La revolución de los robots humanoides no llegará pronto

   (Por Kara Manke*) - Los chatbots de IA han avanzado rápidamente en los últimos años, tanto que ahora se utilizan como asistentes personales, representantes de atención al cliente e incluso terapeutas.

   Los grandes modelos de lenguaje (LLM) que impulsan estos chatbots se crearon mediante algoritmos de aprendizaje automático entrenados con la vasta cantidad de datos de texto que se encuentran en internet. Su éxito ha llevado a muchos líderes tecnológicos, como Elon Musk y el CEO de NVIDIA, Jensen Huang, a afirmar que un enfoque similar dará lugar a robots humanoides capaces de realizar cirugías, reemplazar a trabajadores de fábrica o servir como mayordomos a domicilio en pocos años.

   Sin embargo, los especialistas no están de acuerdo, afirma Ken Goldberg, experto en robótica de la UC Berkeley.

   En artículos publicados en la revista Science Robotics, Goldberg describe cómo lo que él llama la "brecha de datos de 100.000 años" impedirá que los robots adquieran habilidades prácticas tan rápidamente como los chatbots de IA están adquiriendo fluidez lingüística. En el otro artículo, destacados especialistas en robótica del MIT, Georgia Tech y ETH-Zúrich resumen el acalorado debate entre los especialistas en robótica sobre si el futuro del campo reside en recopilar más datos para entrenar robots humanoides o en confiar en la "ingeniería tradicional" para programar robots que realicen tareas prácticas.

   Goldberg habla del "bombo humanoide", el cambio de paradigma emergente en el campo de la robótica y si la IA está realmente a punto de arrebatarnos el trabajo a todos.

-Recientemente, líderes tecnológicos como Elon Musk han hecho afirmaciones sobre el futuro de los robots humanoides, como que eclipsarán a los cirujanos humanos en los próximos cinco años. ¿Está de acuerdo con estas afirmaciones?

-No; estoy de acuerdo en que los robots avanzan rápidamente, pero no tan rápido. Lo considero pura publicidad exagerada, porque está muy por delante de las capacidades robóticas con las que los investigadores en este campo están familiarizados.

Todos conocemos ChatGPT y todas las cosas increíbles que está haciendo por la visión y el lenguaje, pero la mayoría de los investigadores están muy nerviosos por la analogía que la mayoría de la gente tiene: que ahora que hemos resuelto todos estos problemas, estamos listos para resolver [el problema de los robots humanoides], y eso sucederá el año que viene.

No digo que no vaya a suceder, pero sí digo que no sucederá en los próximos dos, cinco o incluso diez años. Simplemente estamos tratando de reajustar las expectativas para que no se cree una burbuja que pueda provocar una gran reacción negativa.

-¿Cuáles son las limitaciones que nos impedirán tener robots humanoides realizando cirugías o sirviendo como mayordomos personales en un futuro próximo? ¿Con qué siguen teniendo dificultades?

-La principal es la destreza, la capacidad de manipular objetos. Cosas como poder recoger una copa de vino o cambiar una bombilla. Ningún robot puede hacer eso. Es una paradoja —la llamamos la paradoja de Moravec— porque los humanos lo hacen sin esfuerzo, y por eso creemos que los robots también deberían ser capaces. Los sistemas de IA pueden jugar juegos complejos como el ajedrez y el Go mejor que los humanos, así que es comprensible que la gente piense: "¿Por qué no pueden simplemente agarrar una copa?". Parece mucho más fácil que jugar al Go. Pero lo cierto es que tomar una copa requiere tener una muy buena percepción de su ubicación en el espacio, mover las yemas de los dedos a ese punto exacto y cerrarlas adecuadamente alrededor del objeto. Resulta que eso sigue siendo extremadamente difícil.

-En su nuevo artículo, analiza lo que denomina la "brecha de datos" de 100.000 años. ¿Qué es esta brecha de datos y cómo contribuye a esta disparidad entre las habilidades lingüísticas de los chatbots de IA y la destreza en el mundo real de los robots humanoides?

-Para calcular esta brecha de datos, analicé la cantidad de datos de texto existentes en internet y calculé cuánto tiempo le tomaría a un humano sentarse a leerlos todos. Descubrí que tardaría unos 100.000 años. Esa es la cantidad de texto utilizada para entrenar a los LLM. No disponemos ni de lejos de esa cantidad de datos para entrenar robots, y 100.000 años es justo la cantidad. Tenemos mucho texto para entrenar modelos lingüísticos. Creemos que entrenar robots es mucho más complejo, por lo que necesitaremos muchos más datos. Hay quienes creen que podemos obtener los datos de vídeos de humanos —por ejemplo, de YouTube—, pero ver imágenes de humanos haciendo cosas no muestra los movimientos reales y detallados que realizan, y pasar del 2D al 3D suele ser muy difícil. Así que eso no lo soluciona.

