LeCun anuncia su salida de Meta y plantea una prueba para los modelos del mundo

El 19 de noviembre de 2025, Yann LeCun anunció que dejaría Meta al final del año tras doce años en la empresa y que crearía una compañía para continuar su programa de Inteligencia Artificial Avanzada. Su mensaje definió la meta: sistemas que comprendan el mundo físico, tengan memoria persistente, razonen y planifiquen secuencias complejas de acciones.

LeCun no dijo que se marchara por una pelea sobre los modelos de lenguaje. Agradeció el apoyo de los dirigentes de Meta, afirmó que la empresa sería socia de la nueva compañía y explicó que una entidad independiente podía ampliar el impacto del programa. Convertir una diferencia científica plausible en el motivo de una salida habría puesto en su boca una causa que el anuncio no declara.

La noticia sí permite una pregunta más duradera: ¿qué tendría que demostrar un “modelo del mundo” para que el término describa una capacidad y no una marca? La respuesta exige separar una tesis de investigación, una arquitectura, una demostración y un producto. Saltar de la primera a la última transforma una promesa científica en un resultado inexistente.

Un modelo del mundo predice estados útiles

La visión que Meta y LeCun publicaron en 2022 describe un modelo del mundo como un simulador interno de la parte del entorno relevante para una tarea. Recibe una representación del estado actual, completa información ausente y predice estados futuros plausibles. También puede estimar qué ocurriría bajo una secuencia de acciones propuesta.

No tiene que reconstruir cada píxel. El futuro contiene detalles impredecibles e irrelevantes: la posición de cada hoja mientras un vehículo se acerca a un cruce, por ejemplo. La familia JEPA intenta predecir en un espacio de representaciones abstractas, conservando dependencias útiles y descartando parte del detalle que no ayuda a decidir. Esa elección reduce trabajo, pero crea una pregunta de auditoría: ¿descartó ruido o una señal decisiva?

“Comprender” no se verifica preguntando al sistema si comprende. Se diseña una intervención y se comprueba su predicción. Si un robot empuja un objeto desde posiciones distintas, el modelo debería anticipar resultados compatibles con cada acción, distinguir alternativas y señalar incertidumbre cuando faltan datos. Predecir un único fotograma probable sin condicionar la acción puede aprender apariencia o regularidades de vídeo sin servir para controlar nada.

Predecir no es todavía planificar

La planificación añade un bucle. Un actor propone varias secuencias; el modelo estima sus consecuencias; una función de coste valora qué futuro se acerca al objetivo y respeta restricciones; se ejecuta una acción; y el sistema observa de nuevo. Ese proceso se parece al control predictivo: el plan se revisa a medida que el mundo revela información.

La separación permite localizar fallos. La percepción puede representar mal la escena; el predictor puede equivocarse sobre la dinámica; el objetivo puede premiar un atajo peligroso; el planificador puede explorar pocas alternativas; o el actuador puede ejecutar mal una orden correcta. Llamar “razonamiento” al resultado final oculta cuál de esas piezas funcionó.

La memoria persistente es otro problema. Recordar el estado durante una maniobra breve no equivale a conservar hechos durante días, actualizar los que cambian y olvidar información privada cuando corresponde. El anuncio de LeCun incluyó la memoria como objetivo de la empresa; no afirmó que una arquitectura disponible ya hubiera resuelto su escritura, recuperación, caducidad y control.

Qué había demostrado la línea JEPA antes del anuncio

En junio de 2025, investigadores de Meta, incluido LeCun, publicaron V-JEPA 2. El modelo se preentrenó con más de un millón de horas de vídeo e imágenes. Después, una variante condicionada por acciones recibió menos de 62 horas de vídeos de robots y se usó para planificar movimientos de brazos Franka en dos laboratorios.

El trabajo mostró tareas de alcanzar, coger y colocar objetos usando imágenes como objetivos, sin recoger datos de entrenamiento en los robots y entornos de despliegue y sin entrenamiento específico para cada tarea ni recompensa. Es evidencia concreta de transferencia y planificación física. También delimita el logro: brazos concretos, manipulaciones acotadas y objetivos visuales de horizonte corto no equivalen a comprensión física general, memoria persistente ni planificación abierta durante semanas.

