Foto:David Paul Morris/Bloomberg

Facebook cuenta con un laboratorio dedicado a desarrollar herramientas basadas en Inteligencia Artificial (IA) y robótica, estas áreas se han expandido incluyendo campos como la visión artificial y el procesamiento del lenguaje natural. En un nuevo avance, la plataforma señala estar expandiendo sus actividades con el fin de desarrollar robots que quizás podrían ser más sensibles.

El equipo de investigadores de FAIR (Facebook AI Research), afirmaron en un reciente informe que se encuentran avanzando en el campo de la robótica, implementando nuevas técnicas como el aprendizaje por refuerzo basado en modelos (RL) “para permitir que los robots aprendan por sí mismos a través de prueba y error utilizando la entrada directa de sensores”.

Gran parte de nuestro trabajo en robótica se centra en el aprendizaje auto-supervisado, en el que los sistemas aprenden directamente de datos sin procesar para que puedan adaptarse a nuevas tareas y nuevas circunstancias.

Para las pruebas, los científicos están trabajando en una especie de robot araña, de seis patas (hexápodo), para que aprenda a caminar sin ninguna ayuda externa. Si bien, resulta difícil de imaginar, desarrollarlo es aún más complicado.

“En términos generales, la locomoción es una tarea muy difícil en robótica y esto es lo que la hace muy emocionante desde nuestra perspectiva“, dijo a Engadget Roberto Calandra, investigador de FAIR.

El equipo está usando un algoritmo de aprendizaje de refuerzo, para que el robot descubra qué controlador que lo ayudará a cumplir su objetivo de movimiento o desplazamiento hacia adelante.

El algoritmo utiliza una función de superación recursiva, –es decir que se evalúa a sí mismo de forma recurrente–, el robot puede monitorear la información que recopila y optimizar aún más su comportamiento a lo largo del tiempo.

De manera que podrá ir ensayo y error corrigiendo a lo largo del tiempo y “pulir” los detalles para que el algoritmo sea mucho más preciso.

Además de percibir y decidir qué acciones debe tomar, el robot debe resolver variables como su ubicación y orientación en el espacio, así como también medir su equilibrio e impulso del movimiento a partir de los sensores ubicados en las rodillas.

Pero, ¿esto qué tiene que ver con los robots y las sensaciones?

Aunque parezca difícil de creer, el hacer que un robot “sienta” desde el punto de vista físico es sumamente difícil y va más allá de simplemente cumplir un objetivo.

Facebook Research está implementando un modelo de aprendizaje profundo predictivo donde aplica una técnica para que los robots sean mucho más sensibles a los datos de entrada, para el ejemplo, usan una tecnología que ayuda a “predecir videos” desde la imagen actual.

Es esencialmente una técnica que puede predecir videos desde el estado actual, desde la imagen actual y una acción“, explicó uno de las investigadores.

La compañía está explotando las bondades de la inteligencia artificial y el aprendizaje profundo para que el robot realice acciones en tiempo real a través de datos sin procesar, para este caso usaron un sensor táctil de alta resolución, a través de un modelo de aprendizaje por refuerzo.

Nuestro trabajo muestra que tales políticas pueden aprenderse en su totalidad sin recompensas, a través de diversas interacciones exploratorias no supervisadas con el medio ambiente.

¿El resultado? Un robot pudo manipular con éxito un joystick, hacer rodar una bola e identificar la cara correcta de un dado de 20 lados.

Demostramos que esencialmente podemos tener un robot que manipule objetos pequeños de manera no supervisada.

Facebook afirma que gracias a la implementación de su tecnología de Inteligencia Artificial y optimizar el comportamiento del robot, el robot araña aprendió a “caminar” en cuestión de horas, cosa que al realizarse con mano de obra humana podría llevar días hasta meses si no se le otorga el tiempo y la dedicación necesaria.

Para desarrollar un robot araña o un robot que responda a través de “sensaciones” se requiere de un amplio equipo de trabajo y millones de líneas de código que responden a impulsos de sensores ubicados en posiciones estratégicas de los robots.

Estos impulsos corresponderían a datos de entrada que deben procesarse en microsegundos para que el dispositivo realice el movimiento de manera coordinada.

Y si esto requiere un gran esfuerzo cuando está desarrollado por humanos, el hacer que un robot realice dicha tarea no es menos complicado.

Sin duda, representa un gran avance en el desarrollo de herramientas de inteligencia artificial y aprendizaje profundo por parte del equipo de Facebook Research.

 A medida que nuestra capacidad de entender el contenido continúa mejorando en todas las modalidades, también hemos avanzado en la nueva frontera de la autosupervisión. Esta técnica acelerará el aprendizaje con los sistemas de pre-entrenamiento, y puede ser la base para la próxima generación de herramientas más rápidas y ágiles.

Facebook está apostando por el uso del aprendizaje autosupervisado para mejorar sus herramientas en el futuro, pero también podría ser de gran ayuda en diferentes ámbitos tecnológicos.