🏓 Ajedrez. Go. StarCraft. Durante décadas, cada vez que una IA "venció a los humanos", el campo de batalla fue un tablero o una pantalla. Sony AI acaba de trasladar la pelea a una mesa: un robot lee el efecto de una pelota que apenas tiene milisegundos para juzgar, la devuelve y gana a jugadores con historial en torneos nacionales. No es un juego de cabeza. Es un juego de cuerpo. Esta es la historia de cómo una máquina aprendió a seguirle el ritmo a los reflejos más veloces del ser humano.

El genio que vivía dentro de la pantalla

La inteligencia artificial lleva mucho tiempo siendo sobrehumana en los mundos digitales. Superó los juegos de Atari, luego el ajedrez, después el Go y, más tarde, el caos descomunal de StarCraft II. En 2022, el propio agente de Sony AI, Gran Turismo Sophy, derrotó a los mejores pilotos del mundo en el simulador de carreras Gran Turismo. Solo que nada de aquello tocó nunca el mundo real.

Ese era siempre el truco: todo ocurría detrás del cristal. Así que el equipo de robótica de Sony AI se fijó una meta fácil de enunciar y brutal de cumplir: sacar esa clase de inteligencia de la simulación y ponerla en una sala, frente a una persona, con una pelota de verdad.

Eligieron el tenis de mesa, y la elección no fue casual. Los robotistas persiguen una máquina capaz de jugar al ping-pong desde la primera competición de "robots de tenis de mesa", celebrada en 1983. El deporte concentra todo lo difícil del mundo físico en unos pocos metros cuadrados: una pelota que llega en milisegundos, un efecto que tuerce su trayectoria y un rival que jamás repite el mismo golpe. Para jugar, la máquina debe ver, predecir, decidir y golpear, todo en un abrir y cerrar de ojos.

Bajo el proyecto corre una ventaja silenciosa. Sony AI es la división de investigación de Sony Group, y las cámaras que están en el corazón de este robot usan sensores de imagen de Sony Semiconductor Solutions, el mismo negocio cuyos chips habitan buena parte de las cámaras de los teléfonos del mundo.

Pelotear era fácil. Ganar no.

Esta es la razón por la que la mesa resulta tan implacable para un robot. La pelota puede salir de la pala girando decenas de veces por segundo, y ese efecto decide en secreto adónde irá. Si se interpreta mal, la devolución se va larga o se clava en la red. Los robots anteriores podían sostener peloteos suaves y cooperativos —ida y vuelta, sin que nadie buscara ganar—, pero un partido competitivo, en el que el otro lado busca activamente tu punto débil, era otro universo.

La señal más clara de esa dificultad llegó de Google DeepMind. En agosto de 2024, su equipo de robótica presentó el primer robot que alcanzaba lo que llamó un nivel humano "sólidamente amateur". En 29 partidos contra jugadores de distinto nivel, el robot ganó el 45%. Venció a todos los principiantes y se llevó el 55% de los partidos ante jugadores intermedios. Pero contra los avanzados perdió absolutamente todos. Y el artículo fue honesto sobre el motivo: el sistema sufría sobre todo con las pelotas rápidas, lastrado por la latencia, ese retardo entre ver y reaccionar.

El muro, entonces, tenía nombre: velocidad y efecto, justo en el nivel donde viven los buenos jugadores.

Construir un ojo a base de sensores

Sony atacó ese muro desde una dirección poco habitual: el hardware. En lugar de apoyarse sobre todo en software más astuto, el equipo dotó a su robot —bautizado Ace— de unos ojos extraordinarios. Nueve cámaras rastrean la posición exacta de la pelota en tres dimensiones. Un trío aparte de unidades de control de mirada, construidas en torno a sensores de visión basados en eventos (chips que solo se disparan cuando un píxel cambia, con precisión de microsegundos), mide el efecto de la pelota en tiempo real. Sony AI afirma que ningún otro sistema puede leer el giro de una pelota reglamentaria, sin modificar, a esta velocidad.

