Por Canuto  

Dos investigadores que fueron considerados para dirigir Prometheus, proyecto respaldado por Jeff Bezos, decidieron continuar por su cuenta con una IA diseñada para modelar fenómenos físicos y procesar hasta 5 billones de datos en una sola indicación.
***

  • Accelerated Understanding afirma que su modelo procesó 5 billones de piezas de datos en una sola indicación, una escala muy superior a la de modelos de lenguaje líderes.
  • Anima Anandkumar y Benedikt Jenik abandonaron una propuesta de Prometheus que contemplaba una participación conjunta del 35% y más de USD $2.000 millones en rondas comprometidas hasta la Serie B.
  • La startup busca aplicar operadores neuronales a microchips, robótica, clima extremo y datos geológicos, con un enfoque empresarial.

Los investigadores Anima Anandkumar y Benedikt Jenik presentaron una empresa propia de inteligencia artificial después de apartarse de una propuesta para liderar Prometheus, el proyecto respaldado por Jeff Bezos. Su startup, Accelerated Understanding Inc, sostiene que desarrolló un modelo capaz de procesar 5 billones de piezas de datos en una sola indicación, una escala que, según sus fundadores, podría superar ampliamente la capacidad habitual de los principales modelos de lenguaje.

La propuesta no busca competir directamente con ChatGPT como asistente conversacional. En lugar de entrenarse para predecir la siguiente palabra a partir de textos, el sistema intenta predecir fenómenos físicos en el espacio y el tiempo, con posibles usos en industrias donde las simulaciones matemáticas exigen grandes volúmenes de cálculo y numerosas pruebas de laboratorio.

Una IA centrada en la física

Accelerated Understanding afirma que su modelo manejó 5 billones de datos durante sus pruebas, una cifra que la compañía sitúa en aproximadamente 5 millones de veces el tamaño que suelen consumir los modelos insignia de Anthropic y Google. La comparación utilizada por la empresa ilustra la magnitud del desafío: sería como leer “Guerra y paz”, de León Tolstói, 5 millones de veces en una sola operación, aunque el sistema no está diseñado para comprender literatura, sino estructuras físicas.

La arquitectura también se distancia del modelo Transformer, la tecnología desarrollada por Google que sustenta buena parte de los sistemas generativos actuales, incluida la “T” de ChatGPT. Anandkumar y Jenik explicaron que su alternativa utiliza operadores neuronales, una línea de investigación que permite aproximar relaciones entre variables físicas y predecir la evolución de fenómenos complejos.

“La visión del lenguaje como centro de la inteligencia es poner al humano en el centro. Poner la física en el centro es una visión centrada en la naturaleza”, afirmó Anandkumar, quien ocupa el cargo de Bren Professor of Computing and Mathematical Sciences en Caltech. Su argumento refleja una disputa más amplia dentro del sector: si los modelos de mundo deben construirse principalmente con lenguaje o mediante representaciones que describan directamente el entorno espacial.

Varias compañías exploran esa segunda ruta, incluidas startups vinculadas con los investigadores de inteligencia artificial Yann LeCun y Fei-Fei Li. La apuesta de Accelerated Understanding consiste en desarrollar un operador neuronal más general, capaz de anticipar incluso fenómenos que no pueden observarse directamente, y convertir esa capacidad en contratos con empresas en lugar de comenzar con un producto dirigido al consumidor.

Aplicaciones industriales y empresariales

Uno de los primeros mercados que la startup identifica es el diseño de microchips. Mientras algunas compañías emplean sistemas que escriben programas, interpretan instrucciones y razonan mediante texto para apoyar procesos de semiconductores, Accelerated Understanding considera que una representación más profunda de la física podría ayudar a optimizar materiales y temperaturas antes de fabricar los componentes.

En ese escenario, el objetivo sería reducir la dependencia del ensayo y error en el laboratorio, un proceso que puede exigir múltiples combinaciones de materiales, condiciones térmicas y diseños. La empresa sostiene que una IA capaz de modelar esas interacciones permitiría evaluar alternativas con mayor rapidez, aunque la información disponible no detalla resultados comerciales ni contratos específicos con fabricantes.

Los posibles usos también abarcan robótica y pronósticos de clima extremo, dos campos donde las decisiones dependen de interacciones espaciales y temporales difíciles de resumir en texto. La compañía agregó que su tecnología podría intercalar datos geológicos para empresas energéticas, con la intención de sustituir modelos matemáticos frágiles y construidos de manera independiente para cada caso.

Anandkumar planteó que una misma IA podría responder consultas de física provenientes de distintos sectores empresariales, en vez de operar como una colección de herramientas especializadas. Esa promesa todavía representa una tesis de negocio y de ingeniería, pero explica por qué la startup busca acuerdos corporativos desde el inicio y no una oferta masiva para usuarios individuales.

