Así es como finalmente comienza el levantamiento de los robots

Los culpables son Wintermeyer

El brazo robótico está realizando una peculiar tarea de Sísifo. Se cierne sobre una pila reluciente de piezas de pollo cocidas, se sumerge y recupera una sola pieza. Un momento después, gira y coloca el trozo de pollo, muy suavemente, en una caja bento que se mueve a lo largo de una cinta transportadora.

Este robot, controlado por software de una empresa con sede en San Francisco llamada Osaro, es más inteligente que cualquiera que haya visto antes. El software le ha enseñado a recoger y colocar pollo en unos cinco segundos. Dentro de un año, Osaro espera que sus robots encuentren trabajo en una fábrica de alimentos japonesa.

Esta historia fue parte de nuestra edición de julio de 2018

• Ver el resto del número
• Suscribir

Cualquiera que esté preocupado por un levantamiento de robots solo necesita entrar en una fábrica moderna para ver qué tan lejos está. La mayoría de los robots son potentes y precisos, pero no pueden hacer nada a menos que se programen meticulosamente. Un brazo robótico ordinario carece del sentido necesario para levantar un objeto si se mueve una pulgada. Es completamente inútil agarrar algo desconocido; no conoce la diferencia entre un malvavisco y un cubo de plomo. Recoger piezas de pollo de forma irregular de una pila desordenada es un acto de genialidad.

Los robots industriales no han sido tocados en gran medida por los últimos avances en inteligencia artificial. En los últimos cinco años, más o menos, el software de IA se ha vuelto experto en identificar imágenes, ganar juegos de mesa y responder a la voz de una persona prácticamente sin intervención humana. Incluso puede aprender nuevas habilidades si se le da suficiente tiempo para practicar. Todo esto mientras los primos de hardware de AI, los robots, luchan por abrir una puerta o recoger una manzana.

Eso está a punto de cambiar. El software de inteligencia artificial que controla el robot de Osaro le permite identificar los objetos que tiene delante, estudiar cómo se comportan cuando se les toca, empuja y sujeta, y luego decide cómo manipularlos. Al igual que otros algoritmos de IA, aprende de la experiencia. Usando una cámara comercial combinada con un software de aprendizaje automático en una poderosa computadora cercana, descubre cómo captar las cosas de manera efectiva. Con suficiente prueba y error, el brazo puede aprender a agarrar casi cualquier cosa que pueda encontrar.

Un robot recupera productos de un contenedor en la sede de Osaro. Winni Wintermeyer

Los robots en el lugar de trabajo equipados con IA permitirán que la automatización se infiltre en muchas más áreas de trabajo. Podrían reemplazar a las personas en cualquier lugar donde los productos deban clasificarse, desempacarse o empacarse. Capaces de navegar en una fábrica caótica, podrían aceptar aún más trabajos en la fabricación. Puede que no sea un levantamiento, pero podría ser una revolución, no obstante. Estamos viendo mucha experimentación ahora, y la gente está probando muchas cosas diferentes, dice Willy Shih, que estudia tendencias en la fabricación en la Escuela de Negocios de Harvard. Hay una gran cantidad de posibilidades para [automatizar] tareas repetitivas.

Es una revolución no solo para los robots, sino también para la IA. Poner el software de IA en un cuerpo físico le permite usar el reconocimiento visual, el habla y la navegación en el mundo real. La inteligencia artificial se vuelve más inteligente a medida que se alimenta de más datos. Entonces, con cada agarre y ubicación, el software detrás de estos robots se volverá cada vez más hábil para dar sentido al mundo y cómo funciona.

Esto podría conducir a avances que no serían posibles sin todos esos datos, dice Pieter Abbeel, profesor de la Universidad de California, Berkeley, y fundador de Covariant.ai (hasta hace poco llamado Embodied Intelligence), una empresa emergente que aplica el aprendizaje automático. y realidad virtual a la robótica en la fabricación.

