Mientras Wall Street descansa, los índices sintéticos de Deriv generan volatilidad real 24/7 → Empezá a operar.
Espacio patrocinadoLos grandes laboratorios de Inteligencia Artificial (IA) conversacional se disputan la atención pública mediante anuncios constantes, nuevos modelos y guerras de precios. Sin embargo, puertas adentro existe un sector multimillonario que opera con un elevado nivel de hermetismo. Se trata de los pioneros en modelos del mundo (world models), representados por firmas de alto perfil como AMI Labs, liderada por Yann LeCun, y World Labs, fundada por Fei-Fei Li.
A pesar de alcanzar valoraciones multimillonarias y captar cientos de millones en capital de riesgo, estas compañías comparten una característica llamativa: revelan muy pocos detalles sobre los productos que están desarrollando, sus posibles fechas de lanzamiento y los usos concretos de sus algoritmos, según destaca un reciente reporte.
En esta entrega de Alerta Digital, analizamos qué son los world models o modelos del mundo, el sigilo estratégico que rodea su desarrollo y cómo la teoría del «bosque oscuro» ayuda a explicar la falta de transparencia en una de las nuevas fronteras de la IA espacial.
«Estamos en una fase de investigación y desarrollo, por lo que no hablaremos públicamente sobre planes de producto ni cronogramas», afirmó Michael Rabbat, vicepresidente de Modelos del Mundo en AMI Labs, citado por TechCrunch.
¿Qué es un World Model y por qué cambia las reglas?
A diferencia de los modelos de lenguaje (LLM), que procesan texto y predicen secuencias de información, los modelos del mundo o world models buscan desarrollar una comprensión más profunda de entornos físicos y espaciales. Su objetivo es permitir que una IA interprete aspectos como la física, la geometría tridimensional, la causalidad y las relaciones espaciales para anticipar cómo puede evolucionar un entorno.
Esta tecnología podría convertirse en una pieza fundamental para el desarrollo de múltiples industrias:
- Robótica avanzada y robótica humanoide: permitir que las máquinas naveguen por entornos no estructurados, manipulen objetos y anticipen consecuencias físicas antes de ejecutar un movimiento.
- Vehículos autónomos de próxima generación: avanzar desde sistemas basados principalmente en reglas o mapas hacia modelos capaces de simular y predecir el comportamiento de entornos dinámicos.
- Generación de entornos tridimensionales: creación de mundos virtuales interactivos para videojuegos, simulación industrial y efectos visuales CGI.
- Aplicaciones biomédicas y de salud: modelado de interacciones complejas dentro de entornos médicos y biológicos.
Una cadena de suministro en la penumbra
El nivel de opacidad alcanza incluso a algunos proveedores de infraestructura y datos. Durante la conferencia All In, Alex de Vigan, CEO de la firma de datos Physicl, aseguró que su compañía proporciona grandes volúmenes de información para el entrenamiento de estos modelos sin conocer con precisión el uso final que darán sus clientes a esos conjuntos de datos.
Citado en el mismo reporte, el ejecutivo señaló: «ojalá nos dijeran más. Podríamos construir datos mucho más útiles si supiéramos en qué están trabajando». Esta desconexión muestra hasta qué punto algunas compañías están dispuestas a limitar el intercambio de información con sus propios proveedores para proteger sus estrategias y desarrollos.
La teoría del «bosque oscuro» aplicada a Silicon Valley
Para los lectores de ciencia ficción, el comportamiento de compañías como AMI Labs o World Labs puede recordar a la conocida hipótesis del «bosque oscuro», popularizada por Cixin Liu: en un entorno donde los actores desconocen las intenciones y capacidades de sus competidores, revelar demasiado sobre la propia posición puede convertirse en una desventaja.
En el actual ecosistema de la IA, el secretismo no responde únicamente a cuestiones técnicas, sino también a dinámicas financieras y competitivas:
- Abundancia de capital sin presión inmediata: mientras las empresas puedan captar grandes rondas de financiación apoyándose en la trayectoria de sus fundadores y en el potencial de la tecnología, existe menos presión para revelar rápidamente un producto comercial.
- El peligro de señalar el camino: si una startup anuncia que ha encontrado una aplicación especialmente prometedora para robótica humanoide, simulación o entretenimiento, también revela a sus competidores qué segmento considera comercialmente atractivo.
- Reacción de los gigantes tecnológicos: una vez que un caso de uso demuestra su potencial, compañías con enormes recursos como OpenAI, Meta, Google DeepMind o Anthropic podrían redirigir parte de su capacidad de cómputo y talento hacia ese mismo mercado.
Perspectiva Web3: la transparencia frente a los monopolios opacos
El secretismo en torno a los modelos del mundo también abre un debate sobre quién controlará estas tecnologías si terminan convirtiéndose en una infraestructura fundamental para la robótica y la simulación avanzada. Si la capacidad de interpretar y modelar el mundo físico queda concentrada en unas pocas empresas mediante sistemas cerrados, el acceso a estas herramientas podría depender en gran medida de plataformas propietarias.
Desde la perspectiva de la Web3 y de la infraestructura abierta, una alternativa sería impulsar modelos del mundo más descentralizados y accesibles. La recopilación de datos espaciales mediante redes físicas descentralizadas (DePIN), el entrenamiento colaborativo con mecanismos de verificación on-chain y el desarrollo de estándares de simulación de código abierto podrían contribuir a reducir la dependencia de sistemas completamente cerrados.
