Un robot del MIT cumplió el mandado sin pisar ninguna trampa en el camino

El otro día se me cayó la señal del Wi-Fi justo cuando necesitaba mandar un archivo urgente. Tuve que dar tres vueltas por la oficina hasta encontrar un punto donde el router decidiera cooperar. Algo así, pero con dólares y un brazo metálico, fue lo que evitó un equipo del MIT en una prueba reciente.

Investigadores del Instituto de Tecnología de Massachusetts probaron HardFlow, un método que sirve para imponer condiciones de seguridad a una inteligencia artificial sin necesidad de volver a entrenarla desde cero. En uno de los ensayos, un brazo robótico tenía que llegar lo más rápido posible hasta un objeto sin chocarse con nada. La mayoría de los métodos alternativos o se comían un obstáculo o daban una vuelta innecesaria que daba ganas de llorar.

Por qué importa que el robot no choque

Para una máquina, no romper cosas es una regla sagrada. Acortar el recorrido, en cambio, es un objetivo deseable pero negociable. HardFlow permite exigir las dos cosas al mismo tiempo dentro del mismo cálculo. Como explicarlo fácil: es la diferencia entre un cadete que sabe que tiene que entregar el pedido sin romper el envoltorio y, a la vez, quiere llegar rápido para evitar el tránsito de la General Paz un lunes a las ocho.

La diferencia central está en cuándo se le exige al sistema que cumpla las reglas. Una técnica llamada muestreo basado en proyección, que se usa como referencia, fuerza las restricciones en cada paso intermedio del proceso. Eso achica el menú de opciones y termina empobreciendo el resultado final, igual que corregir una receta cada diez segundos.

La libertad como aliada

HardFlow deja libertad durante los pasos internos y exige que el resultado final respete las condiciones. Las etapas intermedias se descartan. El equipo usó herramientas de control óptimo para ir guiando la generación con correcciones graduales hacia una respuesta válida. El tiempo de procesamiento fue similar o menor al de la mayoría de los métodos comparados.

El punto fino es que el método se aplica sobre modelos generativos ya entrenados. Actúa en el momento de usarlos, no en el de fabricarlos. Para una pyme que ya pagó por una IA y no piensa reentrenarla, eso vale oro: aggiornar el contrato, no comprar uno nuevo.

“Poder exigir reglas sin tener que volver a entrenar el modelo es, en criollo, aggiornar el contrato sin comprar uno nuevo.”Florencia Soto

Mi consejo práctico para quien sigue estos temas: cada vez que aparezca un anuncio rimbombante sobre inteligencia artificial, preguntarse si lo nuevo exige reentrenar el sistema o si funciona sobre lo que ya está en producción. Esa distinción suele separar lo que llega al usuario común de lo que se queda en el laboratorio.