Separados al nacer

Esta era ha tardado mucho en llegar. En 1954, George C. Devol, un inventor, patentó un diseño para un brazo mecánico programable. En 1961, un empresario manufacturero llamado Joseph Engelberger convirtió el diseño en Unimate, una máquina difícil de manejar e incómoda que se usó por primera vez en una línea de ensamblaje de General Motors en Nueva Jersey.

Desde el principio, hubo una tendencia a romantizar la inteligencia detrás de estas máquinas simples. Engelberger eligió el nombre de robot para el Unimate en honor a los androides ideados por el autor de ciencia ficción Isaac Asimov. Pero sus máquinas eran dispositivos mecánicos rudimentarios dirigidos a realizar una tarea específica mediante un software relativamente simple. Incluso los robots mucho más avanzados de hoy siguen siendo poco más que tontos mecánicos que deben programarse para cada acción.

La inteligencia artificial siguió un camino diferente. En la década de 1950, se propuso utilizar las herramientas informáticas para imitar la lógica y la razón humanas. Algunos investigadores también buscaron dar a estos sistemas una presencia física. Ya en 1948 y 1949, William Gray Walter, un neurocientífico de Bristol, Reino Unido, desarrolló dos pequeñas máquinas autónomas que denominó Elsie y Elmer. Estos dispositivos parecidos a tortugas estaban equipados con circuitos simples inspirados neurológicamente que les permitían seguir una fuente de luz por sí mismos. Walter los construyó para mostrar cómo las conexiones entre unas pocas neuronas en el cerebro pueden dar como resultado un comportamiento relativamente complejo.

Un empleado de Embodied Intelligence usa una plataforma de realidad virtual para entrenar a un robot. Foto de cortesía

Pero comprender y recrear la inteligencia resultó ser un desafío bizantino, y la IA pasó por un largo período con pocos avances. Mientras tanto, la programación de máquinas físicas para hacer cosas útiles en el desordenado mundo real a menudo resultaba intratablemente compleja. La IA y los robots han sido compañeros estables en los laboratorios de investigación durante décadas, y los investigadores han intentado aplicar el aprendizaje automático a los robots industriales, pero eso aún no ha despegado en la industria.

Luego, hace unos seis años, los investigadores descubrieron cómo hacer que un viejo truco de IA sea increíblemente poderoso. Los científicos estaban usando redes neuronales, algoritmos que se aproximan, en términos generales, a la forma en que las neuronas y las sinapsis en el cerebro aprenden a partir de la entrada. Resulta que estas redes eran descendientes directos de los componentes que dieron a Elsie y Elmer sus habilidades. Los investigadores descubrieron que las redes neuronales muy grandes o profundas podían hacer cosas notables cuando se alimentaban con grandes cantidades de datos etiquetados, como reconocer el objeto que se muestra en una imagen con una perfección casi humana.

El campo de la IA se puso patas arriba. El aprendizaje profundo, como se conoce comúnmente a la técnica, ahora se usa ampliamente para tareas que involucran la percepción: reconocimiento facial, transcripción de voz y entrenamiento de vehículos autónomos para identificar peatones y señales. Ha hecho posible imaginar un robot que pueda reconocer tu rostro, hablarte inteligentemente y navegar de manera segura a la cocina para traerte un refresco del refrigerador.

Los culpables son Wintermeyer

El hombre detrás del robot más inteligente de Osarou2019

• El CEO de Osaro, Derik Pridmore, estudió física e informática en el MIT antes de unirse a una firma de capital de riesgo de la Costa Oeste llamada Founders Fund. Mientras estuvo allí, Pridmore identificó a DeepMind, una empresa británica de IA, como un objetivo de inversión, y trabajó con los fundadores de la empresa para perfeccionar su discurso. DeepMind continuaría enseñando a las máquinas a hacer cosas que parecían imposibles en ese momento. Famosamente, desarrolló AlphaGo, el programa que venció al gran maestro humano mejor clasificado en el juego de mesa Go.

• Cuando Google adquirió DeepMind en 2014, Pridmore decidió que la IA tenía potencial comercial. Fundó Osaro y rápidamente se concentró en la selección de robots como la aplicación ideal. Agarrar objetos cargados en un contenedor o rodar por una cinta transportadora es una tarea simple para un ser humano, pero requiere una inteligencia genuina.

