Por qué este CEO cree que los videojuegos son mejores datos de entrenamiento que internet

Cuando se trata de alcanzar la inteligencia general artificial (AGI), los grandes modelos de lenguaje (LLM) como ChatGPT y Claude no son suficientes. Son excelentes procesando texto, pero carecen de la capacidad de comprender cómo se mueven las cosas en el espacio y el tiempo, una habilidad esencial para una inteligencia que realmente generalice. Esta brecha podría llenarse con datos de videojuegos. Esa es la apuesta de General Intuition, una startup que recaudó 3.3 millones de dólares para entrenar modelos de IA utilizando mundos virtuales en lugar de internet.

El problema de los datos de internet

Los LLM actuales se entrenan con cantidades masivas de texto extraído de la web. Sin embargo, ese enfoque tiene limitaciones fundamentales. El texto es una representación abstracta de la realidad; no contiene información directa sobre cómo los objetos interactúan físicamente. Por ejemplo, un modelo puede describir perfectamente cómo se rompe un huevo, pero no puede predecir cómo se comportaría en una simulación física. Los videojuegos, en cambio, ofrecen entornos 3D interactivos donde cada acción tiene consecuencias espaciales y temporales inmediatas.

Para los emprendedores que buscan soluciones de IA avanzadas, este cambio de paradigma es crucial. Los datos sintéticos generados por videojuegos pueden proporcionar un nivel de riqueza contextual que los datos de internet no pueden igualar. Esto abre la puerta a aplicaciones en robótica, simulación industrial y vehículos autónomos, donde la comprensión del espacio físico es indispensable.

La visión de General Intuition

El CEO de General Intuition, en una entrevista con TechCrunch, explicó que su equipo está convencido de que los videojuegos son el mejor campo de entrenamiento para la IA. "Internet está lleno de ruido, sesgos y datos no estructurados. Los videojuegos, por el contrario, son sistemas cerrados con reglas claras y retroalimentación constante", afirmó. La startup utiliza motores de juego como Unity o Unreal para generar millones de escenarios donde la IA debe aprender a navegar, manipular objetos y resolver problemas en tiempo real.

Esta aproximación no solo es más eficiente, sino que también reduce el riesgo de sesgos inherentes al contenido generado por humanos. Al controlar el entorno de entrenamiento, los desarrolladores pueden ajustar parámetros específicos para mejorar la robustez del modelo. Por ejemplo, pueden simular condiciones climáticas adversas, iluminación variable o incluso fallos mecánicos, algo imposible de replicar con datos estáticos de internet.

Aplicaciones empresariales concretas

Para las empresas, las implicaciones son enormes. Imagina un asistente de IA para logística que no solo entienda instrucciones escritas, sino que pueda predecir cómo se moverá un paquete dentro de un almacén, evitando obstáculos y optimizando rutas en tiempo real. O un sistema de diagnóstico médico que, entrenado con simulaciones quirúrgicas, pueda anticipar complicaciones durante una operación.

Otro ejemplo son los vehículos autónomos. Empresas como Waymo y Tesla ya utilizan simulaciones, pero General Intuition lleva esto un paso más allá al usar videojuegos comerciales como fuente de datos. "Un juego como Grand Theft Auto tiene millones de horas de conducción realista, con peatones, semáforos y accidentes", señala el CEO. "Entrenar un modelo con esos datos es más barato y seguro que hacerlo en el mundo real".

Para los negocios que quieran explorar esta tecnología, nuestro equipo de expertos puede ayudar a identificar casos de uso en sus industrias, desde retail hasta manufactura.

Tendencias y futuro de la IA

La idea de usar videojuegos para entrenar IA no es nueva, pero ha ganado tracción gracias a los avances en aprendizaje por refuerzo y modelos generativos. Empresas como OpenAI ya han utilizado entornos de juego como Dota 2 para entrenar agentes capaces de superar a jugadores profesionales. Sin embargo, General Intuition se diferencia al centrarse en la "intuición física", es decir, la capacidad de un modelo para inferir cómo se comportan los objetos en el mundo real sin haberlos visto antes.

Esta tendencia apunta a un futuro donde los datos sintéticos dominarán el entrenamiento de modelos avanzados. La lectura recomendada sobre este tema profundiza en cómo las simulaciones están redefiniendo los límites de la IA. Además, la fuente original de este artículo detalla más declaraciones del CEO de General Intuition, que puedes consultar aquí.

Conclusión

La propuesta de General Intuition desafía el dogma actual de que más datos de internet equivalen a mejor IA. Los videojuegos ofrecen un entorno controlado, rico en interacciones físicas y libre de muchos sesgos. Para los emprendedores, esta es una oportunidad de repensar cómo entrenan sus modelos y qué tipo de inteligencia desean construir. La AGI no llegará solo con texto; necesitará comprender el movimiento, el espacio y el tiempo. Y los videojuegos, irónicamente, podrían ser la clave para lograrlo.

Recursos útiles

Artículo relacionado: ZML/LLMD: el software gratuito de la startup francesa que reduce el costo de la inferencia de IA en

Artículo relacionado: SambaNova recauda $1B con valoración de $11B: la IA que desafía a los gigantes de los chips