Los agentes de IA se ponen manos a la obra: Claude Opus 4.7 controla un perro robot 20 veces más rápido que los humanos
El mercado de la inteligencia artificial continúa sorprendiendo por su ritmo de evolución. Un nuevo experimento de la empresa Anthropic, conocido como Project Fetch, demostró que los modelos de lenguaje ya no solo son capaces de generar texto, sino de controlar dispositivos físicos de manera completa. Durante la segunda fase de pruebas, el modelo Claude Opus 4.7 programó y configuró de forma autónoma un robot de cuatro patas, completando la tarea 20 veces más rápido que un equipo de ingenieros humanos un año antes.
A modo de comparación: en agosto de 2024, empleados de Anthropic sin experiencia en robótica intentaron que un robot se moviera usando indicaciones de IA. En ese entonces, la red neuronal actuaba solo como asistente. La versión actual de Claude Opus 4.7 trabajó de manera prácticamente autónoma, bajo un control mínimo del investigador.
¿Qué hizo la IA?
El modelo realizó el ciclo completo de configuración del "hardware" sin intervención humana. En concreto, Claude de forma autónoma:
- se conectó a los sensores de video y al lidar;
- escribió un programa para el control manual del robot;
- creó un sistema de monitoreo de la trayectoria de movimiento;
- configuró el algoritmo de reconocimiento de objetos.
Es destacable que el código escrito por la red neuronal resultó ser 10 veces más compacto que el de los equipos humanos. Esto no solo habla de velocidad, sino también de calidad de ejecución. En cifras: Opus 4.7 resultó ser 18 veces más rápido que un equipo que usaba versiones antiguas de IA, y 37 veces más rápido que personas que trabajaban sin ayuda de un chatbot.
La paradoja de la interacción física
A pesar del impresionante progreso en programación y logística, Claude aún experimenta serias dificultades con acciones físicas precisas. El modelo llevó exitosamente al robot hasta el objetivo, pero no pudo empujar suavemente una pelota hasta el punto deseado. Como señalaron los desarrolladores, la tarea requiere una compleja retroalimentación en tiempo real, un área en la que los humanos aún mantienen la ventaja.
Es importante destacar que Anthropic no implementó algoritmos especializados para el control del "hardware". Todo el progreso es un efecto secundario del escalado general de los modelos de lenguaje. Esto confirma la hipótesis de que los agentes de IA universales pueden adaptarse a tareas físicas sin un entrenamiento específico.
Opinión del analista
Estamos entrando en la era de los "agentes de IA físicos", como acertadamente señalan en Anthropic. Ya hoy, las redes neuronales pueden trabajar con herramientas y equipos con la misma eficacia que con código de software. Sin embargo, en mi opinión, la barrera clave sigue siendo no la velocidad de cálculo, sino la retroalimentación táctil y la comprensión de la física del mundo real. En cuanto la IA aprenda a sentir el entorno tan bien como siente el contexto, las fronteras entre el mundo digital y el físico se borrarán por completo.