Players Por qué la IA aprende mejor con videojuegos que con internet
General Intuition, respaldada por Bezos, apuesta a que los videojuegos pueden entrenar modelos del mundo real. Esto revela cómo la industria del gaming impulsó la IA desde sus orígenes y qué significa para América Latina.
Durante décadas, la industria de los videojuegos fue vista como una máquina de entretenimiento de doscientos mil millones de dólares al año, más grande que el cine y la música combinados. Pocos sospechaban que esa misma industria, dedicada a renderizar mundos virtuales a sesenta cuadros por segundo, estaba construyendo sin querer la infraestructura que hoy entrena a los modelos de inteligencia artificial más avanzados. Ahora, una nueva generación de startups pretende llevar esa relación al siguiente nivel: usar los propios videojuegos como materia prima de entrenamiento, no solo como el hardware que los ejecuta.
General Intuition es el caso más visible. Esta startup con sede en Nueva York, respaldada por Jeff Bezos y valorada en 2.300 millones de dólares, acaba de cerrar una ronda de 320 millones con la participación de Coatue, Eric Schmidt, investigadores del MIT y Google DeepMind. Su tesis es directa: los modelos de lenguaje como ChatGPT y Claude son excelentes con texto, pero carecen de la capacidad de entender cómo las cosas se mueven en el espacio y el tiempo —una habilidad esencial para una inteligencia que generalice. Esa brecha, sostiene su CEO Pim de Witte, puede llenarse con datos de videojuegos.
El hardware que el gaming pagó, el software que el gaming enseña
La ironía es que el hardware que permite entrenar estos modelos —las GPUs de Nvidia— ya es un regalo del gaming. A finales de los años noventa, Nvidia lanzó la GeForce 256, definida como el primer procesador capaz de manejar por sí solo la tubería gráfica completa. Su arquitectura, basada en miles de núcleos pequeños que realizan operaciones aritméticas simultáneas, resultó ser ideal para el problema que enfrentaría la inteligencia artificial una década después: multiplicaciones de matrices a escala masiva.
En 2012, el equipo de Alex Krizhevsky utilizó dos GPUs Nvidia para entrenar AlexNet, la red neuronal que arrasó en el desafío ImageNet y marcó el inicio del boom del deep learning. Antes de eso, el proyecto Google Brain necesitó 2.000 CPUs para reconocer gatos en videos de YouTube; con GPUs, el mismo rendimiento se logró con apenas doce. “La industria de la IA heredó una infraestructura que el entretenimiento de consumo pagó”, resume un artículo reciente en Medium que traza esta genealogía.
Hoy, esa misma infraestructura se complementa con una nueva fuente de datos: las interacciones físicas simuladas dentro de los videojuegos. Mientras que los textos de internet capturan conocimiento declarativo, los mundos virtuales capturan conocimiento procedural: cómo un objeto cae, cómo un personaje esquiva un obstáculo, cómo la luz incide sobre una superficie. Para entrenar agentes robóticos o sistemas autónomos que operen en el mundo real, esa información vale más que cualquier enciclopedia.
Lo que esto significa para América Latina
Para las empresas y ejecutivos de la región, esta tendencia abre preguntas operativas concretas. América Latina alberga una de las comunidades de jugadores más activas del mundo: Brasil cuenta con más de cien millones de gamers, y México se ubica entre los diez mercados más grandes del planeta. Esa masa crítica de usuarios genera un volumen de datos de interacción que, en teoría, podría servir para entrenar modelos del mundo real. Sin embargo, el acceso a la infraestructura necesaria —clusters de GPUs, conectividad de alta velocidad, almacenamiento masivo— sigue siendo limitado y caro en la mayor parte de la región.
Varias startups latinoamericanas de gaming ya exploran caminos similares. Estudios independientes en Argentina y Chile han desarrollado simuladores para entrenar modelos de conducción autónoma en entornos virtuales, aprovechando motores de juego comerciales. Pero la escala y el capital necesarios para competir con una General Intuition —que levanta 320 millones en una sola ronda— son órdenes de magnitud superiores. La lección para el ejecutivo local no es que deba abandonar el intento, sino que debe entender dónde reside el verdadero valor: no en replicar el hardware, sino en generar datasets únicos basados en la interacción de usuarios latinoamericanos, con sus propios patrones culturales y contextuales.
Al mismo tiempo, la dependencia de la cadena de suministro de semiconductores —concentrada en Taiwán y Corea— representa un riesgo de continuidad operativa. Si el acceso a GPUs se restringe por razones geopolíticas o de oferta, los planes de entrenamiento de modelos en la región podrían retrasarse gravemente. La soberanía computacional, un concepto que hasta hace poco parecía abstracto, se vuelve una cuestión de planificación estratégica.
La relación entre videojuegos e inteligencia artificial es más profunda de lo que la mayoría supone. No solo porque las GPUs nacieron para renderizar mundos virtuales, sino porque esos mismos mundos están enseñando a las máquinas a entender el nuestro. Para las empresas latinoamericanas, la pregunta ya no es si adoptar IA, sino si están dispuestas a reconocer que el combustible que la hace funcionar —desde el silicio hasta los datos— tiene una historia que vale la pena conocer.
