DeepMind probó 15 años en videojuegos para dominar la robótica: la lección para Latam

La cronología que Google DeepMind hizo pública esta semana no es una colección de hitos lúdicos. Es el registro de una apuesta metodológica sostenida durante quince años: los videojuegos nunca fueron la meta, sino el banco de pruebas más barato, seguro y medible para entrenar inteligencia que luego opera en el mundo físico. Del DQN aprendiendo Breakout a partir de píxeles crudos en 2013, hasta SIMA 2 siguiendo instrucciones en lenguaje natural dentro de mundos 3D abiertos y Genie 3 generando entornos jugables desde una sola imagen, el hilo conductor es la generalización, no la puntuación.

El artículo de revisión de la Universidad del Sur de Ciencia y Tecnología de Shenzhen documenta con rigor académico la taxonomía de este camino. Desde 2016 —el año de AlphaGo— la literatura explota en plataformas abiertas. La distinción es nítida: juegos de tablero (información perfecta, espacio discreto) versus 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 es un algoritmo que aprende a aprender en un simulador controlado.

El pivote que lo cambia todo llegó con 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.

SIMA 2 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.

La lección para Latinoamérica: simulación antes que big data

Dado que faltan compute, capital y talento de élite concentrado, la región no va a entrenar modelos fundacionales de frontera. Pero la lección metodológica sí es accesible. 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 son 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.