Agujero Negro

Es uno de los temas que me parece más fascinantes: la llegada de la algoritmia generativa y sus capacidades al mundo físico, mediante el desarrollo de robots capaces de aprender tareas por imitación, como lo hacemos los humanos.

Los frutos de la ya llamada OpenAI Mafia, ex-trabajadores de la compañía que la han dejado para crear otras empresas, no se están haciendo esperar: una spin-off de OpenAI llamada Covariant, surgida a partir del desmantelamiento del equipo de robótica de la compañía debido a la falta de datos necesarios para entrenar sus robots, está construyendo robots industriales precisamente capaces de entrenarse mediante la imitación, a través de vídeos, lo que equivale básicamente a un ChatGPT para robots. La idea es dotar a los mecanismos robóticos de formas de aprender tareas que funcionan del mismo modo que los modelos de lenguaje masivos (LLM), y que se alimentan mediante la observación, lo que les permite llevar a cabo todo tipo de movimientos o tareas que sean físicamente compatibles con sus características.

La posibilidad de que un robot pueda desarrollar tareas sin tener que pasar por un costoso y rígido proceso de programación, como ocurría tradicionalmente con los llamativos vídeos de robots bailando o haciendo parkour, y pasen a «programarse» mediante la imitación de cualquier tarea, abre la puerta a la idea de sustitución de muchísimas tareas de las denominadas «de cuello azul» mediante máquinas capaces de trabajar de manera prácticamente continua, sin cansarse ni distraerse, y con niveles de precisión superiores a los del ser humano.

Hasta ahora, la necesidad de programar los robots mediante rutinas fijas que no dejaban más grados de libertad que graduar sus movimientos mediante la lectura continua de unos sensores hacía que ese tipo de posibilidad se restringiese a tareas completamente repetitivas o rutinarias. Incorporar algoritmia de tipo generativo al proceso hace posible dotar a la robótica de una versatilidad muy superior, lo que posibilita desde un uso mucho más flexible hasta una posibilidad de evolución continua o de adaptación a elementos cambiantes mucho más natural, más propia de lo que ofrecen los trabajadores humanos.

La adaptación de un robot para que lleve a cabo tareas manuales razonablemente versátiles que hoy pedimos a un trabajador humano – no simplemente apretar un tornillo o trasladar algo de un sitio a otro, sino tareas de mucha mayor complejidad – no va a tener lugar de la noche a la mañana, pero todo indica que el factor limitante no va a ser otro que la disponibilidad de datos para el entrenamiento. Del mismo modo que la evolución de los algoritmos generativos tuvo lugar cuando algunas compañías comenzaron a utilizar datos obtenidos en internet para su adiestramiento, ahora podríamos ver cómo compañías con trabajadores manuales comienzan a grabarlos rutinariamente en vídeo para poder adiestrar a robots que hagan su trabajo… o incluso, a generar esos vídeos ellos mismos sin participación de los propios trabajadores mediante la generación de vídeo.

Estamos, muy posiblemente, ante el momento en el que comenzamos a ver la inteligencia artificial generativa como capaz de sustituir cada vez más tareas, ya no solo intelectuales o creativas habituales en personas que trabajan delante de una pantalla y un teclado, sino de cualquier persona, incluidos trabajadores manuales de todo tipo. Un avance así podría convertir buena parte del trabajo humano físico en obsoleto, y condenar a las compañías que pretendan mantenerlo a ser menos eficientes y rentables que aquellas que lo sustituyan por robots. No hay más que echar un vistazo a la página de Covariant y al tipo de compañías con las que están trabajando para entender las posibles consecuencias de desarrollos de este tipo, y lo que implicaría de cara al futuro del trabajo y, por extensión, de las sociedades humanas.

Fuente: Enrique Dans