El modelo de IA Claude Opus 4.7 superó en decenas de veces a los ingenieros en el control de un perro robot.
El desarrollo de los modelos lingüísticos sigue sorprendiendo incluso a los participantes más experimentados del mercado. El último experimento de Anthropic en el marco del proyecto Project Fetch demuestra hacia dónde se dirige la industria: la inteligencia artificial comienza no solo a ayudar a las personas, sino a asumir por completo tareas físicas complejas.
El resultado clave de la prueba es que el modelo Claude Opus 4.7 logró configurar y controlar un robot de cuatro patas 20 veces más rápido que el mejor equipo de ingenieros humanos un año antes. Además, la red neuronal trabajó prácticamente de forma autónoma, bajo un control mínimo del investigador.
El espectro de acciones realizadas por la IA es impresionante: conexión a sensores de video y LiDAR, escritura de un programa para control manual, creación de un sistema de monitoreo de la trayectoria del robot y configuración de un algoritmo de reconocimiento de objetos. Todo esto se hizo sin intervención humana en tiempo real.
El análisis comparativo muestra cuán significativo es el progreso. En comparación con equipos que utilizaron versiones anteriores de IA, Opus 4.7 resultó ser 18 veces más rápido. Y en relación con las personas que trabajaron sin ayuda del chatbot, fue 37 veces más rápido. Es notable que el código escrito por la red neuronal resultó ser 10 veces más compacto que el humano, lo que indica su alta eficiencia y optimización.
Un matiz importante: Anthropic no implementó algoritmos especializados para el control de robots. Como señalan los autores del experimento, este progreso fue un efecto secundario del escalamiento general de los modelos lingüísticos. Esto confirma mi antigua hipótesis de que los sistemas universales de IA son capaces de dominar nuevos dominios sin un entrenamiento dirigido, simplemente gracias al aumento de la potencia computacional y el volumen de datos.
Sin embargo, no todo estuvo exento de limitaciones. Claude aún tiene dificultades con manipulaciones físicas precisas. El modelo logró llevar al robot hasta el objetivo, pero no pudo empujar suavemente una pelota hasta el punto deseado. Esta tarea requiere una retroalimentación compleja en tiempo real; en esta área, los humanos siguen superando a la IA.
En Anthropic están convencidos de que la industria está entrando en una era de "agentes físicos de IA", donde las redes neuronales trabajarán con equipos tan eficientemente como lo hacen ahora con código de software. En mi opinión, esto es solo cuestión de tiempo: una vez que los modelos aprendan a procesar la retroalimentación sensorial con la misma velocidad que la textual, las fronteras entre el mundo digital y el físico se desdibujarán por completo.