🔬 Los «modelos del mundo» buscan que la IA prediga cómo cambia un entorno cuando actúa sobre él. Yunzhu Li, de Columbia, y Manling Li, de Northwestern, explican que este enfoque podría ayudar a robots y vehículos autónomos a planificar en contextos concretos.
Un modelo del mundo estima primero el estado de su entorno y luego predice cómo una acción lo modificará. Para aprender ambas tareas, se entrena con secuencias que combinan datos de video, 3D, audio o texto con registros de acciones, como movimientos de un robot.
Algunos sistemas predicen cambios en imágenes de píxeles; otros operan con representaciones matemáticas abstractas. Estas últimas pueden ser más eficientes, pues no reconstruyen toda la imagen si solo cambia una parte. A cambio, resulta más difícil observar y depurar lo que el modelo predice.
✅ Estos modelos podrían apoyar la robótica, la conducción autónoma y simuladores para estudiar fenómenos físicos. Aún hay límites claros: los datos de video con acciones etiquetadas son difíciles de reunir, no existe una arquitectura dominante y las redes actuales no logran aprender de forma continua al interactuar con el mundo real.
