Las ondas cerebrales: una nueva arma para entrenar robots de inteligencia artificial

En un almacén de la ciudad de San Leandro, California, un empleado con un casco equipado con cámara y sensores neurales juega al Jenga con total concentración. La escena parece ordinaria a primera vista, pero en realidad es un experimento de próxima generación: medir las ondas cerebrales humanas con el objetivo de mejorar la capacidad de los robots para aprender y comprender el mundo físico que los rodea.

La crisis de datos: el verdadero obstáculo para los robots del futuro

La industria de la inteligencia artificial física —el campo dedicado a construir sistemas robóticos capaces de interactuar con el entorno— enfrenta un desafío fundamental que no tiene que ver con el diseño de modelos ni con la potencia de los procesadores, sino con la escasez de datos de entrenamiento del mundo real. A diferencia de los grandes modelos de lenguaje, que construyeron su base de conocimiento a partir de miles de millones de páginas disponibles en internet a bajo costo, los robots necesitan datos físicos precisos que son difíciles de recopilar o de simular digitalmente.

La empresa británica Encord, especializada en herramientas de datos para el entrenamiento de modelos de inteligencia artificial, trabaja para superar esta crisis con un enfoque diferente: en lugar de limitarse a gestionar los datos existentes, fabrica datos desde cero. Vineeth Vellmorghan, responsable de aprendizaje automático robótico en la compañía y veterano del laboratorio de robótica de OpenAI, lo resume así: «Los datos sencillamente no existen».

Ondas cerebrales: datos de una nueva dimensión

Encord colabora con la empresa alemana Zander Labs, especializada en neurociencia, para desarrollar un casco que mide la actividad eléctrica del cerebro mientras los operadores humanos realizan tareas manuales. La idea no se limita a registrar movimientos, sino que va más allá: capturar estados mentales como el error, la sorpresa y la intención, y convertirlos en una capa adicional de datos que se suma a los vídeos tradicionales.

Lucas Gehrke, el neurocientífico que supervisa el proyecto, explica que el nivel de actividad cerebral en momentos específicos proporciona a los modelos indicadores valiosos sobre cuándo aplicar los niveles más altos de atención computacional, lo que se traduce en la práctica en modelos más eficientes y con menor desperdicio de recursos. El experimento se encuentra aún en su fase inicial: Encord tiene previsto construir un conjunto de datos etiquetado con ondas cerebrales y, a continuación, evaluar su impacto en el rendimiento de modelos robóticos reales antes de tomar una decisión sobre su escalabilidad.

Múltiples métodos para recopilar datos del mundo real

Encord se apoya en dos fuentes principales para generar datos de entrenamiento dentro de su ecosistema:

• Vídeo egocéntrico (Egocentric Video): grabaciones desde la perspectiva del operador humano mediante cámaras montadas en la cabeza, complementadas con ángulos adicionales y mediciones suplementarias, recopiladas en fábricas ubicadas en distintos puntos del mundo.
• Tecnología líder-seguidor (Leader-Follower Rigs): brazos robóticos dobles en los que el ser humano controla uno directamente mientras el otro replica sus movimientos con precisión, para recopilar datos sobre tareas delicadas como verter café o conectar cables.

El equipo también experimenta con una tercera técnica emergente: sensores que se fijan en el antebrazo para leer las señales eléctricas musculares, con el objetivo de construir un modelo tridimensional del movimiento completo de la mano, algo que los vídeos convencionales no logran capturar con suficiente precisión.

El coste: la diferencia clave entre los robots y los chatbots

Vellmorghan estima que los datos etiquetados en detalle —del tipo «la mano derecha aprieta el tornillo»— superan en valor de entrenamiento a los datos brutos en un factor de cien, mientras que su coste de producción no excede veinte veces el de los datos ordinarios. Sobre el papel, es una ecuación ganadora.

Sin embargo, «veinte veces más» sigue siendo dinero real. Aquí radica la diferencia fundamental entre la inteligencia artificial física y la lingüística: los modelos de lenguaje construyeron su riqueza cognitiva a partir de datos de internet mayoritariamente gratuitos, mientras que los datos robóticos deben generarse a mano, experiencia a experiencia, lo que cambia radicalmente la economía subyacente a la construcción de estos modelos. Vellmorghan considera que alcanzar el verdadero avance requiere un volumen de datos equivalente a unas cinco veces el contenido audiovisual disponible en YouTube.

El posicionamiento estratégico: con todos al mismo tiempo

El hecho de que Encord trabaje con un amplio abanico de empresas de robótica —cuyos nombres Vellmorghan no revela— le otorga una perspectiva estratégica poco común sobre el rumbo que toma el sector. La compañía puede identificar qué métodos funcionan y cuáles fallan, y aprovechar ese conocimiento acumulado en beneficio de todos sus clientes. En un mercado donde los datos son la joya más escasa, esta posición intermediaria se perfila como una ventaja competitiva nada despreciable.

Lo que ocurre en el almacén de San Leandro no es una simple recopilación de datos; es el modelo emergente de toda una industria: la industria de los datos del mundo real, que podría convertirse en el motor oculto de la revolución de la inteligencia artificial física en los próximos años.

✦ بقلم فريق دروب أيديا