Orca: un nuevo tipo de IA que aprende cómo funciona el mundo observándolo
La BAAI de Pekín ha presentado Orca, un «modelo del mundo» entrenado con 125.000 horas de vídeo que iguala a sistemas especializados de robótica sin haber visto una sola acción de robot etiquetada durante el preentrenamiento.
La Academia de Inteligencia Artificial de Pekín (BAAI) ha presentado Orca, un modelo de IA basado en una idea distinta de la de los chatbots que conoces. En vez de predecir la siguiente palabra de una frase o el siguiente fotograma de un vídeo, Orca predice el siguiente estado del mundo: una representación interna y abstracta de lo que está a punto de ocurrir. Y puede competir con sistemas especializados de robótica pese a no haber visto una sola acción de robot etiquetada durante su entrenamiento principal.
Orca aprende de dos maneras. La primera, que los investigadores denominan «aprendizaje inconsciente», consiste en observar 125.000 horas de vídeo sin procesar y sin etiquetar, a partir de las cuales el modelo capta cómo suelen cambiar las escenas: cómo se mueven los objetos o qué sucede cuando algo queda cubierto. La segunda, el «aprendizaje consciente», añade lenguaje: vídeos divididos en segmentos, cada uno etiquetado con una descripción de qué acción causó qué cambio. Ambos alimentan la misma representación interna del mundo. Sobre ese núcleo congelado se colocan pequeños módulos de salida intercambiables: uno produce texto, otro imágenes y un tercero, llamado Action Expert, movimientos de robots.
Los resultados son la parte interesante. En cinco tareas de manipulación del mundo real con un robot humanoide de dos brazos, colocar libros en estantes, apilar cuencos y recoger azúcar con una cuchara, Orca iguala a π0.5, un sistema creado específicamente con datos de robots. Después, el módulo de control del robot solo necesitó 200 demostraciones grabadas por tarea. El artículo muestra incluso cómo Orca se recupera después de fallar al agarrar algo y vuelve a intentarlo, mientras que el sistema especializado se quedaba atascado repitiendo el mismo error. En la predicción de imágenes, «muéstrame cómo queda la escena después de cerrar el microondas», supera a generadores de imágenes específicos.
¿Qué hay detrás? La robótica tiene un problema crónico de datos. Los modelos de lenguaje pueden darse un festín con todo internet, pero no existe una cantidad comparable de acciones de robots etiquetadas; recopilarlas es lento y caro. Si un robot puede obtener la mayor parte de su comprensión del mundo a partir de vídeos corrientes y añadir después solo una pequeña dosis de entrenamiento específico para robots, ese cuello de botella se relaja considerablemente. Aun así, conviene mantener unas expectativas realistas: Orca es pequeño, 0,8 y 4.000 millones de parámetros, no puede oír ni sentir el tacto o la fuerza, y la comunidad investigadora todavía debate incluso qué es un «modelo del mundo». Es una dirección prometedora, no un producto terminado.
Qué significa esto para ti: hoy no hay nada que instalar; es investigación. Pero permite ver cómo pasa la IA de las pantallas al mundo físico: no ampliando chatbots, sino mediante modelos que aprenden causa y efecto observando. Si durante los próximos años llegan robots capaces para hogares y almacenes, es probable que enfoques como este, entrenados con vídeo en vez de millones de acciones de robots etiquetadas a mano, sean una parte importante del motivo.
Fuentes
Fuentes: https://arxiv.org/abs/2606.30534
Ya están aquí las cifras independientes: Muse Spark 1.1 de Meta ofrece mucho por su precio
La empresa de comparativas Artificial Analysis sitúa a Muse Spark 1.1 de Meta por delante de GLM 5.2 en programación y con un precio más bajo, mientras que su tasa de alucinaciones se ha reducido casi a la mitad.
