El ingeniero de IA Claude Opus 4.7 manejó un robot-perro 20 veces más rápido que los humanos, marcando una nueva etapa en el Project Fetch
Estamos presenciando un hito significativo en el desarrollo de la inteligencia artificial: el modelo de lenguaje Claude Opus 4.7 de Anthropic ha demostrado la capacidad de programar y controlar de forma autónoma un robot de cuatro patas, completando tareas 20 veces más rápido que equipos de ingenieros humanos. Esta es la segunda fase del experimento Project Fetch, y los resultados son impresionantes.
En agosto de 2024, cuando comenzó la primera fase del proyecto, la IA actuaba solo como asistente, ayudando a empleados sin experiencia en robótica a encontrar soluciones más rápido. Ahora, el modelo Opus 4.7 trabajó prácticamente de forma autónoma, con una supervisión mínima por parte del investigador. La red neuronal completó de manera independiente el ciclo completo de tareas:
- se conectó a los sensores de video y al lidar;
- escribió un programa para el control manual;
- creó un sistema de monitoreo de la trayectoria del robot;
- configuró un algoritmo de reconocimiento de objetos.
El análisis comparativo muestra una brecha colosal en el rendimiento. Opus 4.7 resultó ser 18 veces más rápida que el equipo que utilizó versiones anteriores de IA, y 37 veces más rápida que las personas que trabajaron sin ayuda del chatbot. Además, la red neuronal generó código cuyo volumen era 10 veces menor que el de los equipos humanos. Esto no solo habla de velocidad, sino también de un nivel cualitativamente diferente de eficiencia.
La conclusión clave a la que llegan los autores del experimento es que el progreso en robótica se ha convertido en un efecto secundario del escalado general de los modelos de lenguaje. Anthropic no implementó algoritmos especializados para controlar el «hardware»: el modelo simplemente aprendió a comprender el contexto y aplicar sus conocimientos a objetos físicos.
Sin embargo, no todo es tan sencillo. Claude todavía tiene dificultades con acciones físicas precisas. El modelo logró llevar al robot hasta el objetivo, pero no pudo completar la tarea de empujar suavemente una pelota hasta el punto deseado. Esto requiere una compleja retroalimentación en tiempo real, donde los humanos aún mantienen la ventaja.
En Anthropic afirman que la industria está entrando en una era de «agentes de IA físicos». En un futuro cercano, las redes neuronales podrán utilizar herramientas y equipos estándar con la misma eficacia con la que ahora trabajan con código de software.
Opinión del experto. Este experimento es una señal clara de que la frontera entre el mundo digital y el físico se está desvaneciendo. El hecho de que un modelo sin entrenamiento especializado maneje un robot más rápido y eficientemente que un humano cambia las reglas del juego en la automatización. Sin embargo, el fracaso con la pelota nos recuerda que la física bruta y los matices del tiempo real siguen siendo el último bastión que la IA aún no ha conquistado. Inversores y desarrolladores deben prepararse para que la próxima generación de redes neuronales no solo escriba código, sino que también controle máquinas herramienta, drones y, posiblemente, automóviles.