Innovación en el Entrenamiento de Modelos de IA
El mundo de los videojuegos ha abierto nuevas posibilidades para la inteligencia artificial (IA). Con un simple giro de palanca, un disparo en un gatillo o la presión de algunos botones, incluso los jugadores menos experimentados pueden navegar con facilidad por entornos tridimensionales. Una startup británica ha decidido aprovechar estas interacciones simples, que generan una gran cantidad de datos, para entrenar modelos de IA más avanzados.
En la comunidad de inteligencia artificial, ha surgido la preocupación de que los grandes modelos de lenguaje (LLM) podrían llegar a encontrar limitaciones en su capacidad para interactuar con el mundo físico. Al estar exclusivamente entrenados con texto, estos modelos pueden no estar preparados para manejar vehículos autónomos o realizar tareas que requieren precisión y sutileza. Para abordar este desafío, un grupo de investigadores de renombre, incluyendo figuras como Fei-Fei Li y Yann LeCun, están explorando una alternativa: los modelos del mundo.
La Necesidad de Datos del Mundo Real
Los modelos del mundo tienen como objetivo aprender las leyes de la física del entorno real. Para lograr esto, necesitan ser entrenados con datos que combinen información visual con acciones específicas. Por ejemplo, antes de que un modelo pueda controlar un brazo robótico con destreza, debe estudiar grabaciones en video de fábricas, así como comprender la fuerza necesaria para manipular determinados objetos. Sin embargo, a diferencia de los LLM, que tienen acceso a vastas cantidades de texto, los modelos del mundo se enfrentan a una escasez de datos similares.
Xiatian Zhu, profesor asociado en inteligencia artificial de la Universidad de Surrey, señala que «para los modelos del mundo, es crucial entender la relación de causa y efecto». Lamentablemente, en internet hay muy pocos datos que ofrecen este tipo de información, lo que representa un obstáculo significativo para el desarrollo de estos modelos.
Worldmodeldata: Una Solución Innovadora
La startup británica Worldmodeldata, respaldada por LeCun, busca solucionar esta problemática al recopilar datos generados a partir de videojuegos. Al reunir las entradas de controles y otros datos de estudios de videojuegos, Worldmodeldata crea conjuntos de datos que pueden ser utilizados para entrenar modelos del mundo. A diferencia de otras empresas que recogen datos de sus propias plataformas, Worldmodeldata actúa como un intermediario, organizando y seleccionando los datos para facilitar el acceso a los laboratorios de IA sin necesidad de negociaciones individuales.
Rhea Loucas, directora general de Worldmodeldata, explica que «hay millones de videojuegos que reflejan cada vez más la realidad. ¿Por qué no utilizar estas experiencias ricas y variadas para entrenar a la IA?». Aunque la efectividad de esta propuesta aún está en fase de evaluación, los investigadores creen que un mayor volumen de datos de entrenamiento podría mejorar significativamente el rendimiento de los modelos del mundo, similar a lo que ocurre con los LLM.
Desafíos en la Recolección de Datos
Algunos laboratorios han intentado crear sus propios datos mediante la colocación de sensores en personas y robots en entornos de prueba. Sin embargo, este enfoque suele limitarse a una cantidad reducida de datos y no aborda los escenarios extremos que los modelos podrían encontrar en la vida real. Nicole Fraenkel, socia de Khosla Ventures, advierte que «aunque puedes pagar a personas para realizar tareas simples, la repetición por sí sola no captura la complejidad del mundo real».
Worldmodeldata argumenta que los datos de videojuegos, que combinan representaciones visuales en 3D con las acciones de los jugadores, son lo suficientemente abundantes y diversos como para abarcar los casos extremos que son fundamentales para el aprendizaje de los modelos. «Los casos excepcionales son los que realmente hay que resolver correctamente», enfatiza Fraenkel, recordando que el costo de un error en aplicaciones como vehículos autónomos puede ser extremadamente alto.
Perspectivas y Críticas sobre los Datos de Videojuegos
Worldmodeldata afirma haber obtenido la licencia de casi un millón de horas de datos de diversos estudios de videojuegos, aunque Loucas ha optado por no revelar los nombres de estos. En el futuro, la startup planea establecer mecanismos para compensar a los jugadores individuales que contribuyan con datos. Loucas está convencida de que, en el futuro, los datos de videojuegos serán fundamentales para el entrenamiento de modelos del mundo, que se perfeccionarán posteriormente con datos específicos del entorno real.
No obstante, el optimismo sobre el uso de datos de videojuegos no es unánime. Nvidia, por ejemplo, ha optado por desarrollar un motor personalizado para replicar la física del mundo real en lugar de depender de datos generados por videojuegos. Ming-Yu Liu, quien lidera el desarrollo de modelos en Nvidia, sostiene que los modelos entrenados con datos de videojuegos pueden no ser efectivos en tareas que requieren un control motor preciso, ya que la física en los videojuegos a menudo presenta inconsistencias que pueden afectar la calidad del aprendizaje.
El Futuro de los Modelos del Mundo
Zhu, el investigador de la Universidad de Surrey, comparte la preocupación de que los videojuegos, aunque útiles, son simuladores que presentan limitaciones en su precisión física. «Son rudimentarios y aproximados», menciona. A pesar de estas dudas, el camino hacia el avance de los modelos del mundo está lleno de posibilidades. Como concluye Fraenkel, «existen múltiples vías hacia el éxito, y aún no está claro cuál será la más efectiva».
