{"id":4487,"date":"2026-08-20T15:34:35","date_gmt":"2026-08-20T15:34:35","guid":{"rendered":"https:\/\/tucumandevelopers.com\/index.php\/2026\/08\/20\/robots-para-ensenar-a-la-inteligencia-artificial-como-funciona-el-mundo-2\/"},"modified":"2026-08-20T16:05:10","modified_gmt":"2026-08-20T16:05:10","slug":"robots-para-ensenar-a-la-inteligencia-artificial-como-funciona-el-mundo-2","status":"publish","type":"post","link":"https:\/\/tucumandevelopers.com\/index.php\/2026\/08\/20\/robots-para-ensenar-a-la-inteligencia-artificial-como-funciona-el-mundo-2\/","title":{"rendered":"Robots para ense\u00f1ar a la inteligencia artificial c\u00f3mo funciona el mundo"},"content":{"rendered":"
\n
\n

Mi columna de esta semana en Invertia se titula \u00abLa inteligencia artificial descubre el mundo f\u00edsico<\/a>\u00bb (pdf<\/a>), y trata sobre una idea que me parece particularmente interesante: qu\u00e9 ocurre cuando la inteligencia artificial deja de limitarse a observar el mundo a trav\u00e9s de los datos que generamos los humanos, y empieza, literalmente, a poder experimentarlo por s\u00ed misma. Mi excusa para hablar de ello es la pr\u00f3xima salida a bolsa de Unitree en Shanghai<\/a>, una compa\u00f1\u00eda que se ha convertido en uno de los nombres m\u00e1s visibles de la rob\u00f3tica china, y cuya evoluci\u00f3n permite entender hasta qu\u00e9 punto los robots humanoides est\u00e1n dejando de ser una curiosidad destinada a hacer demostraciones espectaculares para convertirse en una plataforma tecnol\u00f3gica con implicaciones much\u00edsimo m\u00e1s profundas.<\/p>\n

Llevamos a\u00f1os hablando de modelos de lenguaje que parecen saber pr\u00e1cticamente de todo, pero ese \u00absaber\u00bb tiene una caracter\u00edstica que tendemos a olvidar: procede siempre de experiencias de terceros, de textos, im\u00e1genes, v\u00eddeos, sonidos y todo tipo de materiales generados o capturados previamente por otros. Incluso los modelos multimodales m\u00e1s avanzados contin\u00faan, en ese sentido, encerrados en una versi\u00f3n tecnol\u00f3gica de la caverna de Plat\u00f3n<\/a>: pueden analizar extraordinariamente bien las sombras proyectadas en la pared, pero nunca han salido fuera para comprobar por s\u00ed mismos qu\u00e9 las produce.<\/p>\n

Para m\u00ed, esa diferencia entre observar y experimentar es fundamental. Podemos explicarle a una inteligencia artificial de mil maneras c\u00f3mo pesa un objeto, c\u00f3mo se desliza una superficie mojada, qu\u00e9 resistencia ofrece un caj\u00f3n al abrirse o por qu\u00e9 una taza caliente requiere determinadas precauciones, pero nada de eso equivale a poder tocar, empujar, levantar, dejar caer o manipular esos objetos y comprobar directamente las consecuencias. El paper<\/em> \u00abExperience grounds language<\/a>\u00ab<\/em>, de Bisk, Bengio et al<\/em>, ya dejaba clara en 2020 esa distinci\u00f3n entre corpus, percepci\u00f3n y embodiment<\/em>: actuar permite no s\u00f3lo observar el mundo, sino intervenir en \u00e9l y comprobar hip\u00f3tesis.<\/p>\n

En ese sentido, la rob\u00f3tica introduce algo mucho m\u00e1s interesante que la simple automatizaci\u00f3n del trabajo: introduce la posibilidad de cerrar un aut\u00e9ntico bucle de aprendizaje entre percepci\u00f3n, hip\u00f3tesis, acci\u00f3n y consecuencia, en el que la inteligencia artificial ya no se limita a estudiar experiencias previamente registradas, sino que puede generarlas activamente, repetirlas, modificarlas y aprender de ellas.<\/p>\n

Un robot equipado con c\u00e1maras, sensores t\u00e1ctiles, temperatura, presi\u00f3n, fuerza, posici\u00f3n o equilibrio puede construir una percepci\u00f3n del entorno incomparablemente m\u00e1s rica que la que obtiene un modelo simplemente analizando textos, im\u00e1genes o v\u00eddeos, y puede adem\u00e1s relacionar cada percepci\u00f3n con sus propias acciones<\/a>, algo que nos acerca mucho m\u00e1s a la forma en que los humanos y otros animales aprendemos realmente a desenvolvernos en el mundo.<\/p>\n

