Google DeepMind apuesta por world models para superar límites de LLMs

El soundbite de Hassabis sobre la singularidad generó titulares, pero lo sustantivo de Google I/O fue otra cosa: el pivote explícito hacia world models como próximo horizonte de investigación. Los LLMs son extraordinarios para patrones lingüísticos pero frágiles en razonamiento causal, comprensión física, y planificación multi-step en entornos complejos.

World models — sistemas que construyen representaciones internas del mundo físico y sus reglas — prometen cerrar esa brecha. No es solo agregar multimodalidad (video, sensores); es aprender modelos generativos del *comportamiento* del mundo. Un LLM puede describir qué pasa si empujo una torre de bloques. Un world model puede predecirlo sin haberlo visto antes.

La apuesta de DeepMind (y cada vez más de otros labs) es que este es el camino hacia agentes que operan en el mundo real — robótica, simulación científica, diseño físico. Pero también es una admisión implícita: los LLMs solos no nos llevan a AGI. Necesitamos arquitecturas híbridas que combinen comprensión lingüística con modelos causales del mundo. Estamos en el inicio de esa transición.