“No tenemos robots tan buenos para comprender el mundo físico como un ratón”, dice Yan Lekun, una de las principales figuras del mundo de la inteligencia artificial.
Trabajó durante una década en Meta, propiedad de Facebook, donde fue científico jefe de inteligencia artificial, pero lo dejó en 2025 para fundar Advanced Machine Intelligence Labs (AMI Labs).
Su objetivo es llevar la IA más allá de los sistemas actuales como ChatGPT, Cloud y Gemini. Tienen sus usos, dice, pero nunca pueden resolver situaciones complejas como conseguir que un robot haga las tareas del hogar en el mundo real.
“No son un camino hacia una inteligencia a nivel humano o similar a la humana o animal, porque no pueden manejar datos del mundo real, no están diseñados para ello”, me dijo durante VivaTech, una importante conferencia tecnológica en Francia.
Por eso, AMI Labs, con sede en París, está ocupado desarrollando un nuevo tipo de inteligencia artificial basada en la tecnología detrás de ChatGPT y sus rivales.
Los inversores creen que tiene potencial. A principios de este año, AMI Labs anunció que había recaudado más de mil millones de dólares (760 millones de libras esterlinas) con inversores, incluido el gigante estadounidense de chips informáticos Nvidia y un fondo que gestiona la riqueza privada del fundador de Amazon, Jeff Bezos.
La llamada ronda de financiación inicial (la primera ronda de recaudación de fondos para empresas emergentes) es la mayor de su tipo en Europa.
Los modelos de lenguaje grande (LLM) como ChatGPT son particularmente buenos para codificar, resolver problemas matemáticos y generar texto, dice LeCun.
Pero sostiene que se trata de problemas bien definidos y predecibles.
“Ellos (los LLM) básicamente simplemente acumulan conocimientos… Pueden regurgitar cualquier cosa, los entrenas para regurgitar, pero no son particularmente inteligentes. No tienen una comprensión subyacente”, dice.
Cualquier acción en el mundo real tiene una desconcertante variedad de consecuencias que requieren una inteligencia artificial más flexible.
LeCun sostiene el bolígrafo en posición vertical sobre su punta. ¿Qué pasa cuando te vas, pregunta? Incluso los niños pequeños saben que el bolígrafo se caerá. Pero ningún humano se molestaría en adivinar en qué dirección caería el bolígrafo, no había forma de saberlo.
Pero un LLM puede intentar hacer una única predicción sobre el próximo movimiento del bolígrafo basándose en modelos estadísticos a partir de sus datos de entrenamiento.
La predicción definitivamente será errónea, porque el sistema no razona sobre la realidad física de la situación; simplemente parece estadísticamente plausible.
LeCun dice que un sistema que su empresa está desarrollando, Joint Embedding Predictive Architecture (JEPA), está diseñado para combatir estos problemas.
Crea resúmenes del mundo real que nos permiten predecir los resultados de las acciones.
Crear estos resúmenes implica matemáticas difíciles, pero filtran información inútil, dejando a la IA solo con imágenes útiles del mundo.
En el caso del bolígrafo, la IA sabe que no tiene sentido intentar predecir en qué dirección caerá el bolígrafo.
