Choca esos cinco robótico
El lunes, investigadores de OpenAI, la empresa sin ánimo de lucro dedicada a la investigación en IA cofundada por Elon Musk, presentaron Dactyl, un sistema de IA entrenado para controlar una mano robótica. Según los investigadores, el sistema puede manipular objetos físicos con la mano con una destreza que la IA nunca había alcanzado.
La tarea que abordó Dactyl podría sonar como algo que enseñarías a un niño pequeño: toma este bloque de seis caras y muévelo hasta que una cara determinada quede arriba. Sin embargo, a diferencia de un niño pequeño, Dactyl necesitó más de un siglo de experiencia para aprender a completar la tarea con pericia. Pero, gracias a potentes ordenadores, los investigadores pudieron condensar toda esa experiencia en solo 50 horas «en el mundo real».
La práctica hace (casi) al maestro
Los investigadores entrenaron a Dactyl en un entorno simulado —es decir, un entorno digital con una mano generada por ordenador— mediante una técnica llamada aleatorización de dominios. Incorporaron ciertos parámetros al entorno simulado, como el tamaño del cubo o el ángulo de la gravedad, y luego aleatorizaron esas variables. Varias manos simuladas realizaban este proceso a la vez. Al obligar a Dactyl a adaptarse a tantos escenarios virtuales distintos, los investigadores prepararon a la IA para adaptarse a situaciones del mundo real.
Tras 50 horas de entrenamiento en el entorno simulado, la IA podía manipular una mano robótica real y completar con éxito la tarea asignada 50 veces seguidas (se consideraba que la tarea se había completado con éxito si el sistema no dejaba caer el bloque ni tardaba más de 80 segundos). Para averiguar cómo mover la mano y completar la tarea, solo tenía que observar el bloque a través de tres cámaras.
Un algoritmo para entrenarlos a todos
Como señalan los investigadores en su publicación de blog, entrenaron a Dactyl con el mismo algoritmo que utilizaron para OpenAI Five, un equipo de cinco redes neuronales entrenadas para jugar al videojuego de estrategia DOTA 2. El éxito de Dactyl demuestra que es posible crear un algoritmo de propósito general capaz de enseñar a una IA a completar dos tareas muy distintas. Esto podría facilitar mucho el entrenamiento de IA para numerosos fines en el futuro, ya que los investigadores no tendrían que empezar el proceso desde cero.
