Existe una terminal que parece completamente común, capaz de aceptar tus comandos ls, cd, mkdir, e incluso abrir Vim para editar archivos, ejecutar Python o iniciar tmux con múltiples ventanas; todo es indistinguible de un entorno real. Pero su verdad es bastante absurda: detrás no hay Linux, ni sistema de archivos, y no se ha ejecutado realmente ningún comando; todo lo que salta en la pantalla lo inventa la IA en el momento. Este proyecto, llamado WorldTUI, tiene como tarea más esencial entrenar al modelo para que aprenda a "actuar".
El desarrollador Simon Edwardsson partió de Qwen2.5-Coder-0.5B como base y entrenó un pequeño modelo de unos 3.6亿 parámetros y 716 MB de tamaño, que luego comprimió a 208 MB mediante cuantización int4, de modo que puede ejecutarse fácilmente en local. Su lógica de funcionamiento es pura: la IA no ejecuta ningún programa, solo predice, según el comando que teclees, qué debería mostrar la terminal a continuación. Le pides crear un archivo y finge haberlo creado; le pides leer un archivo y se esfuerza en recordar qué escribió antes en él; abres Vim y adopta el papel de Vim para continuar; hasta el intérprete de Python y las múltiples ventanas de tmux los interpreta con gran convincción. En una palabra: mientras actúe con suficiente realismo, es difícil que descubras el truco.
Mejor aún, este "actor de teatro" también tiene memoria. Lo que escribiste en un archivo con Vim se puede ver de nuevo al abrirlo más tarde, porque guarda la información en el contexto. Eso sí, en cuanto inicias una nueva sesión de terminal, la memoria se reinicia: al fin y al cabo, nunca existió un archivo real.
Esa capacidad de actuación no surgió de la nada, sino que fue entrenada con seriedad. El desarrollador montó primero una terminal Linux real, ejecutando Bash, Vim, Python y tmux en contenedores Docker, generando aleatoriamente nombres de usuario, directorios, archivos y tareas; luego usó scripts para simular operaciones humanas, tecleando comandos carácter por carácter, inyectando deliberadamente un 1.2% de errores de escritura, y registrando al mismo tiempo los cambios reales en pantalla tras cada pulsación. Con este método acumuló 33.6万 registros de operaciones, unos 20亿 tokens de datos, para afinar (fine-tune) ese pequeño modelo de 0.5B y enseñarle a inferir, a partir de las teclas y la pantalla histórica, qué debería mostrarse a continuación. Cuando el modelo predecía mal, construía muestras de corrección con los resultados de la terminal real, enseñándole a tapar sus mentiras y a reducir las incoherencias en operaciones continuadas. Finalmente, mediante predicción en paralelo de las distintas líneas de la terminal, reducción del vocabulario y cuantización de 4 bits, metió el modelo en unos 208 MB; todo el entrenamiento duró 75 horas, ejecutado en una NVIDIA RTX4090.
Por supuesto, el modelo acaba delatándose. Los comandos complejos a menudo se ejecutan de forma caótica, el contenido de los archivos puede cambiar de repente y los resultados de los cálculos no siempre son fiables: al fin y al cabo nunca ejecutó realmente esos programas. Para el usuario común, aunque esto no tiene mucho valor práctico, es una referencia excelente: puedes usar la misma idea para que un modelo observe el funcionamiento de software real y luego entrenarlo para imitar su comportamiento. El desarrollador indica que pronto publicará los pesos del modelo para su descarga; por ahora, para probarlo en línea hay que descargar un modelo de unos 208 MB, y se recomienda abrirlo con un navegador de escritorio. Solo no olvides que todo esto es falso de principio a fin: no te dejes llevar demasiado por la función.