A partir de ah\u00ed aparece otra cuesti\u00f3n que durante mucho tiempo me pareci\u00f3 casi est\u00e9tica, pero que cada vez considero m\u00e1s importante: \u00bfpor qu\u00e9 empe\u00f1arnos en construir robots con forma humana? La primera respuesta resulta relativamente evidente: porque llevamos siglos construyendo pr\u00e1cticamente todo lo que nos rodea para cuerpos humanos<\/a>, desde escaleras, puertas y herramientas hasta veh\u00edculos, f\u00e1bricas, cocinas, ascensores, estanter\u00edas o interruptores. Un robot con nuestra altura aproximada, dos brazos, dos piernas y manos capaces de manipular objetos puede aprovechar directamente esa enorme infraestructura sin obligarnos a reconstruirla, una especie de gigantesca compatibilidad hacia atr\u00e1s con un mundo dise\u00f1ado durante siglos por seres humanos y para seres humanos.<\/p>\n

Pero hay una segunda raz\u00f3n que me parece todav\u00eda m\u00e1s importante: si queremos que las m\u00e1quinas aprendan a desenvolverse en nuestro mundo, resulta enormemente \u00fatil que puedan acumular experiencias comparables con las nuestras<\/a>. Un humanoide puede aprovechar demostraciones humanas para aprender movimientos y tareas, pero puede adem\u00e1s generar despu\u00e9s cantidades gigantescas de datos acerca de c\u00f3mo un cuerpo de dimensiones similares al nuestro interact\u00faa realmente con su entorno. Esto abre una posibilidad que me parece fascinante: que el verdadero valor de los robots no est\u00e9 \u00fanicamente en las horas de trabajo que puedan sustituir, en cu\u00e1nto puedan producir o en cu\u00e1ntas tareas aburridas, peligrosas o repetitivas puedan asumir, sino tambi\u00e9n en la enorme cantidad de experiencia f\u00edsica que sean capaces de generar.<\/p>\n

Unos cuantos millones de robots distribuidos por f\u00e1bricas, almacenes, hogares, hospitales o calles podr\u00edan terminar convirti\u00e9ndose en una gigantesca infraestructura distribuida de aprendizaje, produciendo continuamente informaci\u00f3n sobre contacto, resistencia, equilibrio, fricci\u00f3n, causalidad, error y consecuencias, y alimentando con ella modelos cada vez m\u00e1s capaces de comprender no simplemente c\u00f3mo describimos el mundo, sino c\u00f3mo funciona realmente<\/a>.<\/p>\n

Hasta ahora, el gran combustible de la inteligencia artificial ha sido nuestra experiencia convertida en datos. Primero fueron textos, despu\u00e9s im\u00e1genes, sonido y v\u00eddeo, y progresivamente hemos ido ampliando las modalidades con las que los algoritmos pueden aprender. La rob\u00f3tica puede introducir ahora un salto cualitativamente distinto: pasar de aprender de lo que otros experimentaron a adquirir experiencia propia. Y si eso ocurre, posiblemente recordaremos esta etapa no como aquella en la que empezamos a llenar f\u00e1bricas y almacenes de mu\u00f1ecos con aspecto humano, sino como el momento en que la inteligencia artificial dej\u00f3 de limitarse a mirar las sombras de nuestra experiencia y empez\u00f3, finalmente, a salir de la caverna.<\/p>\n

\n

In English on Medium, \u00abUnitree\u2019s IPO isn\u2019t about robots, it\u2019s about the future of AI<\/a>\u00ab<\/em><\/p>\n<\/div>\n<\/div>\n

Fuente: Art\u00edculo original<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

Mi columna de esta semana en Invertia se titula \u00abLa inteligencia artificial descubre el mundo f\u00edsico\u00bb (pdf), y trata sobre una idea que me parece particularmente interesante: qu\u00e9 ocurre cuando la inteligencia artificial deja de limitarse a observar el mundo a trav\u00e9s de los datos que generamos los humanos, y empieza, literalmente, a poder experimentarlo […]<\/p>\n","protected":false},"author":1,"featured_media":4486,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":false,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2},"webixso_pending_account_ids":""},"categories":[33],"tags":[],"class_list":["post-4487","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ia"],"jetpack_publicize_connections":[],"_links":{"self":[{"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/posts\/4487","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/comments?post=4487"}],"version-history":[{"count":2,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/posts\/4487\/revisions"}],"predecessor-version":[{"id":4489,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/posts\/4487\/revisions\/4489"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/media\/4486"}],"wp:attachment":[{"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/media?parent=4487"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/categories?post=4487"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/tags?post=4487"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}