¿Por qué los robots también van a la escuela?

AUSTRALIA- Los robots, máquinas capaces de realizar tareas complejas de forma automática siguiendo instrucciones, ayudan a los científicos a explorar y trabajar en entornos demasiado peligrosos, remotos o de difícil acceso para las personas, desde arrecifes de coral y zonas afectadas por desastres hasta cuevas de lava en la Luna que algún día podrían albergar astronautas.

Estas máquinas ayudan a los científicos a afrontar algunos de los desafíos más difíciles del mundo, y a responder preguntas y explorar el mundo de maneras que de otro modo no serían posibles”, según explica Ted Vanderfeen, ingeniero de robótica de CSIRO, la agencia nacional de investigación científica e industrial de Australia .

Vanderfeen señala que los robots “nos ayudan a recopilar información, resolver problemas complejos y trabajar de forma segura en entornos que van desde zonas de incendios forestales hasta túneles, entornos submarinos profundos e incluso el espacio exterior.

DISEÑADOS PARA COMPLETAR EL TRABAJO HUMANO

Aclara que estas máquinas “no reemplazan a las personas, sino que amplían su alcance, e incluso aquellas que operan con un alto grado de autonomía, dependen de la supervisión de los seres humanos, que definen la misión general, controlan el desempeño del robot y son responsables de los resultados”.

Aunque la inteligencia artificial (IA) pueda reconocer patrones, procesar información y apoyar la toma de decisiones y los sistemas robóticos realicen gran parte del trabajo, los humanos establecen sus objetivos, definen su misión, supervisan su desempeño, evalúan riesgos y brindan aprobación o instrucciones en etapas clave antes de que el robot pueda continuar, apunta.

Sin embargo, existe una faceta clave, en la que los robots y los humanos se parecen mucho: el aprendizaje de habilidades.

Para poder cumplir de manera eficaz, segura, ética y responsable, las tareas que se les asignan, a menudo de una gran complejidad, la IA que respalda a los robots, y que podría a equipararse a su cerebro, necesita someterse a un proceso de aprendizaje, al igual que sucede con los seres humanos.

“Un usuario no técnico, quizá suponga que todas las IAs funcionan de la misma manera: aprendiendo rápido, absorbiendo enormes volúmenes de información y mejorando a gran velocidad”, explica Brendan Tidd, investigador de robótica de CSIRO.

LA IA ROBÓTICA ES DIFERNTE DE LA IA DE LENGUAJE

“Sin embargo, el tipo de aprendizaje que impulsa los grandes modelos de lenguaje de la IA como ChatGPT no se aplica fácilmente al mundo físico, ni a los robots, que no aprenden leyendo como ChatGPT, sino interactuando con su entorno, en el mundo real, que es mucho más diverso y complejo que el lenguaje digital”, de acuerdo con este experto en robótica.

La investigación en robótica está revelando que enseñar a los robots se parece más a criar niños pequeños que a programar ordenadores, y que el aprendizaje de las máquinas inteligentes es de tipo más práctico y su progreso depende de la interacción y la repetición en el mundo real, según CSIRO.

Un “aprendizaje más práctico” significa moverse por un espacio, responder a condiciones físicas cambiantes y mejorar gradualmente a través de la experiencia de acierto y error.

Además, en el campo del aprendizaje robótico, la experiencia en el mundo real requiere tiempo real: un minuto de datos requiere un minuto de acción real, destacan los investigadores.

Esto explica, según Tidd, porqué la IA robótica está progresando con más cautela que sus homólogas de IA digital, y por qué los investigadores a menudo equiparan enseñar a un robot con enseñar a un niño, en lugar de programar una máquina.

APRENDIENDO IGUAL QUE UN NIÑO PEQUEÑO

“Los niños pequeños no se ponen de pie y caminan perfectamente de un día para otro. Primero aprenden a gatear, luego a incorporarse y finalmente dan sus primeros pasos tambaleantes, después de caerse miles de veces”, señala.

“Lo más probable es que esos primeros pasos terminen en caídas porque les falta la coordinación o la experiencia para caminar con firmeza. Con los robots ocurre algo similar, ya que el método de ensayo y error se convierte en una valiosa experiencia de aprendizaje”, argumenta el doctor Tidd.

Mientras que los errores de los programas de lenguaje de IA como ChatGPT tienen consecuencias relativamente menores, ya que pueden generar una respuesta incorrecta, corregirla e intentarlo de nuevo casi al instante, cada acción errónea de un robot tiene un resultado tangible, que no puede corregirse de inmediato”, explica este especialista.

“Cuando algo falla, el sistema robótico debe gestionar las consecuencias, ya sea reintentando un movimiento, reiniciando la tarea o incorporando ese resultado al aprendizaje futuro. Por lo tanto, el progreso tiende a ser gradual y a estar estrictamente controlado.

EL MUNDO DÍSICO, MÁS ARDUO QUE EL DIGITAL

Sin embargo, en el mundo físico “volver a intentarlo” no resulta tan sencillo para la IA como en el mundo digital y no existe un reinicio fácil o inmediato”, advierte.

“En el entrenamiento de robots, muchas tareas son dinámicas e interactivas. Los robots suelen operar en entornos cambiantes, por lo que cada intento modifica las condiciones iniciales del siguiente. Incluso pequeñas variaciones como la iluminación, la posición o el tipo de objeto pueden influir en los resultados”, afirma Tidd.

