\n<\/p>\n
<\/p>\n
Google ha encontrado una nueva forma sorprendente de ayudar a los robots a lidiar con la complejidad abierta del mundo real: ense\u00f1arles c\u00f3mo entender el lenguaje. <\/p>\n
El gigante tecnol\u00f3gico injert\u00f3 su \u00faltima tecnolog\u00eda de inteligencia artificial para manejar el lenguaje, llamada PaLM, en robots de Everyday Robots, una de las divisiones experimentales de la empresa matriz Alphabet. Revel\u00f3 la tecnolog\u00eda resultante, llamada PaLM-SayCan, el martes. <\/p>\n
Con la tecnolog\u00eda, el modelo de lenguaje de inteligencia artificial de Google brinda suficiente conocimiento del mundo real para ayudar a un robot a interpretar un comando humano vago y unir una secuencia de acciones para responder. Eso contrasta marcadamente con las acciones escritas con precisi\u00f3n que la mayor\u00eda de los robots siguen en circunstancias estrictamente controladas, como instalar parabrisas en una l\u00ednea de ensamblaje de autom\u00f3viles. <\/p>\n
La tecnolog\u00eda es un proyecto de investigaci\u00f3n que est\u00e1 listo para su estreno. Pero Google lo ha estado probando en una cocina de oficina real, no en un entorno de laboratorio m\u00e1s controlado, en un esfuerzo por construir robots que puedan ser \u00fatiles en el caos impredecible de nuestras vidas reales. Junto con proyectos como el bot Optimus b\u00edpedo de Tesla, las creaciones de Boston Dynamics y Astro de Amazon, muestra c\u00f3mo los robots eventualmente podr\u00edan salir de la ciencia ficci\u00f3n. <\/p>\n
Cuando un investigador de IA de Google le dice a un robot PaLM-SayCan: \u00abDerram\u00e9 mi bebida, \u00bfpuedes ayudarme?\u00bb se desliza sobre sus ruedas a trav\u00e9s de una cocina en un edificio de oficinas de Google, detecta una esponja en el mostrador con la visi\u00f3n de su c\u00e1mara digital, la agarra con un brazo motorizado y se la lleva al investigador. El robot tambi\u00e9n puede reconocer latas de Pepsi y Coca-Cola, abrir cajones y localizar bolsas de papas fritas. Con las habilidades de abstracci\u00f3n de PaLM, incluso puede comprender que los tazones amarillos, verdes y azules pueden representar metaf\u00f3ricamente un desierto, una jungla y un oc\u00e9ano, respectivamente. <\/p>\n
\u00abA medida que mejoramos los modelos de lenguaje, el rendimiento rob\u00f3tico tambi\u00e9n mejora\u00bb, dijo Karol Hausman, cient\u00edfica investigadora s\u00e9nior de Google que ayud\u00f3 a demostrar la tecnolog\u00eda. <\/p>\n
La IA ha transformado profundamente el funcionamiento de la tecnolog\u00eda inform\u00e1tica y lo que puede hacer. Con la tecnolog\u00eda moderna de redes neuronales, modelada libremente en cerebros humanos y tambi\u00e9n llamada aprendizaje profundo, los sistemas de IA se entrenan en grandes cantidades de datos desordenados del mundo real. Despu\u00e9s de ver miles de fotos de gatos, por ejemplo, los sistemas de inteligencia artificial pueden reconocer uno sin tener que decirles que generalmente tiene cuatro patas, orejas puntiagudas y bigotes.<\/p>\n
Google us\u00f3 una enorme m\u00e1quina de 6144 procesadores para entrenar PaLM, abreviatura de Pathways Language Model, en una vasta colecci\u00f3n multiling\u00fce de documentos web, libros, art\u00edculos de Wikipedia, conversaciones y c\u00f3digo de programaci\u00f3n que se encuentran en el sitio GitHub de Microsoft. El resultado es un sistema de IA que puede explicar chistes, completar oraciones, responder preguntas y seguir su propia cadena de pensamientos para razonar. <\/p>\n
El trabajo de PaLM-SayCan combina esta comprensi\u00f3n del lenguaje con las propias habilidades del robot. Cuando el robot recibe un comando, combina las sugerencias del modelo de lenguaje con un conjunto de aproximadamente 100 habilidades que ha aprendido. El robot elige la acci\u00f3n que obtiene la puntuaci\u00f3n m\u00e1s alta tanto en el lenguaje como en las habilidades del robot. <\/p>\n
El sistema est\u00e1 limitado por su entrenamiento y circunstancias, pero es mucho m\u00e1s flexible que un robot industrial. Cuando mi colega Claire Reilly le pide a un robot PaLM-SayCan que \u00abme haga una hamburguesa\u00bb, apila versiones de bloques de madera de panecillos, hamburguesas, lechuga y una botella de ketchup en el orden correcto. <\/p>\n
Las habilidades y el entorno del robot ofrecen una base real para las posibilidades m\u00e1s amplias del modelo de lenguaje, dijo Google. \u00abLas habilidades actuar\u00e1n como el [language model’s] ‘manos y ojos'\u00bb, dijeron en un art\u00edculo de investigaci\u00f3n de PaLM-SayCan. <\/p>\n
El resultado es un robot que puede hacer frente a un entorno m\u00e1s complicado. \u00abNuestro nivel de rendimiento es lo suficientemente alto como para que podamos ejecutar esto fuera de un entorno de laboratorio\u00bb, dijo Hausman. <\/p>\n
Unos 30 robots cotidianos con ruedas patrullan las oficinas de rob\u00f3tica de Google en Mountain View, California. Cada uno tiene una base amplia para el equilibrio y la locomoci\u00f3n, un tallo m\u00e1s grueso que se eleva hasta la altura del pecho de un ser humano para sostener una \u00abcabeza\u00bb articulada, una cara con varias c\u00e1maras y un anillo verde brillante que indica cuando un robot est\u00e1 activo, un brazo de agarre articulado y un sensor lidar giratorio que utiliza l\u00e1ser para crear un escaneo 3D de su entorno. En la parte posterior hay un gran bot\u00f3n rojo de parada, pero los robots est\u00e1n programados para evitar colisiones.<\/p>\n
Algunos de los robots se paran en estaciones donde aprenden habilidades como recoger objetos. Eso lleva mucho tiempo, pero una vez que un robot lo aprende, la habilidad se puede transferir a otros. <\/p>\n
Otros robots se deslizan por las oficinas, cada uno con un solo brazo doblado hacia atr\u00e1s y una cara que apunta hacia los c\u00f3digos QR pegados en las ventanas, los extintores y una gran estatua de robot Android. El trabajo de estos robots ambulatorios es tratar de aprender c\u00f3mo comportarse educadamente con los humanos, dijo Vincent Vanhoucke, un distinguido cient\u00edfico de Google y director del laboratorio de rob\u00f3tica. <\/p>\n
\u00abLa IA ha tenido mucho \u00e9xito en los mundos digitales, pero a\u00fan tiene que hacer mella significativa para resolver problemas reales para personas reales en el mundo f\u00edsico real\u00bb, dijo Vanhoucke. \u00abCreemos que es un gran momento en este momento para que la IA migre al mundo real\u00bb. <\/p>\n<\/p><\/div>\n