La oficina de Danijar Hafner en el barrio SoMa de San Francisco está prácticamente vacía. Su startup es tan nueva que sigue en modo sigiloso y ni siquiera tiene el nombre en la puerta. El día de la visita de MIT Technology Review había una sola persona más y casi nada de mobiliario. Lo que le falta en decoración lo compensa en robots: humanoides de distintas formas y tamaños cuelgan como marionetas de estructuras que recorren el centro del espacio.
Hafner, de 31 años, no quiere adelantar demasiado sobre su nueva empresa, pero la describe como la continuación de un trabajo que lleva años: lograr que la inteligencia artificial se desenvuelva en entornos que no vio durante el entrenamiento. Los humanoides, que importa desde China, son la encarnación física de esa línea de investigación. Su capacidad de reaccionar ante situaciones nunca probadas es la condición para meter robots en espacios humanos. Si se quiere enviar uno a la casa de alguien, tiene que arreglárselas con una distribución de piso y unos muebles que jamás vio.
¿Qué es un modelo del mundo?
La técnica se llama aprendizaje por refuerzo basado en modelos. Hafner desarrolla world models, modelos de inteligencia artificial diseñados para emular la realidad física, y entrena agentes dentro de ellos. El agente trata ese modelo como si fuera una simulación del mundo real y aprende a actuar ahí. Después usa esa experiencia para hacer predicciones sobre resultados futuros, algo que él describiría como soñar o imaginar, y eso le permite moverse en situaciones desconocidas fuera de la simulación.
La diferencia con otros enfoques es de costo. La técnica de Hafner permite que los agentes, y los robots en los que están embebidos, ejecuten tareas muy complicadas sin el entrenamiento por ensayo y error en el mundo físico que la robótica ha usado tradicionalmente.
De Potsdam a Google Brain
Hafner creció en un pueblo rural del noreste de Alemania, hijo de dos músicos clásicos. Aprendió a programar con un vecino y en la enseñanza media empezó a tomar cursos en línea sobre inteligencia artificial, que rápidamente se convirtieron en una obsesión.
"Siempre me fascinó cómo funciona el pensamiento", cuenta. La inteligencia artificial le ofrecía una forma de emularlo en un computador.
En 2015, cursando segundo año de ingeniería en el Instituto Hasso Plattner de Potsdam, ganó un puesto como investigador estudiante en Google Brain. Desde ahí acumuló alrededor de una docena de pasantías y cargos en la empresa, incluidas estadías en Google Brain y Google DeepMind (ambas fusionadas desde entonces bajo DeepMind) en el Reino Unido, Canadá y Estados Unidos. Trabajó con figuras como Geoffrey Hinton, a quien suele señalarse como uno de los padrinos de la inteligencia artificial, y Ashish Vaswani, coautor del paper "Attention Is All You Need", que describió la tecnología de transformadores que hoy sostiene a los grandes modelos de lenguaje.
Timothy Lillicrap, uno de sus exjefes y coautor en Google, lo describe como un caso aparte incluso entre los mejores.
"Interactúo con mucha gente muy inteligente en investigación en Google, y él está tranquilamente en la mitad superior del 1%", dice Lillicrap. "En muchos casos construía por sí solo cosas que a equipos completos de ingenieros les habría tomado armar".
De Atari a Minecraft: la serie Dreamer
Hafner afinó y demostró su enfoque poniendo a competir contra videojuegos populares a agentes entrenados dentro de sus modelos del mundo. Esta es la progresión:
| Modelo | Hito |
|---|---|
| PlaNet | Primer avance: agentes capaces de ejecutar acciones planificando hacia adelante |
| Dreamer 2 | Primer agente en alcanzar rendimiento a nivel humano en juegos de Atari 2600 usando un modelo del mundo |
| Dreamer 3 | Primero en resolver el desafío del diamante en Minecraft, minando la gema por su cuenta |
| Dreamer 4 | Aprendió a minar diamantes desde un conjunto de datos de videos grabados de partidas, sin interactuar nunca con el juego |
El salto de Dreamer 4 es el más significativo para la robótica, porque describe un agente que aprende una tarea compleja mirando registros y no jugando. Más recientemente, Hafner empezó a migrar sus agentes del mundo virtual a la realidad física. Su proyecto DayDreamer usó el algoritmo Dreamer para que robots se manejaran solos en entornos nuevos y reaccionaran a experiencias inéditas, como que alguien los empuje y los tumbe, sin ningún entrenamiento específico para eso.
¿Qué viene ahora?
Hoy Hafner trabaja en su nueva startup, que fundó tras dejar Google DeepMind en el otoño boreal de 2025. Es esquivo sobre los próximos pasos, aunque no sobre la ambición.
"Me interesaba resolver un problema", insinúa, "que cambiara el mundo".
