Por eso el investigador Sergey Levine intenta crear un sistema de inteligencia artificial a través de robots que aprenden solos bajo un entorno de aprendizaje basado en ensayos de prueba error. La idea es que 14 brazos robóticos interconectados sean capaces de aprender a agarrar y soltar pequeños objetos depositados sobre unas bandejas metálicas.
Para el estudio, el equipo de Levine utiliza redes neuronales convencionales, lo que significa que estas máquinas pueden aprender distintas formas de tomar objetos tan diferentes como una taza, una cinta y un delfín de juguete con luces de neón. El experimento pretende emular la visión humana y el entendimiento del entorno para clasificar imágenes y los objetos que la componen y podría ayudar a otras máquinas a predecir el resultado de este tipo de movimientos.
El reto más grande consiste en entrenar a los robots para que puedan agarrar objetos que nunca antes han visto antes. Por ello, los investigadores hicieron que los brazos metálicos eligieran objetos al azar de las bandejas. Tras 800 mil intentos, los brazos en red fueron capaces corregir de sus acciones, y poco a poco estos brazos robóticos fueron capaces de reconocer y tomar los objetos con mayor frecuencia e incluso, desechar y empujar los objetos que le estorbaban.
El porcentaje de error de los robots antes del entrenamiento era del 34% durante los primeros 30 intentos, pero se redujo al 18% después de varias pruebas. Los dispositivos también han podido diferenciar cosas duras, de las suaves. Esto es posible gracias a una cámara que registra la información y que la lleva a un primer sistema que se encarga de predecir la mejor forma de coger el objeto, dependiendo de todo lo que ha estado aprendiendo desde que fue creado el sistema.
Sólo espero que después de que aprendan a tomar objetos filosos no se les ocurra lanzarlos a sus creadores.
