El MIT le puso límites a la inteligencia artificial sin tener que reeducarla: los robots, contentos

¿Y si la inteligencia artificial ya entrenada pudiera cumplir reglas nuevas sin mandar todo a reciclar? Eso, básicamente, es lo que propone HardFlow, un desarrollo del Instituto de Tecnología de Massachusetts (MIT), más conocido como el MIT, la universidad que suelen mencionar las películas cuando hablan de genios con pelo blanco y guardapolvo.

El método no reemplaza al modelo ni lo obliga a pasar otra vez por el, perdón, por el aula. Trabaja encima. Funciona sobre modelos generativos que ya aprendieron y actúa recién cuando se los usa. Para que la cuenta cierre, el equipo cortó el problema en pedazos más chicos y se apoyó en la estructura de los modelos de emparejamiento de flujo, un tipo de red que transforma ruido en datos ordenados, como cuando armás un rompecabezas sin la caja.

¿Qué hizo el robot en el ensayo?

• Un brazo robótico tenía que llegar hasta un objeto sorteando lo que se le cruzara en el camino.
• HardFlow lo guió por el recorrido más corto posible sin chocar.
• Las alternativas usadas como referencia terminaron golpeando cosas o dando vueltas innecesarias.

La diferencia con el muestreo basado en proyección, la técnica clásica para imponer condiciones, es el momento en que se aplican las reglas. Esa variante las mete en cada paso del proceso y termina apretando tanto al sistema que lo deja sin aire para buscar una salida mejor. HardFlow deja libertad en los pasos intermedios y obliga a que el resultado final respete las condiciones, algo así como no fijarte en la letra chica hasta que firmaste el contrato.

Los investigadores también lo pusieron a prueba en laberintos y en edición de imágenes a partir de instrucciones escritas. En todos los casos, las restricciones se cumplieron y la calidad de las soluciones superó a las referencias. El tiempo de procesamiento fue similar o incluso menor al de los métodos anteriores.

¿Por qué importa para los que no somos del MIT?

Porque volver a entrenar un modelo grande cuesta una fortuna y lleva días. Un sistema que agrega condiciones de seguridad y eficiencia después del entrenamiento baja los costos y acelera los plazos. Para un fabricante de robots en, digamos, Rosario, significa poder actualizar las reglas de un brazo industrial sin mandar toda la línea a parada técnica. Veremos.