World Labs introdujo Marble, un conjunto de herramientas que permite a los usuarios generar entornos inmersivos que pueden exportarse como activos 3D. Más recientemente, Yann LeCun fundó Advanced Machine Intelligence (AMI), apostando por la idea de que el verdadero futuro de los sistemas de IA está en modelos que interactúan con el mundo físico.
Estos esfuerzos han recibido un financiamiento sustancial, con World Labs y AMI recaudando alrededor de $1 mil millones cada uno, y Runway recaudando $315 millones. Aunque parte de la actividad en torno a los modelos del mundo está dirigida a construir las bases de la AGI o superinteligencia, la mayoría de los que trabajan en ellos hablan de aplicaciones prácticas: entrenamiento, prueba y conducción de robots; generación de activos 3D para el desarrollo de juegos y producción cinematográfica; simulación y modelado científico, entre otros.
Es importante señalar que «modelos del mundo» es un término paraguas que a menudo se utiliza sin una definición clara. Según Vincent Sitzmann, profesor asistente en el MIT, «es definitivamente un término sobrecargado». Sitzmann lidera el Grupo de Representación de Escenas dentro del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (CSAIL).
