Cómo entrenar a tu robot

Ya existen máquinas que hablan, caminan y gesticulan. Ahora, los nuevos algoritmos de aprendizaje les permitirán relacionar y asimilar conceptos.

Fue la primera vez que una máquina sustituyó por completo a un humano en el trabajo. Las nuevas tecnologías que emanaron de la Revolución Industrial, como los tractores y las segadoras, permitían reducir el número de empleados, pero no los eliminaban por completo, pues se trataba de dispositivos que tenían que ser manejados o supervisados por personas. Pero el Unimate no era una simple máquina. Podía asumir una tarea concreta por sí solo.

En el último medio siglo, el número de robots que desempeñan alguna labor en procesos industriales no ha dejado de crecer. En 2014, ya había 478 de ellos por cada 10.000 operarios humanos en Corea del Sur, lo que supone que casi el 5 % de la fuerza de trabajo en ese país está conformada por esos ingenios. Corea del Sur encabeza esta clasificación seguida de Japón, con 315 autómatas, en idéntica proporción; los sigue Alemania, con 292, según los datos de la Federación Internacional de Robótica.

Máquinas capaces de adaptarse

Si ya hay tantas máquinas construyendo vehículos, manipulando componentes electrónicos y metales pesados, ¿por qué no pasa lo mismo en las tiendas, en los hoteles o incluso en nuestros hogares? ¿Por qué todavía no contamos con dependientes robóticos y androides que realicen las tareas domésticas? La respuesta es que, para una máquina, no es fácil gestionar lo desconocido.

La mayor parte de los robots industriales suelen enfrentarse a tareas repetitivas donde, en general, no se topan con situaciones para las que no están preparados. En las cadenas de montaje, las piezas que manejan se encuentran siempre en el mismo sitio, tienen el mismo tamaño y siempre se manipulan de la misma forma. Para aprender a hacerlo, el robot solo necesita saber dónde debe actuar, a qué velocidad ha de hacerlo y las acciones concretas que requiere la tarea. Así, al menos, funciona la programación convencional, que el catedrático de Robótica Carlos Balaguer, de la Universidad Carlos III de Madrid, describe como un proceso rudimentario en el que si cualquier detalle externo cambia, hay que empezar de nuevo.

Ciberprofes y roboalumnos

Gracias a esta estrategia, los robots van adquiriendo autonomía y una cierta capacidad de razonar. Pero si la idea es que acaben haciendo nuestra vida más cómoda, el hecho de que su aprendizaje dependa de que haya un gran número de personas invirtiendo su tiempo en etiquetar millones de datos no resulta demasiado eficiente. Para acelerar este proceso, un equipo de investigadores de la Universidad de Stanford, en EE. UU., ha puesto en marcha el proyecto RoboBrain –una expresión que podría traducirse como RoboCerebro–, con el objetivo de que los robots se enseñen unos a otros.

RoboBrain funcionaría como una especie de Google para autómatas adonde cada máquina acudiría en busca de un conocimiento específico previamente adquirido por otra. Así, podría consultar, por ejemplo, cómo agarrar una taza correctamente por su asa o la mejor forma de manipular un picaporte para abrir una puerta. Tras descargar ese conocimiento concreto y emplearlo en resolver el problema al que se enfrenta, el robot devuelve su experiencia a la base de datos de RoboBrain. De este modo, el próximo ingenio que utilice el servicio contará con más información disponible.

“Cuantos más datos se aporten, mejor será el rendimiento de los robots”, afirma el experto en ciencias de la computación Ashutosh Saxena, responsable de la iniciativa. En su opinión, que un robot encuentre más o menos difícil aprender a hacer algo también depende del entorno. “Si un programador lo entrena para una determinada situación, puede que no funcione bien si algo cambia, aunque sea mínimamente”, explica Saxena. E indica: “Para llegar a hacer algo aparentemente tan sencillo como preparar una tortilla francesa, debería tener en cuenta decenas de variables, como el aspecto y la disposición de la cocina. Y no hay dos iguales”.

Pero si un robot aprende a manipular un huevo sin romperlo, su experiencia podría servirle a otro que necesite cambiar una bombilla, por ejemplo. Este todavía tendría que discurrir ciertas cosas, entre ellas, cómo enroscarla y desenroscarla, pero, al menos, sabría cómo sujetarla con cuidado. Saxena cree que estos conocimientos compartidos multiplicarán enormemente las capacidades de estas máquinas, lo que se observará antes de diez años. El enorme potencial de esta estrategia ha despertado el interés de muchos expertos. El Instituto Tecnológico de Massachusetts, a través de su publicación MIT Technology Review, la ha considerado una de las diez tecnologías emergentes más destacadas del año.

La antes mencionada Stefanie Tellex ha lanzado una iniciativa similar, el desafío Un millón de objetos. La idea es que todas las unidades de un tipo concreto de robot denominado Baxter que hay repartidas en distintas cadenas de montaje por todo el mundo compartan sus habilidades y formen una gran base de datos sobre el manejo de muy distintas piezas.

Pasarán años antes de que convivamos con androides

Su historia recuerda a la del célebre ajedrecista Garry Kaspárov. En 1997, este fue batido por el ordenador Deep Blue, de IBM. Era la primera vez que una computadora se imponía a un campeón del mundo en las mismas condiciones en las que se disputan los torneos de ajedrez. Pero el logro de Google es mucho más complejo. Un ajedrecista tiene que lidiar con una media de 35 movimientos posibles en cada turno, mientras que en el go ascienden a 250. “El ajedrez es un juego de cálculo, pero el go resulta demasiado complejo; en buena parte se basa en la intuición”, comenta Hassabis. La de IBM poseía una gran potencia de cálculo, pero la máquina de Google consiguió imitar un proceso intuitivo. Es un avance espectacular que los expertos no esperaban que sucediera hasta dentro de un par de décadas.

Obviamente, el objetivo de Google no es que las máquinas nos dominen en los juegos de mesa, al igual que Amazon no pretende que un robot sepa coger patitos de goma. Al final, este tipo de iniciativas persiguen el desarrollo de una inteligencia artificial capaz de comprender el mundo y enfrentarse a él.

Eso sí, aún nos encontramos lejos de conseguirlo. Puede verse en los coches autónomos, en los que también trabaja Google. A pesar de haber sido entrenados para entender las señales de tráfico, a veces algunos vehículos no dejan de dar vueltas en las rotondas porque no saben salir de ellas. Algo parecido le ocurría a las primeras versiones de la ciberaspiradora Roomba cuando alguna mascota se subía encima y tapaba su cámara. Son solo dos ejemplos que muestran los muchísimos retos que la robótica aún tiene por delante antes de que se enfrente a lo que el catedrático Carlos Balaguer considera el auténtico gran desafío: el desarrollo de robots-compañeros que convivan con nosotros, algo que las máquinas aún tienen que aprender.

Imágenes: DHL / Robotcup consortium / Universidad Técnica de Berlín

Etiquetas: Inteligencia Artificialrobóticatecnología

Continúa leyendo

CONTENIDOS SIMILARES

COMENTARIOS