Y luego está la cifra que deja perplejos a los ingenieros. La latencia de extremo a extremo de Ace —ver, decidir, moverse— es de 20,2 milisegundos. La de un jugador humano de élite ronda los 230. Ace no golpea más fuerte ni más rápido; su alcance y su ritmo se mantienen deliberadamente cerca de lo humano. Lo que tiene es un sistema nervioso unas diez veces más veloz.

La mente tras esos ojos es un sistema de control entrenado con aprendizaje por refuerzo sin modelo (model-free): nada de golpes preprogramados, solo una política que aprendió a reaccionar jugando. Durante la simulación, los ingenieros recurrieron a un truco que llaman "crítico privilegiado", capaz de espiar la información perfecta de la pelota y calificar las decisiones del robot frente a ella. Todo ello se monta sobre un brazo de ocho articulaciones instalado en una base que se desliza por el suelo.

Ahí está la bifurcación que merece atención. DeepMind intentó superar a la pelota rápida pensándola mejor, con la arquitectura de su política. Sony intentó verla mejor, con su propio silicio. El mismo muro, herramientas opuestas.

El sistema de nueve cámaras y el brazo de ocho articulaciones de Ace siguiendo y devolviendo la pelota

Imagen: Sony AI, vía JST Science Portal

Ganar a la élite, pero no a los profesionales

En abril de 2025, en Tokio, Ace disputó sus partidos decisivos bajo las reglas de la Federación Internacional de Tenis de Mesa (ITTF), con el marcador a cargo de árbitros acreditados por la Asociación Japonesa de Tenis de Mesa. Al otro lado de la red había cinco jugadores de élite —cada uno con más de una década de experiencia, historial en torneos nacionales y unas 20 horas de entrenamiento semanal— y dos profesionales en activo de la liga japonesa.

Frente a los cinco de élite, Ace ganó tres de cinco partidos. Devolvió golpes cargados con hasta 450 radianes por segundo de efecto, manteniendo una tasa de devolución superior al 75%, muy por encima de lo logrado por cualquier robot de competición anterior. Anotó 16 saques directos (aces) contra los jugadores de élite, que entre todos sumaron solo 8, y alcanzó un golpe cronometrado a 19,6 metros por segundo.

Y ahora la parte honesta: contra los dos profesionales, Ace perdió ambos partidos. Es la línea que los titulares suelen saltarse. Ace entró en territorio competitivo de élite; no se volvió invencible.

Pero importa más la pendiente que cualquier resultado aislado. El artículo de Nature llegó a la portada de la revista el 22 de abril de 2026, aunque Sony siguió jugando tras enviarlo. En diciembre de 2025, Ace venció a otros dos jugadores de élite y, contra dos profesionales, ganó un partido y perdió el otro: su primera victoria sobre un profesional. En marzo de 2026, ante tres profesionales nuevos, le arrancó al menos un juego a cada uno de los tres. Los partidos se volvían más rápidos y la colocación más agresiva. La curva sigue subiendo.

Lo que vive fuera de la mesa

Quitado el espectáculo, el punto no es realmente "el robot vence al humano". Es que una máquina percibió, planificó y actuó en el filo del tiempo de reacción humano, en una sala real, junto a un obstáculo rígido, frente a un rival que hacía todo lo posible por engañarla, y aguantó el tipo.

Eso es lo que Sony AI no deja de señalar. Su presidente, Michael Spranger, ha explicado que el objetivo era demostrar que la IA no existe solo en espacios virtuales, que ya se puede tener una experiencia física con ella. El científico jefe, Peter Stone, ha llamado al resultado un hito que va mucho más allá del tenis de mesa. La investigación apunta a cualquier escenario que exija percepción y control en fracciones de segundo: líneas de fabricación, robots de servicio, máquinas que trabajan cerca de las personas. Las mismas técnicas que devolvieron un saque de 450 rad/s son las que querrías en un robot que comparte tu espacio físico.

Es una historia más serena que "el ser humano destronado", y más interesante. Durante más de cuarenta años la mesa fue la prueba. Algo, por fin, la superó.

En Japón el tenis de mesa es a la vez un clásico de patio de colegio y un deporte nacional serio, lo que hace que una máquina capaz de pelotear contigo resulte un poco inquietante. Donde tú vives, ¿querrías a ese robot al otro lado de la red como rival, o de tu lado como compañero de entrenamiento?

参照