¿Por qué los robots esperan su propio momento «ChatGPT»?

Desde que apareció la aplicación «ChatGPT» a finales de 2022, el panorama tecnológico cambió radicalmente, ya que trasladó la inteligencia artificial del círculo de las promesas y el bombo publicitario a una realidad cotidiana que utilizan millones de personas. Sin embargo, el campo de la robótica, a pesar de décadas de investigación y desarrollo, aún no ha vivido su momento decisivo equivalente. ¿Qué es lo que impide este despegue? Esa es la pregunta que plantea Lex Karbes, responsable global de inteligencia artificial física en el programa «Inception» de la empresa Nvidia.

Un momento decisivo que aún no ha llegado

Karbes considera que los robots esperan su propio momento, similar a lo que logró «ChatGPT» para los grandes modelos de lenguaje. Mientras que Nvidia se ha entusiasmado con fuerza por este sector, como queda claro en las palabras de su director ejecutivo Jensen Huang durante los últimos años, todavía existe un obstáculo fundamental que impide alcanzar ese punto crucial que llevaría a los robots a un uso masivo.

El problema de los datos en el corazón del desafío

Karbes resume el obstáculo principal de una manera fácil de entender pero sumamente compleja de resolver: nadie posee una base de datos enorme del tamaño de internet dedicada a la inteligencia artificial física, del modo que permitió a empresas como «OpenAI» y «Anthropic» entrenar sus modelos de lenguaje con una cantidad ingente de textos disponibles en la red.

E incluso en el ámbito de la conducción autónoma, empresas como «Waymo» y sus competidoras lograron construir sus bases de datos a lo largo de años acumulando kilómetros recorridos en las carreteras, unas bases de datos que siguen expandiéndose mercado tras mercado. En cambio, los robots de propósito general carecen de ese depósito natural de datos.

Soluciones emergentes para cerrar la brecha

Ante esta carencia, un ecosistema creciente de empresas emergentes busca generar este enorme volumen de datos por métodos artificiales, apoyándose en varias técnicas innovadoras, entre las más destacadas:

• La simulación digital de entornos del mundo real.
• La generación de datos sintéticos para entrenar los modelos.
• La construcción de modelos fundacionales entrenados en múltiples formas de robots a la vez.

El desafío de salvar el abismo entre el mundo digital y el físico representa una de las cuestiones más complejas que enfrenta la industria de la robótica hoy en día, lo que convierte la disponibilidad de datos adecuados en la piedra angular de cualquier avance futuro.

Experiencia multidisciplinar

Karbes es una de las personas más cualificadas para responder a esta pregunta, en virtud de su posición que le permite coordinarse con un amplio ecosistema de empresas emergentes que abarcan los campos de la robótica, los automóviles, la fabricación, la movilidad, las ciudades inteligentes y otros. Son precisamente los ámbitos que intentan abordar la brecha de datos.

Su trayectoria profesional refleja la naturaleza de esta industria que requiere habilidades multidisciplinares, pues ha transitado por diversos roles que incluyen el trabajo como arquitecto, ingeniero de fabricación, director ejecutivo de una empresa emergente e inversor de capital corporativo, a través de instituciones conocidas en distintos sectores.

Conclusión

La visión de Karbes revela que el futuro de la robótica no depende del desarrollo de dispositivos más complejos, sino de resolver el dilema de los datos que permiten a estas máquinas comprender el mundo material e interactuar con él con flexibilidad. Y cuando se resuelva este dilema, podríamos presenciar el tan esperado momento decisivo de los robots, tal como «ChatGPT» transformó nuestra relación con el texto y el lenguaje.

✦ بقلم فريق دروب أيديا