Un modelo de mundo predice consecuencias, no solo la siguiente palabra
Un modelo de mundo es una representación aprendida de un entorno que permite estimar cómo cambiará su estado y qué consecuencias puede producir una acción. No necesita reconstruir cada detalle de la realidad: conserva la información útil para predecir, decidir o planificar.
La diferencia principal está en el objetivo. Un modelo de lenguaje autorregresivo aprende a predecir la continuación de una secuencia de texto; un modelo de mundo aprende la dinámica entre estados del entorno, a menudo condicionada por acciones. Las categorías pueden combinarse: un mismo sistema puede integrar lenguaje, percepción y una representación dinámica.
Qué representa internamente
La representación puede codificar objetos, posiciones, velocidades, relaciones espaciales y otras variables que no aparecen explícitas en los datos. En lugar de guardar una copia literal de cada observación, el sistema suele convertirla en un estado latente: una descripción matemática comprimida desde la que intenta anticipar lo relevante.
El trabajo de David Ha y Jürgen Schmidhuber sobre representaciones espaciotemporales comprimidas mostró que un agente podía usar las características aprendidas para entrenar una política de control dentro de un entorno generado y transferirla después al entorno original. El experimento ilustra la función del modelo como espacio interno para ensayar comportamientos; no certifica que contenga una réplica completa de la realidad.
Qué información se conserva depende de la tarea. Para atrapar una pelota pueden importar su trayectoria y velocidad, mientras que el color quizá sea irrelevante. Para clasificarla en un inventario, el material y el color podrían ser esenciales, aunque el movimiento no aporte nada.
La misma pelota vista por tres sistemas
Consideremos un ejemplo hipotético: una pelota avanza hacia una pared, choca y rebota. Un modelo de lenguaje puede completar correctamente la frase «la pelota golpeó la pared y…» porque ha aprendido qué continuaciones son probables en textos similares. Puede describir bien el fenómeno sin calcular la evolución de un estado físico concreto.
Un generador visual puede producir una secuencia donde la pelota parezca rebotar. Esa continuidad demuestra capacidad para sintetizar fotogramas plausibles, pero no prueba por sí sola que el sistema mantenga variables persistentes como velocidad, masa o energía.
Un modelo de mundo orientado a la planificación recibe o infiere un estado inicial, incorpora una acción o un evento y estima el estado posterior. Puede comparar, por ejemplo, qué ocurriría al cambiar el ángulo del lanzamiento. El ejemplo de BBVA sobre una pelota que rebota contrapone precisamente el reconocimiento de la escena con la capacidad de anticipar cómo evolucionará.
Cómo aprende transiciones y consecuencias
Durante el entrenamiento, el sistema observa secuencias formadas por un estado anterior, una acción y un estado posterior. Ajusta sus parámetros para reducir la diferencia entre el resultado previsto y el observado. Si los datos incluyen suficientes variaciones, puede aprender regularidades y asignar probabilidades distintas a varios futuros posibles.
La predicción no tiene que producirse directamente en píxeles. El modelo puede estimar cómo cambiará su representación latente o trabajar con variables explícitas definidas por quien diseña el sistema. Un planificador consulta después esas predicciones para escoger la acción cuya trayectoria esperada se acerca más al objetivo.
Esta mecánica introduce una distinción fundamental: predecir una consecuencia no equivale a identificar su causa. Si todas las pelotas de los datos rebotan sobre la misma superficie, el sistema puede asociar apariencia y movimiento sin aprender qué propiedad del material determina el rebote. La asociación puede funcionar en condiciones conocidas y fallar cuando cambia una variable que permanecía fija durante el entrenamiento.
Por qué un video convincente no prueba comprensión física
El realismo visual es una prueba insuficiente porque una secuencia puede parecer plausible durante unos segundos y aun así violar restricciones cuando se prolonga o se modifica. La pelota podría conservar su forma en una toma, atravesar parcialmente otro objeto más tarde o reaccionar de manera contradictoria ante un cambio de superficie.
Una afirmación de comprensión física requeriría pruebas controladas. El sistema tendría que mantener objetos y propiedades a lo largo del tiempo, responder coherentemente a intervenciones, generalizar a combinaciones ausentes del entrenamiento y expresar incertidumbre cuando las observaciones permiten varios futuros.
Una evaluación sólida cambiaría una variable cada vez —material, pendiente, velocidad inicial o gravedad simulada— y comprobaría si la consecuencia varía en la dirección esperada. Después introduciría escenarios fuera de distribución y mediría la adaptación del modelo ante nueva evidencia. Reproducir una secuencia familiar muestra reconocimiento de patrones; mantener la coherencia bajo perturbaciones aporta evidencia más fuerte, aunque tampoco demuestra una comprensión equivalente a la humana.
Qué exige una afirmación comercial verificable
La etiqueta «modelo de mundo» no revela por sí sola qué representa un sistema ni hasta dónde puede utilizarse. Para valorar una propuesta destinada a robótica, simulación, videojuegos o agentes, hay que separar la calidad visual de la capacidad para predecir y planificar en una tarea definida.
- Estado: qué observaciones recibe el sistema, qué información conserva y durante cuánto tiempo.
- Acciones: si solo pronostica lo que sucederá o también compara las consecuencias de decisiones alternativas.
- Generalización: en qué difieren las pruebas del entrenamiento y cuánto cae el rendimiento fuera de esa distribución.
- Intervenciones: si responde de forma consistente cuando cambia una causa relevante y las demás condiciones se mantienen controladas.
- Validación: si las predicciones se contrastan con el entorno real, con un simulador validado o únicamente con la apariencia de la salida.
- Incertidumbre: si reconoce futuros ambiguos y posibles errores en vez de producir siempre una trayectoria única.
Estas exigencias reflejan problemas aún abiertos. Una revisión académica de los modelos de mundo destaca el aprendizaje informado por física, la inferencia causal, el aprendizaje continuo y la supervisión humana entre las áreas necesarias para superar representaciones poco estructuradas y adaptables.
El valor operativo no consiste en que el sistema genere un futuro atractivo, sino en que sus predicciones ayuden a elegir acciones y resistan cambios relevantes. Una demostración comercial es más sólida cuando especifica el entorno, las intervenciones, las métricas y los fallos conocidos, en lugar de presentar el realismo visual como prueba de comprensión.
Lee también:
Suscríbete a nuestro boletín
Reciba las últimas noticias sobre Web3, IA y criptomonedas directamente en su bandeja de entrada.