Pónganse cómodos y prepárense su café, porque esto suena a ciencia ficción. Imagínense escribir algo como “una playa al atardecer con músicos tocando junto a una fogata” y que, en lugar de una foto bonita, aparezca un mundo entero que pueden recorrer, donde se escucha el romper de las olas, suena la música de los instrumentos que están ahí mismo y los personajes les responden si les hablan. Pues eso es justo lo que promete Genie 4, el nuevo modelo de simulación de mundos que acaba de lanzar Google DeepMind, y que se apoya en la familia de modelos Gemini para que todo lo que pasa en pantalla tenga coherencia espacial y un comportamiento físico realista en tiempo real.
¿En español qué significa “modelo de mundo”? Que no se trata de una IA que hace un video y ya, sino de una que simula un entorno vivo: tú provocas un evento y Genie 4 calcula qué pasa después. Cómo responde el mundo, cómo suena y cómo se mueven, reaccionan y hablan las personas que lo habitan. Según el blog oficial de DeepMind, Gemini Omni se encarga de que las simulaciones se parezcan al mundo real en apariencia y comportamiento, mientras otros modelos Gemini ponen el razonamiento complejo para que la historia no se desarme a la mitad. Y lo más chido es que pueden modificar el entorno con instrucciones en lenguaje natural, o sea, hablándole como le hablarían a un compa.
Imagen y sonido al mismo tiempo, como debe ser
Aquí viene uno de los detalles que más nos voló la cabeza. Muchas herramientas primero generan las imágenes y luego le pegan el audio encima, como cuando doblas un video casero. Genie 4 no: produce lo visual y lo auditivo de forma simultánea y en tiempo real. Cada mundo genera sus propios ruidos ambientales según la escena, como el viento entre los árboles o las olas en la playa, e incluso puede crear música e interacciones sonoras de instrumentos que existen físicamente dentro de la simulación. Por eso se le describe como un modelo de mundo nativamente multimodal, con personajes que conversan y reaccionan sobre la marcha a lo que ustedes hacen, a lo que les piden y a lo que sucede a su alrededor.
Aceptémoslo: todavía tiene memoria de pez
Ahora, seamos honestos, no todo es perfecto y la misma Google DeepMind lo reconoce: Genie 4 sigue siendo un modelo experimental. Su talón de Aquiles es la memoria, porque las simulaciones mantienen la coherencia un par de minutos como máximo antes de que el modelo pierda el hilo. Es como cuando le cuentas una historia larguísima a alguien a las 3 de la mañana y a la mitad ya no se acuerda de cómo empezó. Estas son las limitaciones que la empresa señala:
- Consistencia a largo plazo: los detalles y objetos pueden cambiar o desaparecer conforme la simulación se alarga, sobre todo tras varias modificaciones complejas con prompts o al recorrer el entorno.
- Física avanzada: las interacciones físicas complejas todavía se están puliendo.
- Precisión espacial y de audio: ambas requieren trabajo continuo.
- Texto dentro del mundo: como ha pasado tantas veces con la IA que genera imágenes, escribir letreros claros y legibles sigue siendo un reto.
Para tapar esos huecos, Genie 4 trabaja en equipo con Gemini 3.8 Flash, que funciona como un “agente guía”. Mientras Genie 4 genera el mundo, Gemini observa la escena, revisa los cuadros que van llegando y verifica si cada acción salió bien. Y cuando ustedes piden cambiar el clima, mover la cámara o meter nuevos objetos y personajes, Gemini adapta la instrucción al contexto para que encaje y ajusta su plan al vuelo. Algo así como el director de escena que no deja que nadie se salga del guion.
Del set de cine al laboratorio de robótica
Por ahora Genie 4 está en fase de vista previa de investigación con “probadores de confianza” y socios estratégicos en las industrias donde se espera más impacto. En el cine podría servir como un “modo borrador”: los cineastas entran a una simulación en vivo y ensayan varias tomas en tiempo real, moviendo ángulos, iluminación, diálogos y movimientos antes de rodar de verdad. En los videojuegos, se perfila para pasar de una idea a un prototipo explorable en segundos, probando estilos visuales, materiales y mecánicas con texto antes de tocar un motor de desarrollo.
Eso sí, no todo el gremio está aplaudiendo. Algunos desarrolladores temen que la IA termine usándose para algo más que prototipos, y como recordó Ars Technica, Genie 3 ya había causado consternación en la industria. DeepMind, en cambio, insiste en que los modelos de mundo son una pieza clave rumbo a la inteligencia artificial general (IAG). Y en robótica la cosa se pone interesantísima: Genie 4 puede crear entornos de entrenamiento infinitamente variables para robots. Ya se probó simulando al robot humanoide Apollo de Apptronik y brazos robóticos como el Universal Robots UR5 en tareas de laboratorio, como sostener una pipeta y dispensar líquido en una placa.
La neta, aquí en Sala 404 vemos esto con emoción y con lupa al mismo tiempo. Para la banda creativa en México, desde estudios indie de videojuegos hasta cineastas que se las ingenian con presupuestos apretados, una herramienta así podría significar probar ideas sin gastar lo que no tienen. Pero también abre la conversación sobre qué pasa con la chamba de artistas y desarrolladores. Habrá que estar al pendiente de cuándo deja de ser un experimento para unos cuantos y de si logra superar esa memoria de un par de minutos.
Vía: Xataka México.
