211service.com
Cómo una fusión mental humano-máquina podría hacer que los robots sean más inteligentes
Este brazo robótico ocasionalmente aprovecha el control humano mientras aprende a agarrar diferentes objetos.
Una empresa emergente canadiense secreta llamada Kindred AI está enseñando a los robots cómo realizar tareas difíciles y diestras a velocidades sobrehumanas al emparejarlos con pilotos humanos que usan auriculares de realidad virtual y sostienen controladores de seguimiento de movimiento.
La tecnología ofrece una visión fascinante de cómo los humanos podrían trabajar en sincronización con las máquinas en el futuro, y muestra cómo aprovechar las capacidades humanas podría amplificar las capacidades de los sistemas automatizados. A pesar de toda la preocupación por los robots y la inteligencia artificial que eliminan trabajos, hay muchas cosas que las máquinas aún no pueden hacer. La empresa hizo una demostración del hardware a Revisión de tecnología del MIT la semana pasada, y dice que planea lanzar un producto dirigido a los minoristas en los próximos meses. Las ambiciones a largo plazo son mucho mayores. Kindred espera que este aprendizaje asistido por humanos fomente un tipo de inteligencia artificial fundamentalmente nuevo y más poderoso.
Kindred fue creado por varias personas de D-Wave, una empresa de computación cuántica con sede en Burnaby, Canadá. Kindred actualmente está probando brazos robóticos industriales convencionales capaces de agarrar y colocar objetos que pueden ser difíciles de manejar, como pequeñas prendas de vestir, de manera más rápida y confiable de lo que normalmente sería posible. Los brazos hacen esto pidiendo ayuda ocasionalmente a un equipo de humanos, que usan hardware de realidad virtual para ver el desafío y tomar el control de un brazo temporalmente.
Un piloto puede ver, oír y sentir lo que el robot ve, oye y siente. Cuando el piloto actúa, esas acciones mueven al robot, dice Geordie Rose, quien es cofundadora y directora ejecutiva de Kindred, y quien anteriormente cofundó D-Wave. Esto nos permite mostrar a los robots cómo actuar como personas. Los humanos no son los más rápidos ni los mejores en todos los aspectos del control de robots, como colocar cosas en ubicaciones específicas, pero los humanos aún son mejores para dar sentido a situaciones difíciles o imprevistas.
El sistema de Kindred utiliza varios algoritmos de aprendizaje automático e intenta predecir si uno de estos proporcionaría el resultado deseado, como agarrar un objeto. Si ninguno parece ofrecer una alta probabilidad de éxito, requiere asistencia humana. Lo más importante es que los algoritmos aprenden de las acciones de un controlador humano. Para lograr esto, la empresa utiliza una forma de aprendizaje por refuerzo, un enfoque que involucra la experimentación y el fortalecimiento del comportamiento que conduce a un objetivo particular (ver 10 Tecnologías innovadoras 2017: Aprendizaje por refuerzo).
Rose dice que el sistema puede agarrar prendas pequeñas aproximadamente el doble de rápido que una persona que trabaja sola, mientras que un robot que trabaja de forma independiente sería demasiado poco confiable para implementar. Una persona también puede operar varios robots a la vez.
Rose agrega que Kindred está explorando todo tipo de sistemas humanos en el circuito, desde aquellos en los que una persona simplemente hace clic en una imagen para mostrarle a un robot dónde agarrar algo, hasta exoesqueletos de cuerpo completo que brindan control sobre un robot humanoide. Él dice que los pilotos generalmente aprenden cómo controlar un sistema robótico remoto de manera efectiva. Cuando usas el aparato de control, al principio es muy frustrante, pero las mentes de las personas son muy plásticas y te adaptas, dice Rose.
La inspiración técnica para la tecnología proviene de Suzanne Gildert, quien anteriormente fue investigadora principal en D-Wave y quien es la directora científica de Kindred. La compañía ha estado operando en modo sigiloso durante varios años, pero llamó la atención cuando los detalles de una patente presentada por Gildert apareció en línea . La patente describe un esquema para combinar diferentes sistemas de teleoperación con aprendizaje automático. De hecho, la visión de Kindred para su tecnología parece ir mucho más allá de la construcción de robots más hábiles en la clasificación.
La idea era que si pudiera hacer eso durante el tiempo suficiente, y si tuviera algún tipo de sistema de IA en el aprendizaje de fondo, tal vez podría probar muchos modelos de IA diferentes y ver cuáles entrenaban mejor, dice Gildert. Eventualmente, mi pensamiento fue, si puedes hacer que un humano demuestre algo a través de un robot, entonces no hay razón para que el robot no pueda aprender a ser muy parecido a un humano.
Lo más llamativo es que la patente de Kindred incluso describía la posibilidad de que estos sistemas fueran controlados por animales como los monos. Gildert dice que esta fue una idea especulativa, y que actualmente la empresa no emplea monos. Sin embargo, dice que la empresa tiene un gato robótico, entrenado con aprendizaje por refuerzo, que deambula por su oficina.
Kindred también es un poco inusual, ya que sus fundadores son físicos en lugar de especialistas en robótica o informáticos de formación. Pero Rose argumenta que esto ofrece una perspectiva única y valiosa. Para los informáticos, la línea entre una simulación y el mundo real a veces es borrosa, dice. Tenemos una fuerte preferencia por hacer el tipo de cosas que hacemos en robots reales en el mundo real.
El enfoque que está siguiendo Kindred parece tener un enorme potencial. Ken Goldberg , profesor de la Universidad de California, Berkeley, que se especializa en aprendizaje automático y robótica, dice que aprovechar las habilidades humanas acelerará drásticamente el aprendizaje de los robots. Goldberg, que está trabajando en un enfoque similar para la cirugía robótica, entre otras cosas, agrega que hacer que los robots aprendan de los humanos es un área de investigación muy activa. Está en el centro de lo que creo que es una gran oportunidad en robótica, dice Goldberg. Hay un gran beneficio en tener una demostración humana.
Pero los desafíos técnicos relacionados con el aprendizaje a través de la teleoperación humana no son insignificantes. Sangbae Kim , profesor asociado del MIT que está trabajando en robots humanoides operados a distancia, dice que asignar el control humano a la acción de la máquina es increíblemente complicado. El primer desafío es rastrear el movimiento humano uniendo enlaces rígidos a la piel humana. Esto es extremadamente difícil porque somos animales con endoesqueleto, dice Kim. Un desafío mayor es comprender realmente todos los detalles de los pasos de toma de decisiones en humanos, la mayoría de los cuales ocurren de manera inconsciente.
Sin embargo, los fundadores de Kindred no parecen intimidados. Nuestro objetivo es deconstruir la cognición, dice Rose. Todas las entidades vivientes siguen ciertos patrones de conducta y acción. Estamos tratando de construir máquinas que tengan el mismo tipo de principios.