Por qué la IA sigue sin poder salir de la pantalla, según un profesor de Shanghái
Buena parte de lo que los grandes modelos de lenguaje hacen bien sigue ocurriendo dentro de una pantalla. Leen, escriben, traducen, redactan código y llaman a herramientas digitales. Si se le pide a uno que traslade una caja por el suelo de una fábrica, el problema cambia de forma: ahora el sistema tiene que lidiar con objetos, espacio, fuerza y tiempo, y tiene que cargar con las consecuencias de lo que hace.
Esa brecha fue el tema de una ponencia de Zhang Weinan, profesor de la Universidad Jiao Tong de Shanghái, en CNCC 2026, una de las principales conferencias de computación de China. Su tesis, recogida por Leiphone, es que la próxima frontera es la inteligencia física: una IA que cierre el bucle de percepción, predicción, acción y aprendizaje continuo en un entorno que no se detendrá a esperarla.
El mundo digital es indulgente de formas que la gente rara vez advierte. A un chatbot que da una mala respuesta se le puede volver a preguntar; un modelo que falla una prueba de programación puede intentarlo de nuevo. Un brazo robótico que calcula mal un agarre ya ha dejado caer la pieza. El planteamiento de Zhang sitúa la incertidumbre y la irreversibilidad en el centro: el mundo real está lleno de situaciones que los datos de entrenamiento no cubrieron, y el coste de un movimiento equivocado suele pagarse de inmediato.
Eso complica la ingeniería en todas las capas. La percepción tiene que resistir con poca luz y con desorden. La predicción tiene que ejecutarse lo bastante rápido para ser útil antes de que algo caiga. La acción tiene que ser segura cuando el sistema no está seguro. Y el aprendizaje no puede detenerse en el despliegue, porque las fábricas, los laboratorios y la infraestructura urbana cambian sin cesar alrededor de la máquina.
La conversación investigadora en torno a esto ya es visible en la comunidad robótica china. CoRL, la Conferencia sobre Aprendizaje Robótico, abre el 9 de noviembre en Austin, Texas, y Leiphone señala que el número de artículos aceptados se ha multiplicado por unas cuatro veces y media a lo largo de seis ediciones, con las universidades chinas escalando rápido junto a los grupos estadounidenses consolidados. El aprendizaje robótico ha pasado de ser un nicho a uno de los cruces más concurridos entre la IA y el hardware.
El tirón comercial es igual de fuerte. Las empresas chinas ya comercializan robots humanoides y perros robóticos a precios que habrían parecido increíbles hace unos años, y los inversores han volcado dinero en los modelos del mundo —sistemas que aprenden cómo evolucionan las escenas físicas— como forma de dar a las máquinas un espacio de ensayo más barato antes de que toquen nada real. La simulación atrae precisamente porque fracasar en ella sale gratis.
Zhang no sostiene que el trabajo en la pantalla esté terminado. Sostiene que la parte fácil del relato público de la IA ha sido la que nunca tiene que tocar nada. Llevar la inteligencia a fábricas, laboratorios y sistemas urbanos implica aceptar otro contrato: la máquina debe actuar en la incertidumbre y el mundo no ofrecerá un botón de reinicio. Para una industria que ha pasado una década optimizando texto, es un tipo de problema genuinamente nuevo.