Una pelota golpea la pared. La IA actual identifica la escena porque ha visto millones de ejemplos, pero no calcula por sí misma la trayectoria tras el rebote. Esa brecha entre reconocer y anticipar es lo que pretenden cerrar los llamados modelos de mundo: sistemas que construyen internamente una versión funcional del entorno y la actualizan en tiempo real.
El objetivo es que, igual que un bateador de béisbol predice en milisegundos dónde cruzará la pelota, la máquina ajuste sus acciones antes de que ocurra el cambio. Investigadores David Ha y Jürgen Schmidhuber argumentan que solo así la IA dejará de depender exclusivamente de bases de datos estáticas y podrá responder a imprevistos sin intervención humana.
El enfoque no es nuevo. Kenneth Craik, pionero de la ciencia cognitiva, ya hablaba de 'modelos mentales' en 1943: representaciones internas que usamos para ensayar futuros eventos. Las primeras corrientes de IA intentaron replicar esa lógica, pero la falta de capacidad computacional los relegó.
Ahora, el avance del machine learning y la mayor potencia de procesamiento reviven la idea. La promesa oficial es trasladar estos modelos a la conducción autónoma, la industria manufacturera y los videojuegos, donde un entorno cambiante exige decisiones inmediatas.
Sin embargo, el texto difundido por BBVA no ofrece resultados auditados ni metodología abierta que permita verificar si los supuestos avances superan los fracasos anteriores.
En México, donde los programas federales de IA suelen anunciarse sin informes de gasto ni indicadores de impacto, la ciudadanía tiene el derecho de exigir que cualquier proyecto 'modelo de mundo' incluya datos comparativos, revisiones externas y acceso a los algoritmos que decidirán, por ejemplo, el frenado de un vehículo autónomo.
El riesgo es que el discurso de 'predicción perfecta' sirva para justificar inversiones públicas o privadas sin rendición de cuentas, repitiendo la historia de proyectos faraónicos de inteligencia artificial que nunca cumplieron lo prometido.
Hasta que no existan evaluaciones independientes, los modelos de mundo seguirán siendo una hipótesis interesante, no una solución comprobada.
Etiquetas: IA general, Tecnología, rendición de cuentas, innovación pública, Tecnología · IA general
About the Author
