Seguro que ya sabes (la publicidad online te lo está recordando día sí, día también) que con un sencillo prompt puedes generar un videojuego. La IA te lo hace, pero lo que no puede hacer es jugarlo. La razón no es que los juegos sean difíciles en abstracto: es que el mundo real obedece a las mismas leyes físicas en todas partes, y los videojuegos no.
Hacer, no jugar. La paradoja es llamativa: con herramientas como Cursor o Claude, un prompt genera un clon de un juego clásico funcional. ‘Asteroids’, por ejemplo. Sin embargo, ese mismo sistema no superaría ni el primer nivel de su propia creación. Julian Togelius, director del Game Innovation Lab de la Universidad de Nueva York y cofundador de la empresa de testing Modl.ai, lleva meses investigando por qué, y lo ha desgranado en una entrevista.
Programar no es un juego. Togelius define la programación desde un punto de vista estructural: un juego muy bien diseñado. Cada línea de código viene con un enunciado claro, un criterio de éxito verificable y feedback de posibles fallos, y el programa indica exactamente dónde y por qué ha fallado. Los LLM (modelos de lenguaje) han sido entrenados con cantidades masivas de código y afinados mediante aprendizaje por refuerzo para resolver exactamente ese tipo de problemas. Programar es, en términos de estructura de tarea, un juego excepcionalmente «bien portado», como lo define Togelius. Por eso hay tanta gente que encuentra divertido programar.
Sin embargo, los videojuegos son otra historia: el espacio de acción se rige por reglas más arbitrarias, el feedback puede ser inmediato o retrasarse horas en llegar, el razonamiento espacial es indispensable y el margen de error es mucho más reducido. Cuando a un modelo de IA se le pide que juegue a algo, el resultado documentado en el paper que realizó Togelius es inequívoco: «fracaso absoluto».
Con guía, por favor. Gemini 2.5 Pro completó ‘Pokémon Azul’ en mayo de 2025, pero tardó considerablemente más que cualquier jugador humano, cometió errores repetitivos y dependió de software auxiliar para lograrlo. La revista TIME analizó por qué los mejores sistemas de IA siguen teniendo dificultades con ‘Pokémon’. Y eso que es de los pocos títulos que logran acabar. Lo consiguen porque estos sistemas cuentan con APIs específicas para consultar guías estratégicas. Que ‘Pokémon’ o ‘Minecraft’ (otro título que las IAs pueden navegar) sean dos de las franquicias más documentadas de la historia del videojuego, con millones de horas de walkthroughs disponibles en internet, es la clave de que lo consigan con mayor facilidad.
La clave está en la física. Pero… ¿por qué un modelo de lenguaje puede escribir un ensayo sobre física cuántica y a la vez fracasar tanto en ‘Halo’ como en ‘Space Invaders’? La respuesta de Togelius es que «esos dos juegos son más diferentes entre sí, en cierto sentido, que dos ensayos académicos distintos.» Visto de otra forma: los videojuegos son muy heterogéneos. Cada uno inventa sus propias reglas, su propia lógica de espacio, su propio sistema de recompensas. Las mecánicas de un juego de plataformas son absolutamente distintas a las de un ‘Tetris’. El razonamiento espacial (dónde están los objetos, cómo se mueven, cómo se relacionan) no aparece en los datos de preentrenamiento de los modelos de lenguaje porque es inabarcable de un juego a otro.
Sin embargo, observemos una tarea aparentemente más difícil que jugar a ‘Super Mario’: conducir un coche autónomo. Y eso sí lo hacen bien las IAs. La diferencia con los juegos es que el mundo real obedece a las mismas leyes físicas en cualquier parte del planeta. El asfalto se comporta igual en San Francisco que en Shanghái, los semáforos siguen los mismos principios, el vehículo siempre responde igual. Como señala Togelius, «conducir es mucho más homogéneo que el conjunto de los videojuegos.» Aprende a conducir y podrás hacerlo en cualquier punto del planeta. Aprende a jugar a ‘Doom’ y no tendrás ni idea de cómo jugar a ‘Age of Empires’.
El criterio definitivo. Por eso Togelius propone los videojuegos como criterio para determinar el éxito de una IA: hay que calibrar si un agente capaz de aprender a completar cualquier juego del top 100 de Steam en aproximadamente el mismo tiempo que un jugador humano hábil, sin acceso a documentación previa ni integración específica. A ese baremo (que no exige ganar a la primera, sino aprender al ritmo humano) no existe hoy ningún sistema que se acerque.
Cabecera | Foto de Erik Mclean en Unsplash
–
La noticia
Conducir un coche autónomo es más fácil para la IA que jugar al ‘Tetris’: el motivo son las leyes de la física
fue publicada originalmente en
Xataka
por
John Tones
.
