En esta charla exploraremos el concepto de World Models, una de las ideas más influyentes para avanzar hacia agentes verdaderamente inteligentes. A diferencia de los modelos tradicionales de reinforcement learning, los World Models permiten que una IA aprenda una representación compacta, pero realista, del mundo que la rodea y pueda simular mentalmente escenarios futuros, tal como hacemos los humanos al imaginar antes de actuar.

Revisaremos los fundamentos teóricos sobre modelos generativos de imágenes, video y dinámicas latentes, así como simuladores avanzados. Veremos cómo los nuevos trabajos (por ejemplo, Genie 3 para generación de entornos interactivos, MoSim para predicción física, y META Code World Model para razonar sobre estados de sistema) empujan los límites del concepto clásico. Analizaremos aplicaciones en robótica, videojuegos, ciencia, gemelos digitales, conducción autónoma y generación de código, señalando casos reales y escalables.

Finalmente, discutiremos los retos actuales, desde la eficiencia computacional, el error de modelado, hasta aspectos de seguridad y detección de novedad, y hacia dónde puede llevarnos esta línea de investigación en el desarrollo de agentes autónomos más eficientes, confiables y creativos.