Google DeepMind ha anunciado oficialmente la liberación de Gemini 2, su último modelo de lenguaje enfocado en capacidades humanoides. Según la empresa, este avance representa un paso significativo hacia lo que denominan "inteligencia artificial general física" (physical AGI), es decir, una IA capaz de comprender y actuar en el mundo real con un nivel de autonomía comparable al humano.

Gemini 2 combina la arquitectura de modelos de lenguaje a gran escala con módulos de percepción visual, control motor y retroalimentación táctil. Los investigadores de DeepMind afirman que el sistema puede interpretar instrucciones en lenguaje natural, traducirlas en secuencias de movimiento y ejecutarlas mediante un esqueleto robótico simulado o, en pruebas de laboratorio, en plataformas hardware prototipo.

El anuncio llega en un momento en que la comunidad de IA debate fervientemente sobre la factibilidad de la AGI. Mientras algunos ven en Gemini 2 una prueba de concepto que acerca la teoría a la práctica, otros señalan que la mera integración de lenguaje y movimiento no garantiza la comprensión profunda ni la capacidad de razonamiento abstracto que caracteriza a la inteligencia general.

Demis Hassabis, CEO de DeepMind, declaró en la presentación que "Gemini 2 nos muestra cómo la IA puede trascender el plano digital y interactuar de manera segura con el entorno físico". Sin embargo, también reconoció que quedan cuestiones críticas por resolver antes de pensar en un despliegue masivo.

Los expertos en seguridad de la IA han expresado preocupación sobre los riesgos asociados a dotar a sistemas avanzados de capacidades físicas. Temen que, sin marcos de control robustos, un modelo como Gemini 2 pudiera presentar comportamientos impredecibles ante situaciones ambiguas o entornos no estructurados.

Desde el punto de vista técnico, los principales obstáculos incluyen la latencia en la retroalimentación sensorial, la necesidad de algoritmos de planificación de movimiento que manejen la incertidumbre del mundo real y la garantía de que el sistema no cause daño colateral durante su operación.

Comparado con su predecesor, Gemini 1, que se centró principalmente en tareas de razonamiento y generación de texto, Gemini 2 incorpora una capa de embodiment que le permite interactuar con objetos manipulables, navegar espacios simples y responder a estímulos táctiles básicos.

Las aplicaciones potenciales van desde la asistencia en entornos industriales y de salud hasta la exploración de terrenos peligrosos para humanos. No obstante, cada caso de uso requerirá una evaluación exhaustiva de riesgos y la implementación de protocolos de apagado de emergencia.

En cuanto a la regulación, organismos como la Unión Europea ya están discutiendo marcos específicos para la IA embodiment, lo que podría influir en la velocidad con la que DeepMind y otras empresas puedan llevar sus prototipos a mercados comerciales.

La reacción de la industria ha sido mixta: mientras algunas startups de robótica ven en Gemini 2 una oportunidad para acelerar sus propios desarrollos, grandes fabricantes de hardware advierten que la falta de estándares de interoperabilidad podría fragmentar el ecosistema.

DeepMind ha indicado que seguirá publicando resultados de pruebas en entornos controlados y colaborando con instituciones académicas para abordar los desafíos de seguridad. El camino hacia una AGI física sigue siendo largo, pero Gemini 2 marca un hito que sin duda alimentará el debate y la innovación en los próximos años.