Un robot que puede aprender por sí mismo muestra promesas para el futuro de la IA

Un periodista visitó las oficinas de Generalist AI en Cambridge, Massachusetts, para presenciar robots realizando tareas complejas con una mínima capacitación. Los robots, equipados con brazos robóticos, fueron capaces de completar tareas como apilar vasos y mover objetos en cuencos después de ver videos instructivos cortos. Un robot incluso se adaptó utilizando una escoba como cepillo cuando la herramienta original fue retirada. Otro robot logró abrochar una cartera y recuperar notas, cambiando de mano cuando fue necesario. Estas demostraciones resaltan la capacidad de los robots para improvisar y aplicar habilidades aprendidas a nuevas situaciones. Pete Florence, CEO de Generalist AI, comparó las capacidades de los robots con las de GPT-3, señalando que los modelos pueden ser solicitados para realizar nuevas tareas con una alta probabilidad de éxito. La empresa se centra en enseñar a los robots la física del mundo, inspirada en la intuición humana. Este enfoque permite a los robots transferir conocimientos entre diferentes escenarios, de manera similar a como los niños experimentan y se adaptan al aprender nuevas tareas. El equipo de Generalist AI incluye ex empleados de Google DeepMind y Boston Dynamics, y han desarrollado un método de entrenamiento único que implica recopilar grandes cantidades de datos de interacción física sin estar atados a un solo robot. La empresa también ha desarrollado sus propios modelos de IA desde cero, en lugar de depender de modelos de lenguaje de código abierto. Danfei Xu, un robótico en Georgia Tech, elogió a la startup por su ejecución y enfoque científico, señalando que su trabajo sugiere un camino hacia robots desplegables en entornos del mundo real. Karen Liu, una robótica en Stanford University, destacó el enfoque basado en datos de la empresa como una apuesta sólida para las capacidades futuras de la robótica. Sin embargo, Generalist AI reconoce que sus modelos aún no son completamente fiables, con una tasa de éxito de alrededor del 59% para completar tareas. La empresa todavía está trabajando en mejorar la generalización en diferentes tareas y entornos. A pesar de estos desafíos, el potencial de los robots para aprender y adaptarse rápidamente en industrias como la manufactura es significativo. Un ingeniero observó a un robot apilando vasos de forma independiente después de haber sido mostrado la tarea, demostrando la capacidad del sistema para aprender y aplicar nuevas habilidades en tiempo real.