En el último año, «modelos del mundo» se ha convertido en una de las palabras más mal utilizadas en la industria de la IA. Que un modelo genere videos continuos lo llama modelo del mundo; que un jugador pueda caminar unos pasos dentro de la escena también lo llama modelo del mundo; robots, generación de video, 3D e inteligencia encarnada —líneas completamente distintas— todas se están etiquetando a sí mismas con este término. La palabra suena cada vez más grande, pero su significado se vuelve cada vez más borroso. World Labs hizo algo que resultó un poco ofensivo para sus competidores: primero establecieron un estándar para lo que significa «modelo del mundo». No basta con generar lo que verás en tu siguiente mirada; un sistema debe al menos saber dónde están las cosas, cómo se relacionan entre sí y cómo cambian sus estados para empezar a acercarse a la simulación de un mundo. Este es precisamente el motivo por el que escribí este artículo. La próxima línea divisoria para los modelos del mundo podría no estar en cuán realistas sean las imágenes generadas, sino en si el modelo posee un mundo interno que una máquina pueda leer, medir y manipular. Atlas aún no ha resuelto este problema, pero al menos lo ha planteado correctamente. Y muchas de las cosas que hoy se llaman modelos del mundo, miradas con perspectiva, podrían terminar siendo simplemente generadores de video más avanzados.