   Otro enfoque consiste en crear datos mediante simulaciones de movimientos de robots, lo cual funciona bastante bien con robots que corren y realizan acrobacias. Se pueden generar muchos datos haciendo que los robots en la simulación realicen volteretas hacia atrás, y en algunos casos eso se transfiere a robots reales. Pero la destreza —donde el robot realmente realiza algo útil, como las tareas de un obrero de la construcción, un plomero, un electricista, un ayudante de cocina o alguien en una fábrica que hace cosas con las manos— ha sido muy difícil de alcanzar, y la simulación no parece funcionar.

Actualmente se ha estado practicando la teleoperación, donde los humanos operan un robot como si fuera una marioneta para que pueda realizar tareas. Hay almacenes en China y EEUU donde se paga a los humanos por hacer esto, pero es muy tedioso. Y cada ocho horas de trabajo te dan solo ocho horas más de datos. Tomará mucho tiempo llegar a los 100.000 años.

-¿Creen los expertos en robótica que es posible avanzar en el campo sin crear primero todos estos datos?

-Creo que la robótica está experimentando un cambio de paradigma, que ocurre cuando la ciencia realiza un gran cambio —como pasar de la física a la física cuántica— y el cambio es tan masivo que el campo se divide en dos bandos, que luchan durante años. Y estamos en medio de ese tipo de debate en robótica. La mayoría de los especialistas en robótica aún creen en lo que yo llamo la ingeniería tradicional, que abarca prácticamente todo lo que enseñamos en las facultades de ingeniería: física, matemáticas y modelos ambientales.

Pero existe un nuevo dogma que afirma que los robots no necesitan ninguna de esas herramientas y métodos antiguos. Dicen que los datos son todo lo que necesitamos para lograr robots humanoides completamente funcionales. Esta nueva ola es muy inspiradora. Hay mucho dinero detrás y muchos estudiantes y profesores de las generaciones más jóvenes se unen a este nuevo grupo. La mayoría de los periódicos, Elon Musk, Jensen Huang y muchos inversores están totalmente convencidos de la nueva ola, pero en el campo de la investigación existe un intenso debate entre los enfoques antiguos y los nuevos para la construcción de robots.

-¿Cuál cree que es el camino a seguir?

-He estado defendiendo que la ingeniería, las matemáticas y la ciencia siguen siendo importantes porque nos permiten lograr que estos robots sean funcionales para que puedan recopilar los datos que necesitamos. Esta es una forma de impulsar el proceso de recopilación de datos. Por ejemplo, se podría conseguir que un robot realice una tarea lo suficientemente bien como para que la gente lo compre y luego recopilar datos mientras trabaja. Waymo, la empresa de coches autónomos de Google, está haciendo eso. Recopilan datos a diario de coches robot reales y sus coches mejoran cada vez más con el tiempo. Esa es también la historia detrás de Ambi Robotics, que fabrica robots que clasifican paquetes. Al trabajar en almacenes reales, recopilan datos y mejoran con el tiempo.

-En el pasado, existía un gran temor a que la automatización robótica les arrebatara los empleos manuales a los trabajadores de las fábricas, y lo hemos visto suceder en cierta medida. Pero con el auge de los chatbots, ahora el debate se ha centrado en la posibilidad de que los LLM sustituyan a los trabajos administrativos y las profesiones creativas. ¿Cómo crees que la IA y los robots impactarán los empleos disponibles en el futuro?

-Como especialista en robótica, en mi opinión, los trabajos manuales, los oficios, son muy seguros. No creo que veamos robots realizando esos trabajos durante mucho tiempo. Pero hay ciertos trabajos —aquellos que implican rellenar formularios rutinariamente, como el de admisión en un hospital— que estarán más automatizados. Un ejemplo muy sutil es la atención al cliente. Cuando tienes un problema, como que te cancelan un vuelo, llamas a la aerolínea y te responde un robot, simplemente te frustras más. Muchas empresas quieren sustituir los trabajos de atención al cliente por robots, pero lo único que una computadora no puede decirte es: "Sé cómo te sientes". Otro ejemplo son los radiólogos. Algunos afirman que la IA puede leer radiografías mejor que los médicos humanos. Pero ¿quieres que un robot te informe que tienes cáncer? El temor de que los robots se descontrolen y nos roben nuestros empleos existe desde hace siglos, pero confío en que los humanos tenemos muchos años buenos por delante, y la mayoría de los investigadores están de acuerdo.

*Publicado en UC Berkeley