Google y su misión de crear robots con cuerpos: el futuro que no llega tan rápido
Durante siete años, Google ha trabajado en uno de sus proyectos más ambiciosos dentro de su laboratorio secreto, Google X: desarrollar robots capaces de realizar tareas cotidianas utilizando inteligencia artificial (IA).
Conocido como Everyday Robots, este proyecto tenía la intención de crear robots que pudieran interactuar con el mundo físico de manera autónoma y adaptativa, algo que parecía sacado de la ciencia ficción.
Sin embargo, la realidad de la robótica y la IA ha demostrado ser mucho más desafiante de lo que incluso los gigantes tecnológicos anticipaban.
El largo y complejo camino hacia la inteligencia artificial autónoma
A pesar de los avances en IA y robótica, el principal reto para Google ha sido dotar a las máquinas de la capacidad de realizar tareas de principio a fin.
Este concepto, conocido como end-to-end learning (e2e), se enfoca en que los robots aprendan tareas completas como recoger un objeto o limpiar una habitación sin necesidad de intervención humana en cada paso del proceso.
La idea es que, al igual que los humanos, los robots deben entrenarse y aprender de sus errores a lo largo del tiempo. Sin embargo, las dificultades han sido enormes.
En las primeras fases del proyecto, los ingenieros crearon un «brazo robótico» que debía aprender a recoger objetos simples como bloques de Lego o patitos de goma. El proceso comenzó con un éxito del 7%, mejorando a más del 70% después de meses de entrenamiento intensivo.
Sin embargo, a pesar de este progreso, el avance no era suficiente. Era evidente que ni siquiera cientos de robots trabajando durante años podían aprender lo necesario para llevar a cabo tareas más complejas en entornos del mundo real.
El simulador: la solución temporal
En 2021, el equipo de Everyday Robots decidió que la mejor manera de acelerar el aprendizaje era a través de un simulador basado en la nube.
Este simulador, una especie de videojuego gigante, permitía que millones de robots virtuales trabajaran simultáneamente, entrenándose en tareas como recoger una taza o mover objetos.
Cada robot virtual podía cometer errores y aprender de ellos sin necesidad de usar los costosos y delicados robots físicos.
Una vez que el robot virtual mejoraba lo suficiente, el algoritmo se transfería a los robots físicos para un último ajuste en el mundo real. Aun así, aunque los robots virtuales mostraban avances, los resultados en la vida real seguían siendo limitados.
El dilema de los datos
Uno de los mayores obstáculos ha sido la enorme cantidad de datos necesarios para entrenar a estos robots. La IA generativa, como ChatGPT, ha demostrado que se puede entrenar un modelo a partir de grandes cantidades de datos textuales, pero entrenar a robots para realizar tareas físicas en el mundo real es otro desafío.
Requiere recopilar datos no solo de imágenes y movimientos, sino también de la interacción física con objetos, algo extremadamente complejo y costoso.
Hans Peter Brondmo, ex director del proyecto, destaca que la IA aún depende en gran medida de algoritmos tradicionales y grandes volúmenes de datos.
Según él, crear robots que puedan realizar tareas útiles, como limpiar mesas en un restaurante o hacer las camas en un hotel, aún requerirá combinar IA con programación convencional durante muchos años más.
¿Y ahora qué?
A principios de 2023, Google cerró oficialmente el proyecto Everyday Robots, señalando que, aunque se lograron avances, el camino hacia un robot completamente autónomo sigue siendo largo. Sin embargo, las lecciones aprendidas durante estos siete años no se desperdiciarán.
Los ingenieros y científicos que formaron parte de este esfuerzo ahora están utilizando ese conocimiento para mejorar otros proyectos dentro de Alphabet, la empresa matriz de Google.
Además, se espera que la IA continúe desarrollándose, aunque los robots del día a día, esos que soñamos que nos ayuden en casa o en el trabajo, podrían tardar mucho más tiempo en materializarse de lo que los futuristas y expertos en tecnología predijeron.
A medida que la inteligencia artificial sigue avanzando en otras áreas, como la generación de lenguaje o la comprensión de imágenes, queda claro que la robótica autónoma necesita aún más tiempo, datos y recursos para alcanzar el nivel de interacción que vemos en las películas de ciencia ficción.
Aunque los robots capaces de moverse y actuar por su cuenta aún no están listos para salir al mundo real, el sueño sigue vivo, y es probable que los próximos años traigan más sorpresas en este campo.
Fuente: Wired