• Las técnicas pioneras de DeepMind, conocidas como aprendizaje de refuerzo profundo, permiten que las máquinas realicen tareas complejas sin aprender de los ejemplos proporcionados por humanos. La retroalimentación positiva, como obtener una puntuación más alta en un videojuego, sintoniza la red y acerca el algoritmo a la meta hasta que se vuelve experto.

• El razonamiento que hace esto posible está enterrado en lo profundo de la red, codificado en la interacción de decenas de millones de neuronas simuladas interconectadas. Pero el comportamiento resultante puede parecer simple e instintivo. Con suficiente práctica, un brazo puede aprender a recoger cosas de manera eficiente, incluso cuando un objeto se mueve, está oculto por otro objeto o tiene una forma un poco diferente. Osaro utiliza el aprendizaje por refuerzo profundo, junto con otras técnicas de aprendizaje automático, para hacer que los robots industriales sean mucho más inteligentes.

Una de las primeras habilidades que la IA otorgará a las máquinas es una destreza mucho mayor. Durante los últimos años, Amazon ha estado ejecutando un desafío de selección de robots en el que los investigadores compiten para que un robot recoja una amplia gama de productos lo más rápido posible. Todos estos equipos utilizan el aprendizaje automático y sus robots se vuelven cada vez más competentes. Amazon, claramente, tiene un ojo puesto en automatizar la selección y el empaque de miles de millones de artículos dentro de sus centros de distribución.

He estado trabajando en agarre robótico durante 35 años y hemos progresado muy poco, dice Ken Goldberg, un colega de Abbeel en UC Berkeley. Gracias a los avances en la IA que está cambiando: ahora estamos preparados para dar un gran salto adelante.

AI obtiene un cuerpo

En el barrio NoHo de Nueva York, uno de los principales expertos mundiales en inteligencia artificial está actualmente buscando el próximo gran avance en el campo. Y cree que los robots podrían ser una pieza importante del rompecabezas.

Yann LeCun desempeñó un papel vital en la revolución del aprendizaje profundo. Durante la década de 1980, cuando otros investigadores descartaron las redes neuronales como poco prácticas, LeCun perseveró. Como jefe de investigación de IA de Facebook hasta enero, y ahora como científico jefe de IA, lideró el desarrollo de algoritmos de aprendizaje profundo que pueden identificar a los usuarios en casi cualquier foto que publique una persona.

Pero LeCun quiere que la IA haga más que solo ver y escuchar; quiere que razone y actúe. Y dice que se necesita una presencia física para que esto sea posible. La inteligencia humana implica interactuar con el mundo real; los bebés humanos aprenden jugando con cosas. La IA integrada en las máquinas de agarre puede hacer lo mismo. Mucha de la investigación de IA más interesante ahora involucra robots, dice LeCun.

Incluso podría resultar en un tipo notable de evolución de la máquina, reflejando el proceso que dio lugar a la inteligencia biológica. La visión, la destreza y la inteligencia comenzaron a evolucionar juntas a un ritmo acelerado una vez que los homínidos comenzaron a caminar erguidos, usando sus dos manos libres para examinar y manipular objetos. Sus cerebros se hicieron más grandes, lo que permitió herramientas, lenguaje y organización social más avanzados.

¿Podría la IA experimentar algo similar? Hasta ahora, ha existido en gran medida dentro de las computadoras, interactuando con simulaciones crudas del mundo real, como videojuegos o imágenes fijas. Los programas de IA capaces de percibir el mundo real, interactuar con él y aprender sobre él podrían llegar a ser mucho mejores en el razonamiento e incluso en la comunicación. Si resuelve la manipulación en su totalidad, dice Abbeel, probablemente habrá construido algo que se acerque bastante a la inteligencia completa a nivel humano.

Corrección: una versión anterior de esta historia sugería que la investigación en IA y robótica han sido campos separados en gran medida durante décadas. Se hicieron algunos cambios para aclarar que la separación fue en gran parte en aplicaciones comerciales en lugar de en el laboratorio de investigación.

esconder