Señala que, en la práctica, el aprendizaje se ve favorecido por entornos cuidadosamente estructurados y la supervisión humana.

“Del mismo modo que un cuidador podría enseñar a un niño pequeño, los investigadores diseñan entornos de formación adecuados, guían el comportamiento de los robots cuando es necesario y garantizan que las tareas puedan repetirse de forma controlada”, puntualiza.

EXPERIENCIA PASO A PASO, CON ACIERTOS Y ERRORES

El doctor Tidd explica que los robots “adquieren experiencia paso a paso, al igual que un niño pequeño, lo que impone límites naturales a la rapidez con la que pueden aprender”

Además, una parte importante del proceso de aprendizaje implica demostraciones humanas, asegura.

“La mejor retroalimentación es la intervención humana cuando el robot tiene dificultades para completar una tarea. Esto se conoce como ‘supervisión humana’ y permite que los robots mejoren de forma segura”, afirma.

Añade que “este proceso también requiere tiempo, experiencia y un diseño de sistema cuidadoso, y refuerza la razón por la cual el progreso en robótica tiende a ser constante en lugar de rápido”.

“A medida que los robots evolucionan, van más allá de la imitación y se adentran en el aprendizaje por ensayo y error, a menudo guiados por técnicas de aprendizaje por refuerzo” explica.

DISTINTAS FASES DE APRENDIZAJE

Esto es similar a cuando un niño pasa de la fase sensorio-motora del desarrollo cognitivo (exploración, memoria y reconocimiento, causa y efecto) a la fase de clasificación, emparejamiento y resolución de problemas, según Tidd.

“Este patrón de aprendizaje suele repetirse a medida que crecemos: primero la imitación, luego el ensayo y error”, enfatiza.

Por su parte, “el aprendizaje por refuerzo se basa en la idea de que el robot realice una acción con cierto grado de sorpresa o imprevisibilidad, para después evaluar si lo hizo mejor o peor de lo esperado”, explica Tidd, aclarando que “ese estilo de aprendizaje está estrictamente controlado”.

Tidd señala que a pesar del rápido progreso en inteligencia artificial, “los robots siguen siendo muy lentos y difíciles de manejar para tareas que son triviales para los humanos, como cepillarse el pelo, jugar al Jenga o cambiar un tornillo”.

“Muchas de las aplicaciones robóticas actuales se centran en áreas donde la automatización puede hacer que el trabajo sea más seguro, fiable o fácil de realizar, a menudo en entornos remotos, físicamente exigentes o peligrosos, como la agricultura, la minería y la inspección de infraestructuras”, según este experto.

En estos entornos, los robots se encargan de tareas repetitivas, de alto riesgo o difícil acceso, lo que permite a las personas centrarse en la supervisión, la toma de decisiones y el trabajo más especializado que se beneficia del criterio humano, concluye.

ENSEÑANZAS EN ENTORNOS CUIDADOSAMENTE ESTRUCTURADOS

En este contexto, CSIRO ha construido una infraestructura compacta y especialmente diseñada, denominada Vetra, que ofrece computación de IA de alto rendimiento en un formato pequeño, modular y sostenible, y se sitúa en el mismo lugar donde se realizan pruebas e investigaciones en el mundo real: el Centro de Tecnologías Avanzadas de Queensland (QCAT),

A diferencia de la infraestructura basada ‘en la Nube’ (utilizando servicios informáticos a través de Internet), Vetra ofrece procesamiento ultrarrápido ‘in situ’, cerca del punto de generación de datos, permitiendo que los robots y sistemas de detección respondan con mayor rapidez, aprendan continuamente y operen con mayor seguridad en entornos físicos complejos.

“Los robots y sistemas de IA física necesitan seguir aprendiendo del mundo material, y no solo de conjuntos de datos de internet o simulaciones”, señala el doctor Peyman Moghadam, director del clúster de IA integrada de CSIRO.

“Vetra se ubica junto al mayor centro de investigación robótica de Australia, lo que permite que los sistemas de IA aprendan directamente de pruebas en el mundo real en lugar de basarse únicamente en simulaciones”, enfatiza el doctor Moghadam.

DESTACADOS:

- Los robots no aprenden leyendo, como hacen los grandes modelos de lenguaje de IA como ChatGPT, sino del mimo modo que los niños pequeños: interactuando con su entorno físico, el mundo real, que es mucho más diverso y complejo que el ámbito digital, señala el investigador australiano Brendan Tidd.

- “Los pequeños primero aprenden a gatear, luego a incorporarse y finalmente dan sus primeros pasos tambaleantes, después de caerse miles de veces. Con los robots ocurre algo similar, ya que el método de ensayo y error se convierte en una valiosa experiencia de aprendizaje”, apunta el doctor Tidd.

- En el aprendizaje robótico hay que moverse por un espacio y responder a condiciones físicas cambiantes; obtener un minuto de datos digitales requiere un minuto de acción en el mundo real; y los robots van adquiriendo experiencia paso a paso, lo que impone límites a la rapidez con la que pueden aprender”, señala.

Por Daniel Galilea, EFE-Reportajes.