Enrique Dans

Mi columna de esta semana en Invertia se titula «La inteligencia artificial descubre el mundo físico» (pdf), y trata sobre una idea que me parece particularmente interesante: qué ocurre cuando la inteligencia artificial deja de limitarse a observar el mundo a través de los datos que generamos los humanos, y empieza, literalmente, a poder experimentarlo por sí misma. Mi excusa para hablar de ello es la próxima salida a bolsa de Unitree en Shanghai, una compañía que se ha convertido en uno de los nombres más visibles de la robótica china, y cuya evolución permite entender hasta qué punto los robots humanoides están dejando de ser una curiosidad destinada a hacer demostraciones espectaculares para convertirse en una plataforma tecnológica con implicaciones muchísimo más profundas.

Llevamos años hablando de modelos de lenguaje que parecen saber prácticamente de todo, pero ese «saber» tiene una característica que tendemos a olvidar: procede siempre de experiencias de terceros, de textos, imágenes, vídeos, sonidos y todo tipo de materiales generados o capturados previamente por otros. Incluso los modelos multimodales más avanzados continúan, en ese sentido, encerrados en una versión tecnológica de la caverna de Platón: pueden analizar extraordinariamente bien las sombras proyectadas en la pared, pero nunca han salido fuera para comprobar por sí mismos qué las produce.

Para mí, esa diferencia entre observar y experimentar es fundamental. Podemos explicarle a una inteligencia artificial de mil maneras cómo pesa un objeto, cómo se desliza una superficie mojada, qué resistencia ofrece un cajón al abrirse o por qué una taza caliente requiere determinadas precauciones, pero nada de eso equivale a poder tocar, empujar, levantar, dejar caer o manipular esos objetos y comprobar directamente las consecuencias. El paper «Experience grounds language«, de Bisk, Bengio et al, ya dejaba clara en 2020 esa distinción entre corpus, percepción y embodiment: actuar permite no sólo observar el mundo, sino intervenir en él y comprobar hipótesis.

En ese sentido, la robótica introduce algo mucho más interesante que la simple automatización del trabajo: introduce la posibilidad de cerrar un auténtico bucle de aprendizaje entre percepción, hipótesis, acción y consecuencia, en el que la inteligencia artificial ya no se limita a estudiar experiencias previamente registradas, sino que puede generarlas activamente, repetirlas, modificarlas y aprender de ellas.

Un robot equipado con cámaras, sensores táctiles, temperatura, presión, fuerza, posición o equilibrio puede construir una percepción del entorno incomparablemente más rica que la que obtiene un modelo simplemente analizando textos, imágenes o vídeos, y puede además relacionar cada percepción con sus propias acciones, algo que nos acerca mucho más a la forma en que los humanos y otros animales aprendemos realmente a desenvolvernos en el mundo.

A partir de ahí aparece otra cuestión que durante mucho tiempo me pareció casi estética, pero que cada vez considero más importante: ¿por qué empeñarnos en construir robots con forma humana? La primera respuesta resulta relativamente evidente: porque llevamos siglos construyendo prácticamente todo lo que nos rodea para cuerpos humanos, desde escaleras, puertas y herramientas hasta vehículos, fábricas, cocinas, ascensores, estanterías o interruptores. Un robot con nuestra altura aproximada, dos brazos, dos piernas y manos capaces de manipular objetos puede aprovechar directamente esa enorme infraestructura sin obligarnos a reconstruirla, una especie de gigantesca compatibilidad hacia atrás con un mundo diseñado durante siglos por seres humanos y para seres humanos.

Pero hay una segunda razón que me parece todavía más importante: si queremos que las máquinas aprendan a desenvolverse en nuestro mundo, resulta enormemente útil que puedan acumular experiencias comparables con las nuestras. Un humanoide puede aprovechar demostraciones humanas para aprender movimientos y tareas, pero puede además generar después cantidades gigantescas de datos acerca de cómo un cuerpo de dimensiones similares al nuestro interactúa realmente con su entorno. Esto abre una posibilidad que me parece fascinante: que el verdadero valor de los robots no esté únicamente en las horas de trabajo que puedan sustituir, en cuánto puedan producir o en cuántas tareas aburridas, peligrosas o repetitivas puedan asumir, sino también en la enorme cantidad de experiencia física que sean capaces de generar.

Unos cuantos millones de robots distribuidos por fábricas, almacenes, hogares, hospitales o calles podrían terminar convirtiéndose en una gigantesca infraestructura distribuida de aprendizaje, produciendo continuamente información sobre contacto, resistencia, equilibrio, fricción, causalidad, error y consecuencias, y alimentando con ella modelos cada vez más capaces de comprender no simplemente cómo describimos el mundo, sino cómo funciona realmente.

Hasta ahora, el gran combustible de la inteligencia artificial ha sido nuestra experiencia convertida en datos. Primero fueron textos, después imágenes, sonido y vídeo, y progresivamente hemos ido ampliando las modalidades con las que los algoritmos pueden aprender. La robótica puede introducir ahora un salto cualitativamente distinto: pasar de aprender de lo que otros experimentaron a adquirir experiencia propia. Y si eso ocurre, posiblemente recordaremos esta etapa no como aquella en la que empezamos a llenar fábricas y almacenes de muñecos con aspecto humano, sino como el momento en que la inteligencia artificial dejó de limitarse a mirar las sombras de nuestra experiencia y empezó, finalmente, a salir de la caverna.