¿Podría contarnos un poco sobre tu trabajo en Stanford?

Andrew Ng: he trabajado con robots la mayor parte de mi carrera y mi grupo ha desarrollado un software que se llama ROF. Hace cuatro años, veía a mis robots y trataba de saber qué es lo que pueden hacer y lo que no, y me di cuenta de que muchas de las limitaciones de los robots en la actualidad están en el software. Las limitaciones no se encuentran en el hardware o en lo que se refiere a lo mecánico. A raíz de eso empecé a enfocarme en desarrollar un software de aprendizaje automático a gran escala.

¿Cómo funciona el aprendizaje automático?

Imagina por ejemplo que quieres hablarle a un robot. Quieres decirle ‘robot por favor ve a mi oficina y esconde la engrapadora’. ¿Cómo va a entender eso? A través del reconocimiento o cuando encuentre el camino hasta tu oficina. ¿Puede de hecho un robot ver alrededor en tu oficina y encontrar la engrapadora? Tratamos de escribir software para poder hacer eso. El software que estamos desarrollando depende de redes neuronales, es decir simulaciones del cerebro humano. Así ha mejorado mucho la precisión del software.

Uno de los retos más grandes para los robots, es la capacidad de percibir con precisión, de ver el mundo a su alrededor con precisión y reconocer objetos.

Esa es la barrera clave para lograr que los robots hagan las tareas que queremos que hagan.

¿Cuáles son las tareas que quieren que hagan?

Autos que conduzcan automáticamente, por ejemplo. Podemos controlar autos con extrema precisión. Con mucha más precisión que la mayoría de los conductores humanos. Pero la razón por la que no podemos dejarlos conducir automáticamente hasta el momento, es porque los autos no pueden percibir con precisión dónde está el camino, dónde están los otros vehículos. Los vehículos que conducen automáticamente se convertirán rápidamente en una realidad…si es que podemos resolver el problema de percepción.

¿Cómo funciona el software en un robot?

En los inicios de la robótica lo que la gente hacía era escribir reglas. Reglas como: si alguien te da este comando, entonces prendes este motor. Para éste otro comando, entonces prende otro motor. Hoy es todavía éste el nivel de tecnología de nuestras lavadoras: si pulsas un botón se prende el motor, si pulsas otro lo apagas. Así era en los inicios de la robótica: si pulsabas un botón el robot avanzaba hacia delante y si pulsabas otro giraba. Con el tiempo, las reglas que se pueden programar se hicieron más y más complejas. Ahora si se pulsa un botón se quiere que el robot levante un brazo, pero el brazo tiene tres motores y se requiere prender esos tres motores simultáneamente. Las reglas se han hecho cada vez más sofisticadas, y han posibilitado que los robots puedan hacer funciones cada vez más complejas.

Hace 20 años las funciones que queríamos que los robots hicieran eran tan complicadas, que no supimos cómo escribir reglas para realizarlas. Por ejemplo, imagina que quieres programar un robot para que te mire a la cara, que simplemente gire la cabeza y te mire a la cara. Una de las cosas que tiene que hacer es reconocer si estás frente a él o no, o sea usar una cámara para saber si estás parada frente a él. Las reglas tienen que posibilitarlo y eso es increíblemente difícil. Ahí es cuando los investigadores giraron hacia el aprendizaje de las máquinas, con el que en vez de escribir los algoritmos a mano, los mismos robots son los que asumen el trabajo y trataran de escribir un software que pueda figurar por sí mismo qué es un rostro y qué no.

Por ejemplo, algo en lo que he trabajado es en hacer que un helicóptero haga acrobacias aéreas complejas. Cuando lo intente me di cuenta de que no había una manera simple de programar en reglas ese nivel de complejidad. En vez de eso usamos el software de aprendizaje automático. Eso significa que buscamos a un piloto humano, uno de los mejores pilotos en los Estados Unidos. Le pedimos que hiciera una demostración de las maniobras y dejamos que el software aprendiera observándolo. En base a esas observaciones el robot aprendió a hacer los movimientos. Así, en vez de seguir el camino tradicional, que hubiera sido intentar escribir exactamente lo que el piloto estaba haciendo, que dudo que haya alguien que pueda hacerlo, dejamos al software observarlo y descifrar cómo hacerlo por sí mismo.

¿Es posible que los robots humanoides pasen a formar parte de nuestra vida diaria en 10 años?

Creo que es un cálculo optimista. Probablemente en 20 años podremos desarrollar robots más hábiles con los brazos. Pero robots humanoides que puedan andar en dos piernas…no, no los habrá en un futuro próximo.

¿Es posible para los robots reaccionar a instrucciones, como ordenarles que realicen alguna labor en casa o en la cocina?

Se trata de un reto muy grande. Si quieres programar a un robot para que limpie tu cocina y estás dispuesta a que un montón de ingenieros esté en tu cocina, que experimenten y se aseguren de que todo va a funcionar bien solo en una cocina, está bien, podría funcionar en unos años. Pero si se trata de que puedan limpiar cocinas en general entonces estamos hablando de un reto mucho más grande.

¿Le preocupa la interacción entre humanos y robots?

Veamos… creo que los robots van a entrar en la vida cotidiana y que hay preguntas muy grandes que deben ser resueltas acerca de cómo van a interactuar con los humanos. Sí, creo que será un reto importante.

*Andrew Ng nació en el Reino Unido. Trabaja en el Departamentos de Ciencias Computacionales e Ingeniería Eléctrica, y dirige el Laboratorio de Inteligencia Artificial de la Universidad de Stanford en California. Es además fundador de Coursera, un exitoso sitio de cursos gratuitos en línea de alto nivel académico. El sitio que fundó junto a su colega Daphne Koller, reúne a 4.7 millones de estudiantes de todo el mundo. Debido a su labor en Cousera, Andrew Ng fue catalogado este 2013 por la revista TIME como uno de los 100 individuos más influyentes del mundo.