Fei-Fei Li, una de las científicas de computación más influyentes y cofundadora de la compañía World Labs, ha definido cuál es el siguiente gran reto para la IA: la inteligencia espacial.

En un reciente ensayo publicado en Substack, Li sostiene que, si bien los grandes modelos de lenguaje (LLM) han transformado el acceso al conocimiento abstracto, siguen siendo fundamentalmente limitados. Los describe como “orfebres de palabras en la oscuridad; elocuentes pero sin experiencia”. La IA actual, argumenta, carece de una comprensión fundamental del mundo físico y tridimensional.

“La inteligencia espacial transformará cómo creamos e interactuamos con mundos reales y virtuales”, escribe la Dra. Fei-Fei Li, pionera de la IA y codirectora del Instituto de Inteligencia Artificial Centrada en el Ser Humano (HAI). de Stanford. “Esta es la próxima frontera de la IA”, sostiene la quien a veces se la llama la “madrina de la IA”.

Li cofundó World Labs en 2024 —empresa que recaudó 230 millones de dólares el otoño pasado— con el objetivo de desarrollar modelos del mundo: sistemas de IA generativa capaces de “percibir, generar, razonar e interactuar con el mundo 3D”, según describe la compañía.

Esta semana, World Labs presentó su primer producto comercial, Marble, una plataforma que permite a los usuarios crear y descargar sus propios entornos 3D a partir de texto, imágenes o videos.

Li anticipa que la inteligencia espacial revolucionará industrias tan diversas como la narrativa, el cine, la arquitectura, la robótica y el descubrimiento científico.

Marble ofrece cuatro planes de suscripción: el plan Gratuito permite crear hasta cuatro mundos; el Estándar (20 $ mensuales) aumenta el límite a 12 mundos e incluye opciones adicionales de edición; el Pro (35 $ mensuales) ofrece 25 mundos y derechos de uso comercial; y el Max (95 $ mensuales) amplía la capacidad a 75 mundos, además de incluir todos los beneficios del plan Pro.

En el camino hacia su puesto actual, también ha sido directora del Stanford AI Lab y jefa científica de IA y aprendizaje automático en Google Cloud. Hace aproximadamente una década, Li ayudó a la IA a dar un giro con la creación de ImageNet, una base de datos a medida de imágenes digitales que permitió a las redes neuronales ser significativamente más inteligentes. En su opinión, los grandes modelos de lenguaje (LLM) actuales necesitan un impulso similar para que la inteligencia artificial pueda crear mundos reales, ya sean simulaciones realistas o universos totalmente imaginarios.

El límite del lenguaje

Li explica que la carencia de inteligencia espacial es la razón por la que la robótica autónoma sigue siendo especulativa, la aceleración de descubrimientos científicos no se ha materializado y las experiencias virtuales inmersivas siguen fuera de nuestro alcance.

“La verdad es que las capacidades espaciales de la IA están lejos del nivel humano”, afirma. La doctora afrima que los modelos multimodales (MLLM) de última generación “rara vez superan el azar al estimar distancia, orientación y tamaño” o al “rotar mentalmente” objetos.

No pueden navegar laberintos, reconocer atajos ni predecir física básica. Sin esta capacidad, la IA permanece “desconectada de la realidad física que busca entender”.

La inteligencia espacial, según Li, es el “andamiaje sobre el que se construye nuestra cognición”. Es la habilidad intuitiva que usamos diariamente para estacionar un auto, atrapar llaves en el aire o navegar una multitud sin colisionar.

Es también la base de la creatividad —desde arquitectos visualizando espacios hasta cineastas creando mundos— y de avances científicos históricos. Li cita cómo Eratóstenes usó sombras para calcular la circunferencia de la Tierra o cómo Watson y Crick descubrieron la estructura del ADN manipulando modelos moleculares 3D físicos. “En cada caso, la inteligencia espacial impulsó la civilización […] nada de lo cual puede capturarse solo con texto”.

La solución: ‘Modelos del Mundo’

Para dotar a la IA de esta capacidad, Li propone el desarrollo de “modelos del mundo” (world models), un nuevo tipo de modelos generativos que van mucho más allá de los LLM. Este es el objetivo central de World Labs, la compañía que cofundó a principios de 2024.

Li define tres capacidades esenciales que deben tener estos modelos: