El último artículo de Fei-Fei Li: Cuando la generación de vídeo, la robótica y NVIDIA afirman ser un modelo del mundo, necesitamos una taxonomía
En su último artículo, Fei-Fei Li aborda la confusión actual en torno al término "modelo del mundo" en IA. Propone una clasificación funcional basada en el ciclo clásico de POMDP (agente → acción → estado → observación → agente), distinguiendo tres tipos:
1. **Renderizador:** Genera observaciones (píxeles) visualmente fieles para humanos, como los modelos de generación de video (ej. Sora). Su métrica clave es la calidad visual, pero puede carecer de precisión física.
2. **Simulador:** Genera el *estado* subyacente del mundo: representaciones geométricas y físicamente precisas (geometría, dinámica). Sirve tanto para visualización profesional como para entrenar agentes de IA o robots en entornos virtuales. Li argumenta que es el componente crucial y más subestimado, pues es la base para los otros dos.
3. **Planificador:** Genera *acciones*. Dada una observación y un objetivo, decide qué debe hacer un agente (ej., un robot). Es esencial para cerrar el ciclo percepción-acción.
Li señala que estos tres tipos comparten un conocimiento subyacente común sobre el mundo. El campo avanza hacia su fusión, como se ve en modelos que combinan renderizado y simulación (ej., Marble de World Labs). El objetivo final es un "modelo del mundo" unificado capaz de alternar entre estas funciones según sea necesario, lo que redefiniría la inteligencia espacial y la interacción de la máquina con el mundo físico.
链捕手07/05 09:18
