La industria que construye la llamada IA física —los modelos que permiten a robots y máquinas moverse y actuar en el mundo real— empieza a mirar más allá del video. A los millones de horas de imágenes grabadas se suman ahora la captura desde múltiples ángulos de cámara, el etiquetado detallado de cada acción y, según reportó TechCrunch, un ingrediente inesperado: lecturas de ondas cerebrales humanas.

La idea de fondo es sencilla de enunciar y difícil de ejecutar. Un video de YouTube muestra qué hace una persona, pero no revela la intención ni la coordinación fina que hay detrás de cada gesto. Registrar la actividad cerebral mientras alguien ejecuta una tarea aporta una capa de información que las cámaras no capturan: cómo el ser humano planifica, corrige y decide un movimiento antes de completarlo.

Por qué el video ya no alcanza

Los grandes modelos de lenguaje se entrenaron con texto extraído de internet. Los modelos de IA física necesitan algo distinto: datos de acción, es decir, ejemplos de cómo interactuar con objetos y espacios. Ese material no abunda en la web y es caro de producir. De ahí que las empresas del sector estén invirtiendo en grabaciones controladas, con varias cámaras simultáneas que capturan una misma escena desde distintas perspectivas y anotaciones densas que describen cada fotograma.

La anotación densa consiste en etiquetar con precisión qué ocurre en cada instante de un video: qué objeto se toma, con qué mano, en qué orden, con qué fuerza aparente. Cuanto más detallada es esa descripción, mejor puede un modelo aprender a reproducir la conducta. Compañías especializadas en datos para IA, como Encord, trabajan en ese tipo de infraestructura de etiquetado.

El salto hacia la señal neuronal

El paso siguiente que asoma en el horizonte es incorporar registros de actividad cerebral al conjunto de entrenamiento. Firmas como Zander Labs exploran cómo aprovechar señales neuronales para enseñar a las máquinas patrones de intención humana que resultan invisibles para una cámara. La apuesta es que esa información ayude a los robots a anticipar y ejecutar acciones con mayor naturalidad.

Conviene tomar la promesa con cautela. Leer ondas cerebrales de forma no invasiva sigue siendo una tarea ruidosa y limitada: la señal que se obtiene con sensores externos es imprecisa comparada con lo que se registra en un laboratorio de neurociencia. Convertir esos datos en instrucciones útiles para un robot es un problema abierto, no una capacidad ya resuelta. Por ahora se trata de una línea de investigación y de recolección de datos, no de un producto en el mercado.

Qué está en juego

El interés por estos métodos refleja una carrera más amplia por dotar de cuerpo a la inteligencia artificial. Mientras los chatbots dominan el terreno del texto y la imagen, la robótica avanza más despacio justamente por la escasez de datos de calidad sobre el movimiento humano. Quien resuelva ese cuello de botella tendrá una ventaja considerable en aplicaciones industriales, logística y asistencia.

La incorporación de señales biológicas al entrenamiento también abre preguntas que la industria tendrá que responder: cómo se obtiene el consentimiento de las personas que aportan sus datos cerebrales, cómo se almacena información tan sensible y quién es dueño de ella. Si las ondas cerebrales terminan convirtiéndose en materia prima para entrenar máquinas, el debate sobre privacidad neuronal dejará de ser hipotético.