El propio estudio muestra que la oposición entre modelos del mundo y modelos de lenguaje no tiene por qué ser total. Para varias pruebas de preguntas sobre vídeo, V-JEPA 2 se alineó con un modelo de lenguaje. Un sistema puede usar una representación predictiva para la dinámica, lenguaje para instrucciones y conocimiento, y módulos separados para memoria, coste y acción. La pregunta útil no es qué sigla gana, sino qué componente aporta evidencia para cada capacidad.

La prueba de intervención separa vídeo de causalidad

Un modelo puede acertar qué sucede después porque reconoce una secuencia repetida en los datos. Para probar algo más cercano a una dinámica utilizable, hay que variar una acción manteniendo estable el resto: empujar a izquierda o derecha, sujetar o soltar, bloquear un camino o dejarlo libre. Después se comprueba si la predicción cambia en la dirección adecuada.

La evaluación debe incluir estados que no aparecieron juntos durante el entrenamiento, objetos nuevos, cámaras distintas, oclusiones y perturbaciones. También debe comparar contra reglas simples y modelos sin acciones. Si una línea recta, el último fotograma o una pista de fondo consigue casi la misma puntuación, el benchmark no acredita la capacidad ambiciosa que su nombre sugiere.

La incertidumbre forma parte de la respuesta. Cuando varias evoluciones son plausibles, un predictor que da una sola salida segura puede inducir un plan frágil. Conviene medir cobertura y calibración: con qué frecuencia ocurre un resultado dentro del conjunto previsto y si los sucesos asignados a una probabilidad se materializan en proporción parecida. Para actuar, saber que no se sabe puede ser más valioso que una imagen nítida.

Una escalera de evidencia para cualquier “world model”

El primer peldaño es representación: reconocer objetos, movimiento y estado con pruebas que eviten atajos. El segundo es predicción temporal: anticipar cambios en datos reservados. El tercero es predicción condicionada por acciones: distinguir futuros cuando la intervención cambia. El cuarto es planificación: seleccionar acciones que alcanzan un objetivo. El quinto es transferencia: conservar rendimiento con entornos, objetos o robots no vistos.

Por encima quedan memoria y seguridad. La memoria debe demostrar actualización, procedencia, recuperación y borrado. La seguridad debe probar restricciones bajo distribuciones nuevas, detectar estados fuera de experiencia y detenerse cuando la incertidumbre supera un límite. Una media de éxito no basta si el fallo raro causa una colisión o una decisión irreversible.

Para cada peldaño se anotan tarea, datos de entrenamiento, datos reservados, acciones permitidas, horizonte, comparadores, tasa de éxito, dispersión y modo de fallo. También se registra cuánta información recibe el sistema: una secuencia de subobjetivos humanos facilita mucho más la tarea que una instrucción final. Sin ese contexto, dos demostraciones que parecen iguales pueden medir capacidades distintas.

Lo que la salida confirma y lo que deja abierto

El anuncio primario confirma una salida al final de 2025, la creación de una empresa, la continuidad del programa AMI, cuatro objetivos técnicos y una futura asociación con Meta. No daba nombre definitivo, financiación, producto, plazo de lanzamiento ni un conflicto con Meta como causa. Esos huecos no deben rellenarse con rumores o inferencias convincentes.

La apuesta científica contaba con antecedentes, una arquitectura descrita y una demostración robótica medible. Eso la hace más que un eslogan, pero menos que la inteligencia amplia a la que aspira. El lector puede conservar un criterio para el próximo anuncio: pedir qué estado predice el modelo, bajo qué acción, a qué horizonte, con qué incertidumbre y si el plan funciona fuera del entorno de entrenamiento. Si esas preguntas no tienen respuesta, “modelo del mundo” nombra una ambición, no una capacidad demostrada.