Google AI, la división de Google dedicada al desarrollo de Inteligencia Artificial (IA), confía plenamente en que la forma en que los niños aprenden al reconocer objetos representa un elemento clave en el entrenamiento de algoritmos. En este sentido, la compañía ha anunciado que trabaja en una herramienta de IA que permitirá a los robots aprender sobre las características de un objeto con solo observarlo y manipularlo.
Así lo explicaron Eric Jang, ingeniero de software de Google AI, y Coline Devin, investigador interno de la Universidad de Berkele, en una publicación en el blog de la división. En este sentido, los expertos afirmaron que basaron su estudio en el aprendizaje humano al interactuar con su entorno, ya que agarrar un objeto ofrece mucha información sobre el mismo.
En el informe de investigación, Jang y Devin explican:
En robótica, este tipo de aprendizaje se investiga activamente porque permite que los sistemas robóticos aprendan sin la necesidad de grandes cantidades de datos de entrenamiento o supervisión manual (…) Al utilizar esta forma de autosupervisión, los robots pueden aprender a reconocer objetos mediante cambios visuales en la escena.
El equipo de Google AI y la startup X Robotics diseñaron un brazo robótico capaz de agarrar objetos de forma involuntaria, aprendiendo las representaciones del mismo mientras se produjo la interacción. Dichas representaciones condujeron finalmente al agarre ‘intencional’ de los objetos elegidos por los investigadores.
La técnica de IA empleada para este estudio fue el aprendizaje por refuerzo, ya que utiliza recompensas para dirigir al agente robótico hacia los objetos indicados. De esta forma, el brazo robótico tomó los objetos, los analizó con su cámara, y finalmente respondió las preguntas básicas de reconocimiento planteadas por los expertos.
Finalmente, el algoritmo logró implementar un sistema de percepción que extrajo información importante sobre los elementos analizados a través de imágenes previas al agarre, durante el agarre y luego observando el objeto desde un punto aislado.
Los investigadores afirman que el siguiente paso es utilizar el aprendizaje por representación para incorporar al robot habilidades más complejas como reconocer un objeto a distancia sin perder las propiedades originales del algoritmo.