¿Has visto cómo juegan al fútbol los robots de Google?

Estamos viviendo una época histórica protagonizada por el desarrollo de la Inteligencia Artificial y el “deep learning”. Sin duda, esta revolución tecnológica va a marcar un antes y un después en el estilo de vida de la humanidad en prácticamente todos los ámbitos. En esta línea, el sector de la robótica también ha evolucionado a pasos de gigante siguiendo en muchos casos la estela de la ciencia ficción, con androides y otros dispositivos mecánicos capaces de desempeñar tareas realmente complejas en sectores tan diversos como la cirugía, la industria automovilística e, incluso, el trabajo doméstico. Sin embargo, el universo virtual de la IA y el físico de la robótica rara vez se han encontrado con éxito. Son muchas las dificultades que encuentran los ingenieros para dotar de un cuerpo material a la Inteligencia Artificial o, visto desde otro ángulo, lograr que un robot aprenda por sí mismo a mejorar su capacidad de interactuar con el mundo real.

En este contexto, DeepMind, la filial de Google especializada en “deep learning”, ha conseguido aunar los dos campos de actuación y materializar unos robots futbolistas que juegan partidos de uno contra uno y mejoran por sí mismos a través de la experiencia. Como avanzábamos antes, el gran problema de entrenar robots mediante “deep learning” es que, si bien el procesamiento con réplicas virtuales permite acortar los tiempos de aprendizaje de años a horas, los resultados en el mundo físico nunca son los esperados. Existen multitud de variables que siempre se pueden pasar por alto en una simulación, como por ejemplo la fricción real entre determinados materiales, una fuente de luz o un reflejo que puede deslumbrar a alguna cámara del robot en un momento concreto, etc. Por eso, hasta ahora siempre se había entrenado a los robots programando movimientos predeterminados para que realizaran tareas concretas, dejando poco o nada de margen a la improvisación. Sí se entrenaban ciertos aspectos mediante IA, pero eso solo ayudaba a perfeccionar la capacidad de los sensores para interpretar el entorno y no a desenvolverse con más eficacia en el mundo real aprendiendo de las caídas.

La IA ha demostrado su enorme potencial a la hora de elaborar textos o responder preguntas gracias a herramientas como ChatGPT. También nos sorprende que pueda generar imágenes hiperrealistas con solo teclear unas breves instrucciones en lenguaje natural, como hemos podido comprobar en la versión beta de Photoshop. Por su parte, el mundo de la robótica ha conseguido despertar nuestra admiración con ensayos como el desarrollado por Boston Dynamics, también filial de Google, en el que un robot llamado Atlas se desenvolvía con bastante soltura en un circuito de acrobacias. Pues bien, DeepMind se encuentra en disposición de superar esas dificultades integrando el “deep learning” en sus robots futbolistas de manera que puedan reaccionar a multitud de variables aleatorias. Es cierto que todavía tropiezan y realizan movimientos algo erráticos, pero, ¿aprenderán tan rápido como nos tiene acostumbrados la IA