{"id":968489,"date":"2024-01-17T09:24:18","date_gmt":"2024-01-17T09:24:18","guid":{"rendered":"https:\/\/magazineoffice.com\/saluden-a-rt-x-el-proyecto-global-destinado-a-crear-un-megacerebro-de-ia-para-todos-los-robots\/"},"modified":"2024-01-17T09:24:20","modified_gmt":"2024-01-17T09:24:20","slug":"saluden-a-rt-x-el-proyecto-global-destinado-a-crear-un-megacerebro-de-ia-para-todos-los-robots","status":"publish","type":"post","link":"https:\/\/magazineoffice.com\/saluden-a-rt-x-el-proyecto-global-destinado-a-crear-un-megacerebro-de-ia-para-todos-los-robots\/","title":{"rendered":"Saluden a RT-X: el proyecto global destinado a crear un megacerebro de IA para todos los robots"},"content":{"rendered":"<p> <br \/>\n<\/p>\n<div id=\"article-body\">\n<p>Nos guste o no, ahora estamos en el mundo de la IA generativa.  Redes neuronales enormemente complejas entrenadas con grandes cantidades de datos, todo para que podamos usarlos para hacer fotograf\u00edas de burros montando cohetes espaciales o decirnos qu\u00e9 cobertura de churro es la mejor.  Bromeo, por supuesto, porque los modelos de lenguajes grandes (LLM) pueden ser muy \u00fatiles, pero hay un \u00e1rea en la que a\u00fan no se han utilizado y es la rob\u00f3tica.  Ya no, ya que Google, la Universidad de California y una serie de otros laboratorios de todo el mundo han iniciado el proyecto RT-X, con el objetivo de utilizar la IA para crear un \u00abcerebro\u00bb polivalente para robots.<\/p>\n<p>Hasta ahora, nadie parece haberlo intentado realmente, pero es s\u00f3lo porque los datos utilizados para entrenar redes neuronales se basan casi exclusivamente en esfuerzos humanos, como el arte, la m\u00fasica, la escritura, etc.  Por sorprendente que parezca, Internet no est\u00e1 lleno de datos sobre los robots y qu\u00e9 tan bien realizan tareas espec\u00edficas.<\/p>\n<aside class=\"hawk-nest\" data-render-type=\"fte\" data-skip=\"dealsy\" data-widget-type=\"seasonal\"\/>\n<p>De ah\u00ed que Google y la Universidad de California decidieron crear el proyecto RT-X (a trav\u00e9s de Fudzilla), involucrando a otros 32 laboratorios de rob\u00f3tica de todo el mundo, para ayudarlos a generar el tipo de datos necesarios para entrenar una red neuronal.  Eso significa recopilar datos de millones y millones de interacciones de robots, haciendo cosas como recoger y colocar o soldar en l\u00edneas de fabricaci\u00f3n.<\/p>\n<p>El objetivo es tener un conjunto de datos lo suficientemente grande como para crear un LLM que pueda usarse para producir el c\u00f3digo necesario para programar un robot para realizar cualquier tarea.  En esencia, es un cerebro rob\u00f3tico de uso general.<\/p>\n<p>Mis propias experiencias en la programaci\u00f3n de brazos rob\u00f3ticos, desde los d\u00edas en que ense\u00f1aba ingenier\u00eda, eran asuntos primitivos, pero puedo ver f\u00e1cilmente el atractivo y el potencial de este trabajo.  En lugar de codificar todo manualmente, la idea es escribir en la interfaz algo como \u00abPon las naranjas en el cuadro gris y deja las manzanas en paz\u00bb.  Luego, el LLM se encargar\u00eda de la producci\u00f3n del c\u00f3digo necesario para hacer esto.<\/p>\n<p>Al utilizar entradas espec\u00edficas, como una transmisi\u00f3n de v\u00eddeo de la c\u00e1mara del robot, el c\u00f3digo se ajustar\u00eda autom\u00e1ticamente para tener en cuenta no s\u00f3lo el entorno en el que se encuentra el robot, sino tambi\u00e9n la marca y el modelo del robot que realmente se utiliza.  Las primeras pruebas del modelo RT-X, como informa IEEE Spectrum, tuvieron m\u00e1s \u00e9xito que el mejor esfuerzo de codificaci\u00f3n del laboratorio.<\/p>\n<p>Los siguientes pasos fueron a\u00fan m\u00e1s impresionantes.  Los cerebros humanos son excepcionalmente buenos para razonar: d\u00edgale a alguien que tome una manzana y la coloque entre una lata de refresco y una naranja sobre la mesa, y esperar\u00eda que lo hiciera sin problemas.  No ocurre lo mismo con los robots y, por lo general, todo esto tendr\u00eda que codificarse directamente en ellos.<\/p>\n<p>Sin embargo, Google descubri\u00f3 que el LLM pod\u00eda \u00abresolverlo\u00bb, aunque esta tarea espec\u00edfica nunca form\u00f3 parte del conjunto de datos de entrenamiento de la red neuronal.<\/p>\n<p>Aunque el proyecto RT-X a\u00fan est\u00e1 en sus inicios, los beneficios de la IA generativa son claros de ver y el plan ahora es ampliar la cantidad de capacitaci\u00f3n, desde tantas instalaciones rob\u00f3ticas como sea posible, para producir un LLM con encarnaciones cruzadas.<\/p>\n<p>Somos naturalmente de encarnaci\u00f3n cruzada (es decir, a nuestro cerebro se le puede ense\u00f1ar a realizar muchas tareas complejas, como practicar un deporte, andar en bicicleta o conducir un autom\u00f3vil), pero por el momento, los robots no lo son ni remotamente.<\/p>\n<p>Sin embargo, alg\u00fan d\u00eda podremos ir a un autoservicio, pedir nuestra comida y tener en nuestras manos exactamente lo que pedimos y colocamos correctamente.  Ahora bien, si eso no es progreso, no s\u00e9 qu\u00e9 lo es.  No puedo esperar para saludar a nuestros se\u00f1ores supremos megacerebrados de IA&#8230; err&#8230; robots \u00fatiles.<\/p>\n<\/div>\n<p><br \/>\n<br \/><a href=\"https:\/\/magazineoffice.com\/\">Source link-8 <\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Nos guste o no, ahora estamos en el mundo de la IA generativa. Redes neuronales enormemente complejas entrenadas con grandes cantidades de datos, todo para que podamos usarlos para hacer&hellip;<\/p>\n","protected":false},"author":1,"featured_media":968490,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[34],"tags":[977,2117,4733,8,114309,107,1134,10012,844,49338,214],"_links":{"self":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts\/968489"}],"collection":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/comments?post=968489"}],"version-history":[{"count":1,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts\/968489\/revisions"}],"predecessor-version":[{"id":968491,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts\/968489\/revisions\/968491"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/media\/968490"}],"wp:attachment":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/media?parent=968489"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/categories?post=968489"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/tags?post=968489"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}