Genie 3 de DeepMind genera mundos interactivos en tiempo real

Google DeepMind ha presentado Genie 3, un modelo de mundo que genera escenarios digitales por los que un usuario o un agente de inteligencia artificial puede desplazarse en tiempo real. El sistema crea esos entornos a partir de texto, con una resolución de 720p y una velocidad de 24 fotogramas por segundo.

La novedad no está solo en producir un vídeo convincente. Genie 3 responde a las acciones dentro de la escena y mantiene elementos, objetos y relaciones espaciales durante varios minutos. Es una capacidad relevante para entrenar agentes: en lugar de aprender únicamente de imágenes, textos o partidas grabadas, pueden actuar en un entorno y comprobar las consecuencias de sus decisiones.

Un mundo que sigue existiendo cuando no se mira

Un modelo de mundo es un sistema que intenta representar cómo evoluciona un entorno: qué ocurre si alguien avanza, gira, abre una puerta o modifica un objeto. En la práctica, funciona como un simulador generado por IA.

Los generadores de vídeo ya pueden producir secuencias breves de gran calidad visual, pero normalmente no permiten explorar la escena libremente. Y, cuando lo hacen, suelen perder coherencia al alejarse de la vista inicial: un objeto puede desaparecer, una habitación puede cambiar de forma o una acción no tener consecuencias estables.

DeepMind sostiene que Genie 3 conserva durante minutos la consistencia visual y física de los mundos que crea. El usuario puede recorrer bosques, edificios, paisajes urbanos o escenarios imaginarios creados con una instrucción textual. También es posible introducir cambios mientras se navega, como variar el tiempo o alterar componentes del entorno.

Que el sistema funcione a 24 fotogramas por segundo importa porque esa velocidad permite una interacción continua, no una sucesión lenta de imágenes recalculadas. Sigue sin equivaler a un motor gráfico convencional: un videojuego guarda reglas y geometrías definidas por sus desarrolladores; Genie 3 genera el mundo sobre la marcha a partir de patrones aprendidos de datos visuales.

Del Genie original a un simulador para agentes

Google DeepMind presentó el primer Genie en 2024 como un modelo capaz de convertir imágenes en entornos jugables sencillos. Genie 2, anunciado a finales de ese mismo año, llevó la idea a mundos tridimensionales más variados. La tercera versión desplaza el foco hacia la interacción sostenida y la velocidad de respuesta.

El objetivo de fondo es la llamada IA incorporada: sistemas que no solo contestan preguntas, sino que perciben un entorno, planifican y actúan en él. Un robot doméstico, un asistente que opera software o un agente que controla una máquina necesitan aprender secuencias de acciones, manejar errores y adaptarse a cambios. Hacer ese aprendizaje directamente en el mundo físico es caro, lento y en ocasiones peligroso.

Los simuladores tradicionales son útiles, pero requieren que alguien diseñe cada edificio, objeto, regla física y situación. Un modelo como Genie 3 promete generar una cantidad mucho mayor de escenarios con una descripción breve. Eso podría servir para exponer a un agente a situaciones poco frecuentes o difíciles de recrear, desde navegar por una obra hasta seguir instrucciones en un almacén ficticio.

Una pieza importante, no una prueba de inteligencia general

DeepMind sitúa los modelos de mundo entre las tecnologías necesarias para avanzar hacia sistemas de propósito más general. La idea tiene lógica: aprender a predecir las consecuencias de una acción es central tanto para moverse por una habitación como para ejecutar una tarea compleja.

Pero generar un entorno plausible no demuestra que un agente comprenda el mundo como lo hace una persona. Un modelo puede mantener una escena coherente y, aun así, fallar ante reglas físicas extrañas, instrucciones ambiguas o combinaciones de objetos que apenas aparecieron en sus datos de entrenamiento. El salto entre actuar bien en una simulación y hacerlo de forma fiable fuera de ella sigue siendo uno de los grandes problemas de la robótica y de los agentes autónomos.

La propia tecnología tiene límites prácticos. Los mundos de Genie 3 se mantienen durante unos minutos, no durante horas; la precisión de lugares reales no está garantizada; y la interacción disponible todavía es más limitada que la de un simulador diseñado expresamente para una tarea. Tampoco sustituye a las pruebas en entornos físicos cuando están en juego la seguridad o decisiones de alto riesgo.

DeepMind prevé poner Genie 3 a disposición de un grupo reducido de investigadores y creadores. Esa fase permitirá medir si la promesa principal se sostiene: que los agentes no solo naveguen por mundos llamativos, sino que aprendan en ellos habilidades que luego puedan trasladarse a tareas reales.