Cuando Rodney Brooks habla de robótica e inteligencia artificial, hay que escucharlo. Actualmente es profesor emérito de robótica de Panasonic en el MIT y también cofundó tres empresas clave, entre ellas Rethink Robotics, iRobot y su actual proyecto, Robust.ai. Brooks también dirigió el Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT durante una década a partir de 1997.
De hecho, le gusta hacer predicciones sobre el futuro de la IA y lleva un registro de puntuación en su blog de lo bien que lo está haciendo.
Brooks sabe de lo que habla y cree que tal vez sea hora de ponerle freno a la exageración que genera la IA generativa. Brooks cree que es una tecnología impresionante, pero tal vez no tan capaz como muchos sugieren. “No digo que los LLM no sean importantes, pero tenemos que tener cuidado”. [with] “Cómo los evaluamos”, dijo a TechCrunch.
Brooks afirma que el problema con la IA generativa es que, si bien es perfectamente capaz de realizar un determinado conjunto de tareas, no puede hacer todo lo que puede hacer un ser humano, y los seres humanos tienden a sobreestimar sus capacidades. “Cuando un ser humano ve que un sistema de IA realiza una tarea, inmediatamente la generaliza a cosas que son similares y hace una estimación de la competencia del sistema de IA; no solo el desempeño en esa tarea, sino la competencia en torno a ella”, dijo Brooks. “Y generalmente son demasiado optimistas, y eso se debe a que utilizan un modelo del desempeño de una persona en una tarea”.
Añadió que el problema es que la IA generativa no es humana ni siquiera parecida a la humana, y es un error intentar asignarle capacidades humanas. Dice que la gente lo ve tan capaz que incluso quieren usarlo para aplicaciones que no tienen sentido.
Brooks ofrece su última empresa, Robust.ai, un sistema robótico para almacenes, como ejemplo de ello. Alguien le sugirió recientemente que sería genial y eficiente decirles a sus robots de almacén dónde ir mediante la creación de un LLM para su sistema. Sin embargo, en su opinión, este no es un caso de uso razonable para la IA generativa y, de hecho, ralentizaría las cosas. En cambio, es mucho más sencillo conectar los robots a un flujo de datos procedente del software de gestión del almacén.
“Cuando tienes 10.000 pedidos recién llegados que tienes que enviar en dos horas, tienes que optimizarlos. El lenguaje no ayudará; simplemente va a ralentizar las cosas”, dijo. “Tenemos procesamiento de datos masivo y técnicas y planificación masivas de optimización de IA. Y así es como completamos los pedidos rápidamente”.
Otra lección que Brooks ha aprendido cuando se trata de robots e inteligencia artificial es que no se puede intentar hacer demasiado. Debes resolver un problema que tenga solución y en el que los robots puedan integrarse fácilmente.
“Necesitamos automatizar en lugares donde ya se han limpiado las cosas. Entonces, el ejemplo de mi empresa es que nos está yendo bastante bien en los almacenes, y los almacenes en realidad están bastante limitados. La iluminación no cambia con esos grandes edificios. No hay cosas tiradas en el suelo porque la gente que empuja los carros se toparía con eso. No hay bolsas de plástico flotantes por ahí. Y en gran medida no es del interés de las personas que trabajan allí ser maliciosos con el robot”, dijo.
Brooks explica que también se trata de robots y humanos trabajando juntos, por lo que su empresa diseñó estos robots para fines prácticos relacionados con las operaciones de almacén, en lugar de construir un robot con apariencia humana. En este caso, parece un carrito de compras con manija.
“Así que el factor de forma que utilizamos no son humanoides caminando por ahí, a pesar de que he construido y entregado más humanoides que nadie. Parecen carritos de compras”, dijo. “Tiene un manillar, de modo que si hay un problema con el robot, una persona puede agarrar el manillar y hacer lo que quiera con él”, dijo.
Después de todos estos años, Brooks ha aprendido que lo importante es hacer que la tecnología sea accesible y esté diseñada para un propósito específico. “Siempre trato de hacer que la tecnología sea fácil de entender para la gente, y así poder implementarla a gran escala y siempre tener en cuenta el caso de negocio; el retorno de la inversión también es muy importante”.
Aun así, Brooks dice que tenemos que aceptar que siempre habrá casos atípicos difíciles de resolver en lo que respecta a la IA, que podrían tardar décadas en resolverse. “Si no se define cuidadosamente cómo se implementa un sistema de IA, siempre hay una larga lista de casos especiales que tardan décadas en descubrirse y solucionarse. Paradójicamente, todas esas soluciones son soluciones de IA en sí mismas”.
Brooks añade que existe esta creencia errónea, en gran parte gracias a Ley de Mooreque siempre habrá un crecimiento exponencial cuando se trata de tecnología: la idea de que si ChatGPT 4 es tan bueno, imaginen cómo serán ChatGPT 5, 6 y 7. Él ve esta falla en esa lógica, que la tecnología no siempre crece exponencialmente, a pesar de la ley de Moore.
Utiliza el iPod como ejemplo. En unas pocas iteraciones, de hecho, duplicó su capacidad de almacenamiento, pasando de 10 GB a 160 GB. Si hubiera continuado en esa trayectoria, calculó que tendríamos un iPod con 160 TB de almacenamiento en 2017, pero, por supuesto, no fue así. Los modelos que se vendieron en 2017 en realidad venían con 256 GB o 160 GB porque, como señaló, nadie necesitaba realmente más que eso.
Brooks reconoce que los LLM podrían ayudar en algún momento con los robots domésticos, donde podrían realizar tareas específicas, especialmente con una población que envejece y no hay suficientes personas para cuidarlos. Pero incluso eso, dice, podría conllevar su propio conjunto de desafíos únicos.
“La gente dice: ‘Oh, los grandes modelos de lenguaje harán que los robots puedan hacer cosas que ellos no podían hacer’. Ahí no es donde está el problema. El problema de poder hacer cosas tiene que ver con la teoría de control y todo tipo de optimización matemática extrema”, dijo.
Brooks explica que esto podría llevar a robots con interfaces lingüísticas útiles para las personas que necesitan cuidados. “En un almacén no es útil decirle a un robot que salga a buscar algo para un pedido, pero puede ser útil para el cuidado de ancianos en hogares que las personas puedan decirle cosas a los robots”, dijo.