En un simulador espacial basado en un videojuego, un modelo de lenguaje como ChatGPT logró controlar una nave autónoma con una eficacia que ha dejado boquiabiertos a los investigadores. El hallazgo podría anticipar un futuro donde la exploración espacial esté completamente en manos de inteligencias artificiales.
Durante décadas, el control de satélites y vehículos espaciales ha estado reservado a equipos humanos apoyados por complejos sistemas automatizados. Pero el rápido crecimiento de la inteligencia artificial y, en particular, de los modelos de lenguaje como GPT o LLaMA, está abriendo puertas impensables: ¿y si una IA pudiera volar una nave por sí sola, tomar decisiones en tiempo real y completar misiones orbitales sin ayuda humana?
Eso es precisamente lo que un equipo del MIT y la Universidad Politécnica de Madrid ha intentado demostrar en un experimento pionero. Utilizando el entorno simulado del popular videojuego Kerbal Space Program y una competición diseñada para probar agentes autónomos, estos investigadores entrenaron a un modelo como ChatGPT para que actuara como piloto de una nave espacial en situaciones de alta complejidad orbital. ¿El resultado? El modelo quedó segundo en la competición, superando a numerosos sistemas tradicionales.
De videojuego educativo a banco de pruebas para IA
Aunque pueda sonar anecdótico, el entorno de Kerbal Space Program (KSP) se ha convertido en una herramienta cada vez más utilizada por la comunidad científica. Su simulación precisa de mecánicas orbitales lo hace ideal para experimentar sin riesgos con maniobras que, en la vida real, serían costosas y peligrosas. La competición KSPDG (Kerbal Space Program Differential Games), organizada para poner a prueba la autonomía de sistemas inteligentes en entornos espaciales, sirvió como campo de pruebas perfecto.
El objetivo: interceptar satélites, escapar de amenazas o colocarse en posiciones específicas con eficiencia. Cada uno de estos escenarios representa retos técnicos reales que una nave espacial podría enfrentar. Lo sorprendente no fue solo que un LLM como ChatGPT pudiera participar, sino que lo hiciera con un rendimiento tan alto.
¿Cómo se entrena a una IA para pilotar en el espacio?
Lejos de lo que se podría imaginar, los investigadores no alimentaron al modelo con ecuaciones físicas ni simulaciones detalladas. En su lugar, usaron una técnica basada exclusivamente en lenguaje natural. Las condiciones del entorno —posición, velocidad, orientación— se tradujeron en texto, y el modelo respondió con instrucciones también en lenguaje natural sobre cómo maniobrar la nave.
Una capa de software intermedia convertía esas respuestas textuales en comandos que el simulador podía interpretar. Es decir, el modelo "leía" el estado de la misión como si fuera un mensaje de WhatsApp y respondía con lo que debía hacer: "Gira a la izquierda, acelera hacia arriba, corrige la trayectoria". Lo asombroso es que esa conversación, repetida cientos de veces por segundo, bastó para que la nave ejecutara maniobras complejas con éxito.
Este enfoque se aleja radicalmente de las técnicas clásicas basadas en algoritmos de control o aprendizaje por refuerzo. Estos métodos suelen requerir miles de simulaciones y pruebas para afinar sus respuestas. En cambio, los LLM ya están entrenados con vastas cantidades de texto humano, incluyendo manuales técnicos, libros de física y código de programación. Eso les permite razonar y actuar con muy pocos ejemplos.
En la práctica, se le proporcionaron algunos escenarios de ejemplo —misiones anteriores registradas por humanos o bots expertos— y se afinaron sus respuestas con técnicas como el "few-shot prompting", donde se enseña al modelo con unos pocos ejemplos cuidadosamente seleccionados. Incluso se realizaron pruebas de fine-tuning: una especie de “especialización” del modelo para adaptarlo mejor a este entorno.
El modelo fue capaz de analizar situaciones complejas como si estuviera razonando en voz alta, estimando direcciones, velocidades relativas, y seleccionando la mejor maniobra posible. Todo ello sin fórmulas, solo con lenguaje.
La carrera entre modelos
El experimento no se limitó a ChatGPT. También se empleó LLaMA, una alternativa de código abierto desarrollada por Meta, que permite mayor flexibilidad y control sobre el entrenamiento. Ambos modelos fueron evaluados bajo condiciones similares, y aunque GPT-3.5 mostró un rendimiento más inmediato, LLaMA demostró gran capacidad de aprendizaje al aumentar la cantidad de datos y sesiones de entrenamiento.
Ambos modelos lograron situarse entre los finalistas, y solo uno basado en métodos más tradicionales de optimización los superó en puntuación total. Pero lo significativo es que estas IAs no fueron programadas para volar una nave: lo aprendieron por contexto, lógica y lenguaje.
¿Estamos listos para dejar el control en manos de la IA?
El potencial de esta tecnología es inmenso, pero no está exento de riesgos. Uno de los principales problemas de los LLMs sigue siendo la generación de respuestas erróneas o inconsistentes, conocidas como "alucinaciones". En un entorno espacial, una decisión equivocada puede significar el fracaso de una misión —o en el futuro, incluso vidas humanas—. Aun así, los resultados son tan prometedores que ya se está estudiando cómo integrar estos sistemas en futuras misiones reales.
Imagina un futuro donde los satélites orbitan de forma autónoma, eligen sus rutas, evitan colisiones y ajustan sus trayectorias sin intervención humana. O misiones a Marte pilotadas por IA que responden a imprevistos con agilidad, incluso antes de que una señal desde la Tierra pueda llegar. Todo esto podría estar más cerca de lo que pensamos.
Lo más sorprendente es que este avance no proviene de un centro espacial con tecnología clasificada, sino del cruce entre un videojuego de simulación y un modelo de lenguaje que puedes usar en tu móvil.
Estamos ante un momento de transición: de ver la inteligencia artificial como un asistente, a verla como una posible comandante. Y lo más increíble es que ya no parece ciencia ficción.
Referencias
- Carrasco, A., Rodriguez-Fernandez, V., & Linares, R. (2025). Large Language Models as Autonomous Spacecraft Operators in Kerbal Space Program. Advances in Space Research.
