La teoría de Worldmodeldata es que los datos recopilados de entornos de videojuegos (representaciones visuales de un espacio 3D combinadas con las acciones realizadas por el jugador) están disponibles en las cantidades necesarias y son lo suficientemente variados como para captar los casos extremos, que son fundamentales.

“Los casos excepcionales son los que realmente hay que resolver correctamente”, destaca Fraenkel. “El costo de un error con un auto, un avión, un dron, una montacargas de fábrica o un robot cuadrúpedo autónomo es muy elevado”.

Worldmodeldata sostiene que ha obtenido la licencia de casi 1,000,000 de horas de datos de los estudios responsables de varios videojuegos populares, aunque Loucas se ha negado a nombrarlos. En el futuro, la startup pretende crear vías para que los jugadores individuales también reciban una compensación.

Loucas cree que los datos de los videojuegos acabarán constituyendo la mayor parte del material de entrenamiento para los modelos de mundo, que posteriormente se optimizarán utilizando datos específicos de un entorno o tarea concretos del mundo real. “Esto bien podría dar lugar al momento GPT de los modelos de mundo, haciéndolos realmente útiles”, añade Loucas.

La física de la manipulación

No todo el mundo comparte el mismo optimismo respecto a los datos de los videojuegos. Nvidia, que publica una familia de modelos de mundo optimizados para ejecutarse en sus chips, prefiere utilizar un motor personalizado que ha diseñado específicamente para replicar la física del mundo real como columna vertebral de su inteligencia artificial.

Ming-Yu Liu, responsable del desarrollo de modelos del mundo en Nvidia, expresa que es poco probable que los modelos entrenados con datos de videojuegos obtengan buenos resultados en tareas que requieran un control motor muy preciso, como la manipulación cuidadosa de objetos. Esto se debe a que la física de los videojuegos suele ser excéntrica, y los desarrolladores toman atajos para crear la ilusión de realismo (un personaje extiende la mano para tomar una manzana de la mesa) sin programar los detalles: la presión que ejerce cada dedo para evitar que la manzana se le resbale de las manos.

“Yo sería más prudente a la hora de utilizar datos de videojuegos para la manipulación”, observa Liu. “La física de la manipulación es mucho más compleja”. Según él, el entrenamiento con datos de videojuegos es más adecuado para modelos del mundo destinados a generar video hiperrealista o entornos 3D.

Zhu, el investigador de la Universidad de Surrey, comparte preocupaciones similares. “Los videojuegos son, en esencia, simuladores. Tienen cierto grado de fundamento físico”, comenta. “Pero son muy rudimentarios, aproximados”.

Sin embargo, hasta que los modelos del mundo alcancen su momento ChatGPT, siguen sobre la mesa todo tipo de ideas para conseguirlo. “Hay muchos caminos hacia la tierra prometida”, concluye Fraenkel. “La verdad es que aún no se sabe cuál va a funcionar mejor”.

Artículo originalmente publicado en WIRED.com. Adaptado por Andrea Baranenko.