La propuesta vinculada con Prometheus

La idea de construir sistemas de IA orientados al mundo físico también atrajo el interés de Bezos, fundador multimillonario de Amazon. De acuerdo con registros de una reunión revisados por Reuters, el inversor y empresario biotecnológico Vik Bajaj conversó con Anandkumar y Jenik durante una cena celebrada en las afueras de Los Ángeles a finales de 2024, antes de convertirse en cofundador de Prometheus junto con Bezos.

Anandkumar había trabajado previamente como científica en Amazon y asistido a cumbres privadas de inteligencia artificial organizadas por Bezos. Además, ocupó durante cinco años un cargo directivo en Nvidia, mientras Jenik, su esposo, se especializó como ingeniero de infraestructura de IA; ambos ya habían comenzado a construir Accelerated Understanding cuando surgió la propuesta de colaboración.

Una carta de oferta titulada “Proyecto Prometheus”, cuya copia fue revisada por Reuters, proponía que Anandkumar se convirtiera en la imagen pública de la empresa, integrara el consejo y dirigiera su visión científica. Jenik habría tenido el papel de observador del consejo, mientras que ambos podían recibir una participación conjunta del 35% y un salario anual combinado de USD $1 millón, que subiría a USD $2 millones después de tres meses de trabajo.

El documento también describía más de USD $2.000 millones en “rondas comprometidas” de financiamiento hasta la Serie B, con inversores entre los que figuraba Bezos. Prometheus declinó comentar sobre la propuesta, y Anandkumar y Jenik finalmente optaron por continuar de manera independiente. Posteriormente, Bezos y Bajaj recaudaron USD $12.000 millones en una Serie B para Prometheus en junio de 2026, con una valoración aproximada de USD $41.000 millones.

El origen de los operadores neuronales

Prometheus tiene como objetivo desarrollar IA capaz de automatizar la fabricación de sistemas físicos complejos, una misión cercana en algunos aspectos a la visión industrial de Accelerated Understanding. La diferencia central está en que la startup de Anandkumar y Jenik pretende construir un modelo general de fenómenos físicos, mientras la empresa respaldada por Bezos concentra su proyecto en procesos de fabricación.

Anandkumar no reveló detalles sobre el financiamiento de Accelerated Understanding, pero confirmó que la compañía mantiene asociaciones con proveedores de computación que le entregan manualmente clústeres de hardware para desarrollar y ejecutar sus sistemas. La investigadora no identificó a esos socios, y Nvidia tampoco respondió a una pregunta de Reuters sobre si participaba en el emprendimiento.

Según Anandkumar, fue Jensen Huang, CEO de Nvidia, quien la alentó inicialmente a perseguir esta idea. La empresa la contrató en 2018 para dirigir un equipo de científicos dedicado a estudiar cómo sus unidades de procesamiento gráfico, conocidas como GPU, podían emplearse en sistemas avanzados de inteligencia artificial.

Uno de los primeros proyectos mostró que la IA podía acelerar la predicción meteorológica con una precisión comparable a la de cálculos complejos utilizados tradicionalmente por los meteorólogos. Los resultados sorprendieron a Huang, quien presentó el trabajo de Anandkumar sobre operadores neuronales durante la conferencia tecnológica anual GTC de Nvidia en 2021.

“Él se emocionó mucho”, recordó Anandkumar al referirse a la reacción de Huang. Cuando ella explicó que la IA podía asumir parte del trabajo de los teóricos de la física, el ejecutivo respondió: “Quiero que se coma todos sus almuerzos”.

Una carrera por los modelos de mundo

El lanzamiento de Accelerated Understanding ocurre en un momento en que la industria busca ampliar el alcance de los modelos entrenados con lenguaje. Los sistemas conversacionales han demostrado capacidad para resumir información, escribir código y producir respuestas coherentes, pero su comprensión del espacio, la causalidad física y la evolución de los fenómenos reales continúa siendo una cuestión distinta.

Los modelos de mundo intentan representar aspectos de la realidad para anticipar qué ocurrirá después de una acción o bajo determinadas condiciones. Esa capacidad resulta especialmente relevante en robótica, ingeniería y ciencias naturales, porque un error de predicción puede traducirse en una pieza defectuosa, una trayectoria insegura o una simulación que no resiste la comprobación experimental.

El enfoque de operadores neuronales busca aprovechar la capacidad de las redes para aproximar funciones complejas sin abandonar las relaciones matemáticas que describen los sistemas físicos. Sin embargo, procesar una cantidad tan extensa de información también impone exigencias de infraestructura, memoria y verificación que la compañía deberá resolver antes de demostrar que su escala experimental puede convertirse en una solución industrial confiable.

Por ahora, Anandkumar y Jenik presentan su decisión como una apuesta por una visión científica diferente, no como un rechazo al capital o a la escala de Prometheus. La empresa de Bezos consiguió una Serie B de USD $12.000 millones, mientras Accelerated Understanding intenta convencer a clientes empresariales de que una IA orientada a la naturaleza puede generar más valor que otra centrada únicamente en el lenguaje.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.
Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados