La IA siguió una cabeza calva todo el partido. Más datos de entrenamiento no lo arreglan.

En octubre de 2020, una cámara automatizada en un partido de fútbol escocés se pasó todo el juego siguiendo la cabeza calva de un juez de línea en lugar del balón. El clip se volvió viral. La mayoría se rió de él como de un fallo gracioso. Yo lo vi una y otra vez por una razón distinta: el sistema no estaba averiado. Estaba haciendo exactamente lo que lo habíamos construido para hacer.

Ese clip es la ilustración más clara posible de por qué la visión artificial con restricciones físicas es lo único que hace que los sistemas de visión sean confiables en producción — y por qué arrojar más datos de entrenamiento al problema, que es lo primero que intenté, no lo soluciona.

Bajo los focos del estadio, una cabeza calva produce reflejos especulares — reflejos brillantes, redondos y blancos — con gradientes de píxeles estadísticamente indistinguibles de un balón de fútbol. El detector, una CNN estándar de la familia YOLO, procesó cada fotograma por separado y asignó un 98 % de confianza a «balón» en la cabeza. El balón real, difuminándose entre las sombras a toda velocidad, obtuvo un 80 %. El sistema siguió el número más alto. Eso no es un error. Es el modelo creyendo lo que ven sus propios ojos.

Un detector encuentra patrones. No tiene ni idea de que un «balón» situado a una altura constante de 1,7 metros del suelo, unido a un cilindro vertical y caminando por la línea de banda, es físicamente imposible.

La solución no es un mejor conjunto de datos. La solución es la física.

El problema de la cabeza calva está en todas partes, solo que no siempre se vuelve viral

Pasé años implementando pipelines de visión en dos mundos que no se parecen en nada: pórticos de estadio que siguen un balón y líneas de fábrica que inspeccionan silicio. Comparten una misma enfermedad. El modelo ve una forma que reconoce y la reporta, sin ningún mecanismo para preguntarse si lo que reporta podría existir en el mundo físico.

En la inspección de semiconductores, el síntoma no es una cabeza calva, sino el defecto molesto. KLA posee cerca del 63 % del mercado de control de procesos, y sus herramientas de banda ancha de la serie 2900 pueden resolver detalles tan pequeños como 10 nanómetros. La sensibilidad de detección no es el cuello de botella. El cuello de botella es que un único escaneo de banda ancha marca miles de anomalías por oblea, y la mayoría son polvo, artefactos superficiales o ruido de patrón que nunca afectarán al rendimiento. Aun así, cada una tiene que ser clasificada por un modelo de aprendizaje profundo entrenado con una biblioteca de defectos históricos.

Esto es lo que ese modelo no tiene: comprensión alguna de cómo interactúa físicamente la luz con un hoyo frente a una mancha frente a un residuo de proceso. Así que cuando una fábrica pasa a un nuevo nodo de proceso — digamos, gate-all-around a 2 nm — la biblioteca de entrenamiento queda obsoleta de la noche a la mañana y la tasa de defectos molestos se dispara. Y el coste de equivocarse no es abstracto. Una pérdida de rendimiento del 1 % en nodos avanzados asciende a millones, porque una sola oblea puede costar decenas de miles de dólares.

La planta de fabricación tiene la misma enfermedad con una presentación más silenciosa y más desagradable. En una línea de producción que ejecuta control de calidad con IA, casi nunca sabes en tiempo real cuándo se equivoca el modelo, porque no hay etiquetas de referencia junto a la cámara. Un ángulo de iluminación cambia tras el mantenimiento. Una lente se empaña en unas pocas semanas. Un utillaje se desgasta. Los falsos rechazos aumentan y aparecen bucles de retrabajo, o los falsos aceptados se cuelan y se producen escapes — y solo descubres cuál de los dos cuando un escape de calidad obliga a una contención, una cuarentena, una reinspección completa.

El modelo no falló de forma ruidosa. Derivó en silencio, y la primera alarma fue una devolución de un cliente.

Ese silencio es caro. El coste de la mala calidad ronda el 20 % de las ventas totales para el fabricante medio. Un defecto detectado en la planificación cuesta unos 100 $; el mismo defecto detectado en producción cuesta 10 000 $. Intel ha informado de un ahorro de aproximadamente 2 millones de dólares al año solo por evitar el desecho con inspección por IA. El beneficio es real — que es precisamente por lo que el modo de fallo de deriva silenciosa es tan corrosivo. Se come el beneficio sin decírtelo.

Y la sobrecorrección es tan costosa como la deriva. He visto cómo un equipo de inspección óptica automatizada de varios millones de dólares se apagaba discretamente porque su ajuste era tan agresivo que rechazaba piezas buenas más rápido de lo que atrapaba las malas — no podía pasar una prueba de Knapp, el estándar que pregunta si tu inspección realmente distingue los defectos de la variación aceptable. Un sistema que protege el rendimiento sobre el papel y lo destruye en la práctica es peor que no tener sistema, porque alguien pagó por él y ahora alguien desconfía de cada decisión automatizada que toca.

¿Por qué más datos de entrenamiento no solucionan esto?

Cuando mi equipo chocó por primera vez con este muro, yo estaba seguro de la respuesta, y estaba equivocado.

La ortodoxia en la visión artificial dice que los casos límite son un problema de datos. Tu modelo falla con las cosas raras porque no ha visto suficientes cosas raras, así que vas y recopilas más. Yo lo creía. Lo defendía. Construimos un conjunto de datos mucho más grande y mucho más diverso — distinta iluminación, distintos ángulos, más casos confusos — y reentrenamos. Los números del modelo en el conjunto de validación eran preciosos. Recuerdo sentir que habíamos cerrado la brecha.

Luego lo pusimos en una línea real, un equipo de mantenimiento ajustó una luminaria, y el contenedor de rechazos empezó a llenarse de piezas buenas.

Nada en nuestro precioso conjunto de datos cubría esa nueva geometría de iluminación exacta, porque esa geometría no existía cuando recopilamos los datos. Podríamos haber ido a recopilar eso también — y luego perseguir el siguiente cambio, y el siguiente empañamiento de lente, para siempre. Ahí fue cuando por fin encajó la frase que me había estado rondando: los casos límite no son el 5 % del problema. Son el 80 % del tiempo de ingeniería, el 90 % del coste de soporte y el 100 % de la responsabilidad legal. No puedes salir de un conjunto infinito enumerándolo.

Uno de mis ingenieros quería seguir apretando — subir el umbral de confianza hasta que desaparecieran los falsos positivos. Funciona en una diapositiva. En la práctica, empujar hacia cero falsos positivos simplemente los cambia por falsos negativos: ahora se te escapan los defectos reales, las amenazas reales, las cosas que precisamente desplegaste el sistema para atrapar. Después de suficientes de esas discusiones tuve que decirlo en voz alta: cada perilla que sabíamos girar era una forma de mover el fallo de sitio, no de eliminarlo.

Esta no es una experiencia marginal. Aproximadamente el 95 % de los proyectos de visión artificial nunca llegan a producción, y la razón casi nunca es el algoritmo — es exactamente este tipo de fallo de implementación, la brecha entre un modelo que funciona en el laboratorio y otro que sobrevive en la planta. Una investigación del MIT halló que el 95 % de los pilotos de IA empresarial no lograron ofrecer un ROI medible en seis meses. Estábamos a punto de convertirnos en una línea más de esa estadística.

Lo que hacen realmente las restricciones físicas

El punto de inflexión fue pequeño y, en retrospectiva, casi vergonzoso.

En lugar de pedirle al detector que estuviera más seguro, pusimos delante de su salida una compuerta que planteaba una pregunta física: ¿podría esta cosa haberse movido de la manera en que dices que se movió? Una trayectoria que viola la cinemática de un objeto con masa y momento — una detección que salta una distancia que ningún balón podría cubrir entre dos fotogramas — se rechaza antes de que llegue a creerse. No tocamos el detector. La tasa de falsos positivos bajó de todos modos.

Esa es toda la idea, y se generaliza. Un objeto rastreado no puede teletransportarse entre fotogramas. Un defecto real tiene paralaje — se desplaza respecto al fondo a medida que cambia el punto de vista, cosa que una sombra nunca hará. Una sombra no tiene profundidad. Estas son restricciones que el mundo físico obedece gratis, y no se mueven cuando lo hace tu iluminación. Las propiedades físicas de una pieza correctamente fabricada no cambian cuando un utillaje se desgasta o se mueve una luz. Eso hace de la física el único ancla estable en un sistema donde todo lo basado en datos está a la deriva.

Subir un umbral de confianza le pide al modelo que farolee más fuerte. Una restricción física simplemente se niega a creer lo imposible.

Así que la pregunta que ahora hacemos no es «¿esto se parece a una pieza buena en comparación con las imágenes de entrenamiento?». Es «¿es esta imagen coherente con la geometría conocida y el comportamiento material del objeto real?». Esas son preguntas profundamente distintas, y solo la segunda sobrevive a una transición de nodo de proceso o a una ventana de mantenimiento un martes por la tarde.

Existe un conjunto de herramientas maduro para esto, y la verdad honesta es que la mayor parte vive en artículos de investigación en lugar de en productos comercializados. La física puede incorporarse a un sistema de visión de tres maneras: en la propia arquitectura de la red, en la función de pérdida como una penalización basada en la física durante el entrenamiento, o en la generación de datos sintéticos mediante renderizado físicamente preciso. La trampa — la que mantiene esto fuera de producción — es que la física suele detenerse en el momento del entrenamiento. El modelo desplegado sigue siendo una caja negra puramente basada en datos en el momento de la inferencia, que es cuando realmente importa.

El trabajo en el que nos apoyamos cierra esa brecha en la inferencia. El seguimiento moderno combina un filtro de Kalman clásico — un método de hace décadas para estimar dónde estará a continuación un objeto en movimiento, dadas las leyes del movimiento — con el aprendizaje profundo, en lugar de elegir uno u otro. Enfoques como KalmanNet ayudan al filtro con una red neuronal para dinámicas que no se conocen del todo. Un sistema de 2026 llamado Phys-3D impone un movimiento 3D físicamente plausible mediante la geometría de cámara estenopeica y reporta un error de conteo del 2,97 % incluso a través de oclusión densa y temblor de cámara. PhyOT va más allá y trata a la propia red neuronal como un sensor que alimenta un montaje de Kalman regido por las leyes de Newton. El hilo común: la red propone y la física dispone. Los sistemas de visión con restricciones físicas que construimos incorporan exactamente este tipo de capa de restricciones en la ruta de inferencia — filtrado de Kalman, compuertas de flujo óptico y arquitectura informada por la física — de modo que el rechazo de lo imposible ocurre en vivo, no en un cuaderno de entrenamiento.

¿Por qué los grandes proveedores no hacen esto sin más?

La gente me pregunta esto constantemente, normalmente con un tono de sospecha — si las restricciones físicas son tan obviamente correctas, ¿por qué Hawk-Eye o KLA no las incorporan de forma predeterminada? La respuesta es que los líderes tienen algo de física, pero casi siempre en el lugar equivocado, y las carencias son instructivas.

Pixellot, tras la era de la cabeza calva, añadió seguimiento de múltiples hipótesis que en gran medida eliminó esa clase específica de error — pero su física es un suavizado de trayectoria a posteriori, no una capa de restricciones, así que siguen apareciendo nuevos modos de fallo (OCR de camisetas bajo desenfoque de movimiento, proyección de fuera de juego en un campo no plano). Y esto no es anecdótico: en SoccerNet, el mayor banco de pruebas público de seguimiento deportivo, el seguimiento de múltiples objetos todavía se mide como lejos de estar resuelto en movimiento rápido y oclusión intensa, y aún no se ha integrado en él ningún rastreador consciente de la física. Ese espacio vacío es toda la oportunidad. Hawk-Eye, propiedad de Sony, tiene restricciones geométricas genuinamente sólidas — triangula desde seis a ocho cámaras 4K y 8K calibradas, rastrea 29 puntos esqueléticos por jugador y es lo bastante preciso como para que la NFL lo use para medir los first downs. Pero ese rigor cuesta más de un millón de dólares por recinto y exige infraestructura dedicada. No es una capa que añades a tu pipeline existente; es una remodelación del estadio.

En el lado industrial, el patrón se repite. Los modelos de física de defectos de KLA son reales, pero están ligados a nodos de proceso específicos, que es por lo que las transiciones de nodo disparan la tasa de defectos molestos — y la propia inversión de 2300 millones de dólares de KLA en inspección de próxima generación es una señal de que saben que la brecha existe. Las herramientas de aprendizaje profundo ViDi de Cognex son excelentes y pueden entrenarse con tan solo 5 a 10 imágenes, recortando el tiempo de configuración en un 90 % — pero no hay física en la inferencia, así que están tan expuestas a la deriva silenciosa como cualquiera. Y el ecosistema Metropolis y Omniverse de NVIDIA simula una física preciosa — para generar datos de entrenamiento sintéticos. La física se detiene en el entrenamiento; el modelo desplegado sigue basándose en datos.

En todo el campo, la columna de «integración de física» está o vacía o apuntada al entrenamiento. El modelo desplegado, el que toma la decisión en tiempo real, sigue adivinando a partir de píxeles.

Esa es la brecha en la que construimos. No una plataforma, no una remodelación de estadio — una capa de restricciones físicas que se asienta en tu pipeline existente y rechaza lo imposible antes de que se vuelva caro. Ya sea que estés operando cámaras automatizadas sobre un campo, inspeccionando obleas a 10 nm o clasificando defectos en una línea, la restricción se mantiene cuando la iluminación se mueve, porque la iluminación es precisamente de lo que la física no depende.

La parte que nadie quiere oír sobre los «cero falsos positivos»

Todo comprador termina pidiéndome cero falsos positivos. Entiendo el instinto, y les digo lo mismo cada vez: es técnicamente alcanzable y probablemente te hará daño.

Empujar un sistema hacia cero falsos positivos inevitablemente eleva los falsos negativos — el defecto real que se pasa por alto, la amenaza que se cuela. El objetivo nunca es cero de un tipo de error; es el equilibrio correcto para los riesgos específicos de tu aplicación. Lo que las restricciones físicas te dan es una mejor frontera sobre la que equilibrarte. La reducción convencional de falsos positivos — ajuste de umbrales, calibración, autoencoders que la investigación demuestra que pueden recortar los falsos positivos entre un 22 % y un 87 % — todo ello opera sobre la confianza del modelo. La física opera sobre la realidad. Rechaza la detección físicamente imposible sin volver al modelo más tímido ante la genuinamente ambigua. Obtienes menos falsas alarmas y no lo pagas con defectos no detectados, porque eliminaste una categoría de error en lugar de intercambiarla.

Aquí también hay un viento regulatorio a favor, y no es el que la gente espera. Las disposiciones principales de la Ley de IA de la UE entran en vigor el 2 de agosto de 2026, y aunque la mayor parte de la inspección industrial no se clasifica como vigilancia biométrica de alto riesgo, los requisitos de documentación y transparencia de la Ley empujan en general hacia sistemas cuyas decisiones puedes explicar. Una caja negra basada en datos que dice «balón, 98 %» no puede decirte por qué. Un sistema que rechazó una detección porque violaba el paralaje sí puede. La falsabilidad ya no es solo buena ingeniería; se está convirtiendo en una postura de cumplimiento normativo.

Lo que creo ahora

Llegué a esto convencido de que la visión artificial era un problema de datos y de que ganaría el equipo con el conjunto de datos más grande y más limpio. Desplegué un modelo que me demostró que estaba equivocado en una planta de fabricación, delante de personas cuya productividad dependía de ello.

Lo que creo ahora es más acotado y más duradero. Un modelo de visión que solo sabe cómo lucen las cosas está permanentemente a un cambio de iluminación, un nodo de proceso o un juez de línea calvo de distancia de decirte con seguridad algo imposible. Los sistemas que sobreviven a la producción son los que además saben qué es lo que el mundo físico permite — y contrastan cada detección con ello antes de actuar.

El mercado está a punto de aprender esto por las malas a gran escala. La visión artificial es un mercado de 33 000 millones de dólares en 2026 que crece a casi un 20 % al año, los sistemas de visión agénticos empiezan a desencadenar acciones en el mundo real por su propia autoridad, y cuanto más autónomos se vuelven, menos tolerable resulta una respuesta imposible dada con confianza. Puedes seguir recopilando imágenes de casos límite y persiguiendo el siguiente cambio de iluminación, la siguiente transición de nodo, para siempre. O puedes enseñarle al modelo el único conjunto de reglas que nunca deriva. Si quieres ver cómo integramos esa restricción en un pipeline de producción, ahí es donde yo empezaría.

Un balón no puede teletransportarse. Construye el sistema que lo sabe.