El ganador del Premio Turing, Yann LeCun, dice que los sistemas de inteligencia artificial más famosos de la actualidad no son el camino hacia máquinas verdaderamente inteligentes. En su startup con sede en París, Advanced Machine Intelligence Labs (AMI Labs), el ex científico jefe de IA de Meta está construyendo un tipo de modelo fundamentalmente diferente diseñado para comprender el mundo físico de la misma manera que lo pueden hacer una rata o un niño pequeño.

En declaraciones a la BBC al margen de la conferencia VivaTech en París, LeCun argumentó que los grandes modelos de lenguaje como ChatGPT, Claude y Gemini tienen usos reales, pero un techo rígido. Para obtener más información sobre la [cobertura de la industria de la IA] (https://aibuzzwire.news) que determina cómo los investigadores e inversores piensan sobre estos límites, el debate más amplio sobre lo que viene después de la era LLM se ha convertido en una de las preguntas más importantes en el campo.

"No tenemos robots que sean tan buenos para comprender el mundo físico como una rata", dijo LeCun. Dejó Meta, propietario de Facebook, en 2025 después de una década como científico jefe de IA y fundó AMI Labs para buscar una arquitectura alternativa.

Por qué LeCun dice que los LLM no son suficientes

LeCun sostiene que los LLM se destacan en tareas predecibles y bien definidas, como codificar, resolver problemas matemáticos y generar texto. Pero sostiene que esas fortalezas oscurecen una limitación más profunda: los sistemas manipulan patrones estadísticos en lugar de razonar sobre la realidad.

"Básicamente simplemente acumulan conocimientos", dijo sobre los LLM. "Pueden regurgitar algo, los entrenas para regurgitar, pero no son particularmente inteligentes. No tienen una comprensión subyacente".

Para ilustrar la brecha, LeCun coloca un bolígrafo en posición vertical sobre su punta y lo suelta. Incluso un niño pequeño sabe que el bolígrafo se caerá, señala, pero ningún ser humano intentaría predecir la dirección exacta en la que caerá, porque ese resultado es realmente incierto. Un LLM, por el contrario, intentaría generar una predicción única basada en patrones en sus datos de entrenamiento. Es casi seguro que esa predicción sería errónea, porque el modelo no razona sobre la situación física; está produciendo lo que parece estadísticamente plausible.

"Los LLM son en gran medida inútiles para la robótica", dijo sin rodeos LeCun. "Las afirmaciones de que de alguna manera simplemente ampliando los LLM vamos a alcanzar una inteligencia sobrehumana, eso simplemente no va a suceder".

Cómo funciona JEPA

La arquitectura que AMI Labs está desarrollando se llama Arquitectura predictiva de incrustación conjunta (JEPA). En lugar de predecir la siguiente palabra o píxel, JEPA crea abstracciones del mundo real que le permiten sopesar los posibles resultados de una acción.

Construir esas abstracciones implica matemáticas complejas, pero el principio es sencillo: el modelo filtra detalles inútiles y deja solo representaciones útiles del mundo. En el ejemplo del bolígrafo, un sistema basado en JEPA entendería que predecir la dirección precisa de la caída no tiene sentido y, en cambio, representaría la situación en el nivel de abstracción que realmente importa para la toma de decisiones.

El enfoque coloca a AMI Labs dentro de un movimiento creciente en torno a los llamados modelos mundiales, cuyo objetivo es brindar a los sistemas de inteligencia artificial una simulación interna de cómo se comportan los entornos, para que puedan planificar y actuar en lugar de simplemente generar texto.

Un campo competitivo

Los inversores apuestan a que LeCun tiene razón. A principios de 2026, AMI Labs anunció que había recaudado más de mil millones de dólares (760 millones de libras esterlinas) en una ronda de financiación inicial, con patrocinadores como el gigante estadounidense de chips Nvidia y el fondo que gestiona la riqueza privada del fundador de Amazon, Jeff Bezos. Fue una de las rondas de semillas más grandes en la historia de las startups europeas.

AMI Labs no está ni mucho menos solo en la carrera. En la Universidad de Oxford, el profesor Ingmar Posner dirige el Laboratorio de IA Aplicada y dirige un equipo de aproximadamente diez personas que ha dedicado cuatro años a un enfoque alternativo que él llama "modelo mundial mecanicista", que estructura el conocimiento para que la IA pueda recordarlo, combinarlo y modificarlo de manera eficiente.

"Mi opinión es que la próxima década se centrará realmente en sistemas que puedan explicar", dijo Posner a la BBC. "Se necesitan modelos que puedan responder preguntas como: ¿Qué importa? ¿Qué causa qué? ¿Qué pasaría si hiciera otra cosa?"

Ese linaje se remonta a un influyente artículo de 2018 de David Ha y Jürgen Schmidhuber, que sostenía que los avances en computación y aprendizaje automático podrían permitir que una IA aprenda tareas únicamente a partir de una simulación mental aprendida del mundo. Desde entonces, la idea ha catalizado importantes investigaciones, incluido el modelo mundial Dreamer de Google, una variante del cual aprendió a recolectar diamantes en Minecraft imaginando escenarios futuros. DeepMind de Alphabet continúa trabajando con su modelo Genie, Wayve, con sede en Londres, tiene un sistema llamado Gaia, y el pionero de la IA Fei-Fei Li fundó World Labs en San Francisco en 2023 para perseguir objetivos similares.

El imperativo de la robótica

El impulso hacia modelos mundiales está siendo impulsado en gran parte por la industria de la robótica, que ha invertido miles de millones de dólares en robots humanoides cuyas hazañas físicas se vuelven más impresionantes cada año. Pero entrenar esas máquinas para que realicen tareas domésticas de forma segura, como planchar o cargar un lavavajillas, sigue siendo difícil y costoso, y LeCun insiste en que los modelos actuales de IA nunca serán lo suficientemente buenos para ese entorno.

LeCun dijo que AMI Labs pasará el resto de 2026 perfeccionando su modelo y espera comenzar a implementarlo en entornos industriales en 2027. Si eso tiene éxito, las ambiciones se expandirán considerablemente.

"Con el tiempo, tendremos una especie de sistemas de inteligencia genéricos generales que se pueden aplicar a casi cualquier cosa en el mundo con un mínimo de entrenamiento o ajuste", dijo.

En cuanto a lo que será de los humanos en ese futuro, LeCun se muestra optimista. La gente todavía decidirá qué construir y qué preguntas hacer, dijo, mientras la IA trabaja como un sustituto capaz.

"Nuestra interacción con los futuros sistemas de IA, incluso si son más inteligentes que nosotros, será como la interacción entre un capitán de industria o un líder político con su personal de asistentes, muchos de los cuales son más inteligentes que ellos".

Manténgase por delante de la IA

El cambio de modelos lingüísticos a modelos mundiales podría rediseñar el mapa competitivo de la inteligencia artificial. Siga los últimos desarrollos de IA a medida que se desarrollan.

Leer más noticias sobre IA →