El modelo del mundo de li fei-fei, Atlas, allana el camino hacia la AGI

El 7 de septiembre de 2026, Li Fei-Fei y el equipo de World Labs presentaron su último modelo del mundo multi-modal, Atlas, en a16z. A diferencia de los modelos tradicionales que predicen el siguiente token o fotograma, Atlas se centra en la 'predicción de nuevas vistas', lo que le permite generar imágenes en cualquier posición espacial y temporal, basándose en imágenes o texto de entrada. Esta capacidad integra la generación y la reconstrucción en un solo modelo, gestionando texto, imágenes, vídeos, datos 3D y poses de cámara. El equipo considera que la 'predicción de nuevas vistas' es una primitiva fundamental comparable a la predicción de tokens en los modelos de lenguaje grandes, y que podría ser clave para lograr la AGI. Atlas reduce significativamente los requisitos de datos para la reconstrucción 3D, generando resultados de alta calidad a partir de solo unas pocas imágenes. Este avance aborda las limitaciones de modelos anteriores como Marble, que tenían dificultades con las 'splats gaussianas'. La ventana de contexto espacial escalable de Atlas permite una reconstrucción espacial precisa, lo que admite aplicaciones en diseño creativo, construcción y robótica. El modelo ya tiene capacidades de procesamiento dinámico, y futuras mejoras se centrarán en efectos dinámicos, edición de contenido e interacción humano-máquina para permitir una interacción intuitiva en el mundo virtual 3D.