La cronología que Google DeepMind publicó esta semana no es una lista de trofeos. Es la bitácora de una apuesta metodológica: los videojuegos no eran el objetivo, eran el banco de pruebas más barato, seguro y medible para entrenar inteligencia que luego funciona en el mundo físico. Quince años después del paper de DQN aprendiendo Breakout viendo píxeles, el laboratorio muestra a SIMA 2 siguiendo instrucciones en lenguaje natural dentro de mundos 3D abiertos y a Genie 3 generando entornos jugables desde una sola imagen. El hilo conductor no es la puntuación; es la generalización.
Del especialista al generalista
El paper de revisión de la Universidad del Sur de Ciencia y Tecnología de Shenzhen lo documenta con rigor académico: desde 2016 —el año de AlphaGo— la literatura explota en plataformas abiertas. La taxonomía distingue juegos de tablero (información perfecta, espacio discreto) de videojuegos (parcialmente observables, continuos, tiempo real). Cada salto —Atari, Go, StarCraft II, Dota 2— obligó a resolver un cuello de botella distinto: representación visual, planificación a largo plazo, coordinación multiagente, teoría de juegos con información incompleta.
DeepMind resolvió varios con arquitecturas que luego migran. AlphaZero aprendió desde cero sin datos humanos; AlphaStar gestionó niebla de guerra y economía en tiempo real; Agent57 superó los 57 juegos de Atari con una sola red. El patrón: un algoritmo que aprende a aprender en un simulador controlado.
El pivote que lo cambia todo: AlphaFold
En el documental "The Thinking Game" se narra el momento en que Demis Hassabis compara AlphaGo con pulir lentes y AlphaFold con construir el telescopio. El plegamiento de proteínas no es un juego, pero su espacio de estados comparte la misma maldición de dimensionalidad. La misma arquitectura de atención que modelaba tableros modeló geometría molecular. Resultado: 200 millones de estructuras liberadas en 2021. No hubo fine-tuning para biología; hubo transferencia de capacidad de razonamiento estructural.
Ese es el antecedente directo de Gemini Robotics y SIMA 2. Si un agente entiende "construye un refugio" en Valheim y "pliega esta proteína" en un paper, la interfaz de alto nivel —lenguaje natural— se vuelve portátil.
Agentes que entienden intención, no solo píxeles
SIMA 2 (Scalable Instructable Multiworld Agent) no juega para ganar; juega para acompañar. Recibe instrucciones como "busca agua" o "fabrica un pico" en juegos que nunca vio durante el entrenamiento. Genie 3 va un paso atrás: genera el mundo a partir de un prompt visual. Ambos comparten la apuesta por modelos de mundo —world models— que predicen consecuencias de acciones sin ejecutarlas. Eso es planificación, no reactividad.
Según la revisión académica, la mayoría de plataformas siguen siendo de un solo juego o género. La frontera actual son benchmarks abiertos tipo GVGAI o XLand, donde el agente enfrenta tareas nunca vistas. SIMA y Genie apuntan ahí.
¿Y Latinoamérica qué?
Dado que falta compute, capital y talento de élite concentrado, la región no va a entrenar modelos fundacionales de frontera. Pero la lección metodológica sí es accesible: simulación antes que big data.
Tanto la minería chilena como la logística portuaria en Panamá o Colombia y la planificación agrícola en Brasil o Argentina comparten con StarCraft espacios de estado enormes, restricciones duras, incertidumbre, múltiples agentes (camiones, perforadoras, cosechadoras) y objetivos a largo plazo. Etiquetar datos históricos cuesta fortunas y cubre solo lo que ya pasó. Construir un simulador fiel —un "digital twin" ligero— permite generar millones de episodios de entrenamiento por refuerzo offline. Es exactamente lo que hizo DeepMind con XLand: generar currículo automático de tareas en mundos procedimentales.
Empresas como NotCo en Chile ya usan IA para formulación de alimentos; el siguiente paso es simuladores de proceso que propongan parámetros de extrusión o fermentación antes de tocar una planta piloto. En logística, startups podrían entrenar políticas de despacho en entornos sintéticos que replican la variabilidad del tráfico andino o la estacionalidad del puerto de Santos.
En el paper de Shenzhen se listan docenas de plataformas open-source —MicroRTS, MiniGrid, Pommerman, Griddly, NetHack Learning Environment— que corren en CPU modesta y exponen API Gym. No se necesita un clúster TPU para empezar a prototipar agentes de decisión en dominios propios.
El riesgo de esperar al producto empaquetado
Esperar a que Google, Microsoft o AWS vendan "Agente de Optimización Logística" como SaaS es la tentación corporativa. Pero la ventaja competitiva no está en el modelo base —que se commoditiza— sino en el simulador de tu negocio. Ese simulador codifica tus restricciones, tus costos, tu física. Es propiedad intelectual operativa. Quien lo construya primero tendrá el currículo de entrenamiento que ningún proveedor externo puede replicar.
DeepMind tardó 15 años en pasar de píxeles a agentes que entienden instrucciones en mundos abiertos. La curva de madurez de RL en simulación industrial está en el año 3 o 4. La ventana para empezar a construir ese simulador propio —no comprarlo, construirlo— está abierta ahora. Cuando el SaaS llegue, los que ya tengan su entorno de entrenamiento serán los únicos que puedan hacer fine-tuning significativo.
Terminó el juego. Empieza la ingeniería.
