Los grandes modelos de lenguaje escriben ensayos sobre la gravedad, pero no tienen ni idea de cómo esquivar una silla. Ese vacío, el del razonamiento espacial y físico, es el que la startup General Intuition quiere llenar con una idea tan llamativa como discutible: enseñar a la IA a moverse por el mundo con millones de horas de partidas de videojuegos. La duda, de fondo, es si eso es un atajo brillante o una ilusión.
Por qué una partida enseña más que un vídeo de internet
La empresa, dirigida por Pim de Witte y hermana de Medal (la plataforma donde los jugadores suben sus clips), entrena lo que se conoce como modelos de mundo a partir de cientos de millones de horas de gameplay. Su baza no es el vídeo en sí, sino las etiquetas de acción que lo acompañan: el registro exacto de qué botón pulsó el jugador en cada instante. Un vídeo de YouTube solo muestra una imagen; una partida muestra la causa y el efecto, qué acción produce qué movimiento en un espacio tridimensional coherente.
Frente a los vídeos de internet, con cámaras inconsistentes, el juego ofrece una vista en primera persona estable y una física uniforme. Y, de propina, los jugadores tienden a subir sus mejores jugadas y sus peores cazadas, justo los casos extremos que más enseñan a una máquina qué hacer cuando las cosas se tuercen.
«Construimos modelos que predicen acciones: las acciones que la gente realiza dentro de los videojuegos, no el arte ni nada por el estilo».
Pim de Witte, director ejecutivo de General Intuition
La conversación completa, en la que de Witte explica por qué apuesta por los videojuegos y dónde traza su raya ética, está en el podcast Equity de TechCrunch.
La demo impresiona, pero conviene leer la letra pequeña
En sus oficinas, el mismo modelo que mueve a un personaje en algo parecido a Fortnite mueve también a un robot cuadrúpedo real. Y hay una parte que impresiona de verdad: con solo su cámara frontal, sin más sensores, el robot se movió por una oficina que no había visto nunca, con gente pasando alrededor, y a su propio equipo le sorprendió que funcionara. Pero conviene no dejarse llevar: ese robot no aprendió a andar jugando, sino que necesitó ocho minutos de datos reales de robótica, recogidos en la calle, y aun así se movía con la torpeza de un niño que todavía no controla su cuerpo, rozando sillas y papeleras. El propio de Witte matiza, además, que esos pocos minutos valen para la navegación, pero que un brazo robótico, poco presente en los videojuegos, exigiría bastante más. El empujón inicial lo da el videojuego; el salto al mundo físico sigue pidiendo mundo físico.
Ahí está el nudo de toda la apuesta, y es un problema que nadie ha resuelto: que un modelo entrenado en simulación aguante en la realidad, y a gran escala. El propio TechCrunch, que vio las demos, lo deja claro: si esa transferencia se sostiene fuera del laboratorio es una pregunta abierta que aún nadie ha respondido del todo. Al fin y al cabo, los juegos no son física de verdad, son una física de diseño, limpia y predecible, y el mundo no lo es.
El dinero va por delante de las pruebas
Nada de esto ha frenado a los inversores. General Intuition ha levantado 320 millones de dólares a una valoración de 2.300 millones, en una ronda liderada por Khosla Ventures y con Jeff Bezos, Eric Schmidt e investigadores del MIT y Google DeepMind detrás. La cifra va por delante de los resultados, pero se entiende por la fiebre de los modelos de mundo: OpenAI llegó a ofrecer 500 millones por Medal, que dijo que no, y en la misma carrera están Google DeepMind con Genie, World Labs (la empresa de Fei-Fei Li) o el empeño de Nvidia por la robótica. Vinod Khosla lo vende como el próximo gran salto, el de los modelos de acción. A los inversores les convence también el equipo: los cofundadores firman DIAMOND, uno de los primeros modelos de mundo de código abierto.
Sin armas y con parte del pastel para los jugadores
De Witte, que pasó tres años en el ámbito humanitario, incluido Médicos Sin Fronteras, ha trazado una raya roja, aunque con matices: no hará armamento autónomo letal ni quiere que su modelo base aprenda a matar, pero tampoco se declara contrario a la defensa. Su línea, dice, es no formar parte de un sistema que dañe a personas, y reconoce que la revisaría ante una escalada grave; con la búsqueda y el rescate, en cambio, no tiene reparos. Y ha montado Nerve, una plataforma donde los jugadores de Medal ganan dinero etiquetando datos o teleoperando robots. Lo presenta como dar parte del pastel a la comunidad que genera los datos, aunque, como él mismo admite, esa comunidad es también la generación más expuesta a que la IA le quite el empleo.
Así que, ¿merece la pena educar a la IA en física con videojuegos? Como idea, mucho: son datos baratos, enormes, estructurados y ya etiquetados, un gimnasio casi perfecto para el razonamiento espacial. Como promesa cumplida, todavía no: entre saber jugar y saber moverse por el mundo hay una distancia que, de momento, nadie ha cruzado del todo. La apuesta es que ese atajo exista. Está por ver.
