 |
| Ilustración generada con IA. Representación conceptual. |
La inteligencia artificial también tiene que aprender a trabajar donde internet no llega. Johns Hopkins ha explicado una línea de investigación que utiliza modelos de lenguaje en vehículos submarinos para apoyar su navegación. El interés está en llevar capacidades de procesamiento al propio robot, en un entorno donde conectarse a la nube resulta difícil.
La universidad dio a conocer este trabajo en una información publicada el 8 de octubre de 2026 sobre el encuentro EdgeAI celebrado el 18 de septiembre. El equipo de James Bellingham investiga esta aplicación dentro de un conjunto más amplio de proyectos de inteligencia artificial en dispositivos. La información describe investigación en curso; no presenta un submarino comercial disponible para comprar ni una demostración detallada de rendimiento.
Por qué el lugar donde funciona la IA importa
Cuando usamos un asistente desde el teléfono, parece que toda la inteligencia está dentro de la pantalla. Sin embargo, muchas funciones dependen de enviar una petición a un servidor y recibir su respuesta. Ese recorrido introduce una dependencia: hace falta una conexión que transporte los datos en ambos sentidos.
Un dispositivo que tenga que seguir trabajando sin esa conexión necesita otro planteamiento. Debe conservar a bordo las capacidades esenciales y decidir qué información puede procesar con los recursos que tiene. En robótica, esta diferencia afecta al diseño completo: sensores, memoria, energía, software y mecanismos de seguridad forman parte de la misma decisión.
El ejemplo submarino permite entender la cuestión sin prometer capacidades que todavía no se han demostrado. Si una misión necesita tomar decisiones en un lugar con comunicación limitada, no basta con añadir un chatbot. Hay que definir qué puede resolver el equipo por sí mismo y qué acciones debe posponer, limitar o cancelar.
Qué significa utilizar un modelo de lenguaje en un robot
Un modelo de lenguaje puede ser una pieza de un sistema más grande. Una posible aplicación, planteada aquí como ejemplo para entender la tecnología y no como función confirmada del proyecto, sería convertir una instrucción de misión en una secuencia de tareas que después revisen otros componentes.
Ese ejemplo muestra una separación necesaria. Interpretar una orden y ejecutar movimientos son responsabilidades distintas. La frase «inspecciona esta zona» tendría que convertirse en objetivos concretos, comprobarse frente a las restricciones del vehículo y conectarse con sistemas que conocen su posición y su entorno. Una respuesta escrita convincente no demuestra que el recorrido propuesto sea correcto.
Por eso conviene evitar la imagen de un asistente conversacional conduciendo solo un submarino. La pregunta interesante es cómo integrar una capacidad de razonamiento o interpretación dentro de una arquitectura que pueda comprobar sus resultados. Los lectores deberían fijarse en esa integración cuando aparezcan futuras pruebas.
Procesar cerca de los sensores: la idea de la IA local
La información de Johns Hopkins reúne también investigaciones sobre circuitos modulares apilados en tres dimensiones y sistemas inspirados en la atención auditiva humana. Son líneas diferentes que ayudan a explicar el mismo desafío: aprovechar mejor los recursos de los dispositivos que reciben datos y deben responder en el lugar donde están.
Desde el punto de vista del usuario, procesar localmente puede resultar atractivo porque reduce la dependencia de un servicio remoto. Desde el punto de vista del ingeniero, obliga a elegir. Un dispositivo no dispone de recursos ilimitados, y una tarea útil debe equilibrar rapidez, consumo, precisión y capacidad de recuperación ante errores.
Imaginemos, como comparación cotidiana, una cámara que detecta un cambio importante sin subir continuamente toda su grabación. Lo relevante no sería que el sistema procese absolutamente todo, sino que sepa distinguir cuándo necesita actuar. En un robot, esa selección requiere además relacionar la información con sus objetivos y sus límites físicos.
 |
| Ilustración generada con IA. Representación conceptual. |
Las pruebas que permitirían valorar el avance
Para evaluar una propuesta de este tipo harían falta resultados concretos. ¿Qué tarea realiza el modelo? ¿Qué sucede si interpreta mal una instrucción? ¿Cuánto consume el sistema? ¿Cómo responde cuando un sensor falla o los datos se contradicen? ¿Puede volver a un estado seguro?
También sería útil comparar la solución con alternativas más sencillas. Añadir IA tiene sentido si mejora una tarea medible, facilita el trabajo o resuelve una limitación. Una evaluación clara debería mostrar cuándo aporta valor y cuándo una regla convencional funciona mejor.
Estas preguntas son criterios de análisis de El PulsoTech, no resultados que la universidad haya anunciado. La nota institucional no permite afirmar que esta investigación haya superado ya todas esas pruebas. Mantener esa diferencia ayuda a seguir el proyecto sin convertir una posibilidad prometedora en un producto terminado.
Qué nos deja esta investigación
La noticia abre una conversación tecnológica interesante: la próxima utilidad de la IA no depende únicamente de hacer modelos mayores, sino de conseguir que una capacidad adecuada funcione en el lugar correcto. Un robot que opera lejos de la nube necesita autonomía práctica, límites claros y decisiones que puedan verificarse.
El trabajo de Johns Hopkins merece seguimiento por ese enfoque. Los siguientes anuncios serán más informativos si explican tareas, pruebas y resultados. Hasta entonces, la conclusión razonable es que existe una línea de investigación sobre modelos de lenguaje y navegación submarina, con un problema técnico concreto que resolver.
Fuente original
Johns Hopkins Whiting School of Engineering — información publicada el 8 de octubre de 2026.