El Amanecer de la Memoria Visual en la IA Física

Imaginemos un futuro donde la inteligencia artificial no solo procesa información, sino que también 'recuerda' cada instante visual de su interacción con el mundo. Esta visión, que parece sacada de la ciencia ficción, está un paso más cerca de la realidad gracias al trabajo pionero de Shawn Shen y su equipo en Memories.ai. La compañía acaba de anunciar una trascendental colaboración con el gigante de los semiconductores, NVIDIA, un hito que promete redefinir la interacción de la IA con nuestro entorno físico.

La premisa de Shen es simple pero profunda: para que la IA realmente triunfe en el mundo físico, necesita tener memoria, y específicamente, memoria visual. Si bien los avances recientes en IA han sido asombrosos en el ámbito digital, la interacción con objetos, personas y espacios en el mundo real exige una capacidad de recordar lo que se ve, una habilidad que hasta ahora ha sido un desafío formidable.

La Necesidad Urgente de la Memoria Visual

La capacidad de los sistemas de IA para 'recordar' es un desarrollo relativamente reciente. Gigantes como OpenAI, xAI de Elon Musk y Google Gemini han lanzado sus propias herramientas de memoria en los últimos dos años. Sin embargo, como bien señala Shen, estos avances se han centrado mayormente en la memoria basada en texto. La memoria textual es, por naturaleza, más estructurada y fácil de indexar. Es excelente para recordar conversaciones o datos estructurados, pero su utilidad se limita drásticamente cuando hablamos de aplicaciones físicas de la IA, que por su propia esencia, interactúan con el mundo principalmente a través de la vista y las imágenes.

Las aplicaciones físicas de la IA, como los dispositivos wearables o los robots autónomos, necesitan procesar y contextualizar vastas cantidades de información visual. Sin una memoria visual eficiente, estas tecnologías se limitan a un aprendizaje en tiempo real y a corto plazo, sin la capacidad de construir una comprensión acumulativa de su entorno o de experiencias pasadas. Es como si cada momento fuera un lienzo en blanco para la IA, sin la riqueza de la experiencia previa.

El Origen de una Visión Transformadora

La chispa para la creación de Memories.ai surgió de una experiencia muy concreta. Shawn Shen y su cofundador y CTO, Ben Zhou, estaban inmersos en la construcción del sistema de IA detrás de las gafas Ray-Ban de Meta. Fue durante este proceso cuando se percataron de una laguna crítica: ¿de qué serviría grabar datos de video si los usuarios no pudieran recordarlos o acceder a ellos de manera inteligente? Esta pregunta fundamental los llevó a buscar soluciones de memoria visual en el mercado, pero al no encontrar ninguna que satisficiera sus exigencias, tomaron una decisión audaz: independizarse de Meta y construirla ellos mismos.

“La IA ya está funcionando muy bien en el mundo digital. ¿Qué pasa con el mundo físico?”, comentó Shen. “Los wearables de IA, la robótica, también necesitan recuerdos. ... En última instancia, se necesita que la IA tenga recuerdos visuales. Creemos en ese futuro.”

La Arquitectura de la Memoria Visual: Detrás de Escena

La colaboración de Memories.ai con NVIDIA es crucial para esta ambiciosa misión. La compañía está utilizando herramientas de vanguardia de NVIDIA, incluyendo Cosmos-Reason 2, un modelo de lenguaje de visión de razonamiento, y NVIDIA Metropolis, una aplicación diseñada para la búsqueda y resumen de videos. Estas tecnologías forman la columna vertebral sobre la cual Memories.ai está desarrollando su innovadora tecnología de memoria visual.

El éxito en la construcción de esta capa de memoria visual ha requerido un enfoque de dos frentes:

1. Infraestructura Inteligente: Crear la infraestructura necesaria para incrustar e indexar videos en un formato de datos que pueda ser almacenado y recuperado de manera eficiente.
2. Entrenamiento de Datos: Capturar los datos esenciales para entrenar un modelo que pueda realizar esta tarea compleja de manera efectiva.

Memories.ai lanzó su modelo de memoria visual grande (LVMM) en julio de 2025, una solución que Shen describe como comparable a una versión más pequeña de Gemini Embedding 2, un modelo de indexación y recuperación multimodal lanzado a principios de este mes. Esta capacidad de indexación multimodal es lo que permite a la IA comprender y relacionar diferentes tipos de información, en este caso, visual.

LUCI: El Dispositivo para Alimentar la Memoria

Para la crucial tarea de recopilación de datos, la compañía ideó LUCI, un dispositivo de hardware que los 'recolectores de datos' de Memories.ai utilizan para grabar videos. Es importante destacar que, aunque desarrollaron este hardware, Memories.ai no tiene planes de convertirse en una empresa de hardware. La razón detrás de la creación de LUCI fue la insatisfacción con los grabadores de video comerciales existentes, que a menudo priorizan la alta definición a expensas de formatos de video eficientes y de bajo consumo de batería, algo inaceptable para un sistema de memoria visual a gran escala.

Alianzas Estratégicas y el Horizonte del Mercado

Los avances de Memories.ai no se detienen ahí. La compañía ya ha lanzado la segunda generación de su LVMM y ha firmado una asociación con Qualcomm para que sus modelos se ejecuten en los procesadores de Qualcomm a partir de este año. Además, Shen confirmó que están trabajando con algunas de las principales empresas de wearables, aunque declinó revelar sus nombres, lo que sugiere un interés significativo en la industria.

Con una inversión de 16 millones de dólares (8 millones en una ronda semilla en julio de 2025 y una extensión de 8 millones), con Susa Ventures a la cabeza, Memories.ai está bien posicionada para liderar este espacio emergente. Aunque Shen reconoce que el mercado masivo de wearables y robótica aún no ha eclosionado completamente, la compañía está sentando las bases para ese futuro.

• Visión a Largo Plazo: El enfoque actual de Memories.ai es la infraestructura y el modelo.
• Potencial de Mercado: Se espera un crecimiento significativo en wearables y robótica en el futuro.
• Impacto: Permitirá una IA más contextual, adaptable y verdaderamente inteligente en el interacción física.

En última instancia, el trabajo de Shawn Shen y Memories.ai, en colaboración con NVIDIA, está construyendo los cimientos para una era donde la IA no solo 've', sino que 'recuerda' lo que ve, abriendo la puerta a una nueva generación de dispositivos y robots con una comprensión del mundo mucho más rica y humana. Este es un paso fundamental hacia un futuro donde la IA física pueda aprender, adaptarse y coexistir con nosotros de maneras que hoy apenas comenzamos a imaginar.