Los robots esperan su momento ChatGPT: Les Karpas explica por qué en TechCrunch Disrupt 2026
En el marco de TechCrunch Disrupt 2026, el director global de Inteligencia Artificial Física de Nvidia Inception, Les Karpas, abordará una pregunta central en la industria tecnológica: ¿por qué los robots aún no han alcanzado el impacto que tuvo ChatGPT en el campo del procesamiento del lenguaje? Su charla, titulada «Robots Are Waiting for Their ChatGPT Moment», se desarrollará en el escenario Real World AI, donde explorará las razones detrás de la falta de un punto de inflexión similar en robótica.
Desde que ChatGPT apareció en noviembre de 2022, la inteligencia artificial dejó de ser solo un concepto teórico para convertirse en una herramienta cotidiana. Sin embargo, aunque la robótica ha sido objeto de investigación y desarrollo durante décadas, no ha logrado ese salto de popularidad y adopción masiva. Karpas argumenta que la clave está en la disponibilidad de grandes volúmenes de datos, algo que aún no se ha replicado en el ámbito físico de la IA.
La empresa Nvidia, bajo la dirección de Jensen Huang, ha mostrado un fuerte compromiso con el futuro de la robótica. En sus presentaciones recientes, Huang ha destacado cómo los avances en procesamiento gráfico y aprendizaje automático están impulsando nuevas posibilidades en este campo. Sin embargo, Karpas señala que la ausencia de un dataset a gran escala para la inteligencia artificial física es uno de los principales obstáculos actuales.
A diferencia de los modelos de lenguaje, que pudieron beneficiarse de enormes colecciones de texto disponible en internet, los sistemas robóticos carecen de un equivalente digital. Aunque empresas como Waymo han logrado acumular datos mediante el uso de flotas autónomas, estas bases de datos son limitadas y específicas a ciertos entornos. Esta brecha representa un reto significativo para desarrollar robots capaces de operar en múltiples contextos.
Para superar esta dificultad, un creciente número de startups está recurriendo a simulaciones avanzadas, datos sintéticos y modelos fundamentales entrenados sobre múltiples tipos de robots al mismo tiempo. Este enfoque busca crear una base de datos artificial que permita entrenar sistemas robóticos sin depender exclusivamente de experimentos físicos costosos y lentos.
El escenario Real World AI, creado precisamente para abordar estos desafíos, será el lugar donde Karpas compartirá ideas junto a fundadores de empresas como Shield AI, Colossal Biosciences, FieldAI y Foxglove. Cada uno de ellos enfrenta retos únicos en su trayectoria hacia la implementación real de soluciones basadas en IA física.
Les Karpas destaca como una figura clave en este contexto debido a su amplia experiencia multidisciplinaria. Ha trabajado en empresas como Stanley Black & Decker, iRobot e Inteligent Ventures, lo cual le otorga una visión única sobre la integración entre tecnología, diseño y manufactura. Su rol actual en Nvidia lo posiciona como un puente entre la innovación académica y la aplicación práctica en sectores como movilidad, automatización industrial y ciudades inteligentes.
Además de su experiencia profesional, Karpas también ha sido un defensor activo del desarrollo de infraestructuras que permitan la colaboración entre empresas emergentes y grandes corporativas. Su trabajo en el ecosistema de startups dentro del área de IA física refleja la necesidad de crear redes de conocimiento compartido que aceleren el avance tecnológico.
La conferencia TechCrunch Disrupt 2026, que se celebrará del 13 al 15 de octubre en el Moscone Center de San Francisco, ofrece a más de 10,000 profesionales, emprendedores e inversores la oportunidad de asistir a sesiones como la de Karpas. Los interesados pueden aprovechar descuentos especiales, hasta un 30% si compran entradas en grupo, antes del 25 de septiembre.
La discusión sobre el futuro de los robots no solo se centra en la tecnología, sino también en cómo se integra en la vida cotidiana. La comparación con ChatGPT sugiere que, tal vez, el momento adecuado aún no ha llegado, pero que con el avance continuo en simulación, datos y modelos, podría ser solo cuestión de tiempo.
Traducción y adaptación por Tecnología 365.
Fuente original: TechCrunch