El futuro del desarrollo de la robótica social, aquellos sistemas que interactúan y se comunican con humanos en ámbitos sociales o domésticos, está estrechamente vinculado a la capacidad de su aprendizaje de las “personas reales y usuarios” para optimizar sus funciones y aplicaciones, según explicó Iolanda Leite, profesora asociada en la División de Robótica, Percepción y Aprendizaje del KTH Royal Institute of Technology (Estocolmo).
En la presentación de su ponencia Los robots (aún) necesitan a los humanos en el circuito en la European Conference on Artificial Intelligence (ECAI 2024), que se celebra desde el 19 hasta el 24 de octubre en Santiago de Compostela, la profesora Iolanda Leite presentó una investigación en la que demuestra que los sistemas robóticos inteligentes que “aprenden informados por el conocimiento humano”, consiguen mayores prestaciones en sus funciones.
“El papel de las personas es esencial en el proceso de aprendizaje interactivo de los robots. Defendemos un proceso de aprendizaje centrado en las personas que se encamine a una autonomía responsable de los robots e interacciones más naturales y eficientes. Los humanos ayudan a los robots a mejorar. Todavía nos necesitan para aprender cómo interactuar con la gente”, subrayó.
Iolanda Leite señaló que en diferentes contextos en los que los robots interactúan con personas y en contextos sociales del mundo real, la comunicación “puede no ser fácil” y “se complica” cuando se multiplica el número de personas interactuando o cuando, por ejemplo, el robot interactúa con una persona que no está hablando en su lengua materna, ya que, a menudo, la máquina interpreta las pausas y dudas del lenguaje “de forma incorrecta”.
Por ello, subrayó que los “robots todavía necesitan a las personas reales y no solo a los expertos”, en diferentes fases del proceso de aprendizaje. Así mostró ejemplos de entrenamiento del desempeño social en la elección de objetos indicados por humanos, en la navegación, además de asegurar que “aprenden de forma consistente, alineados con la forma en la que los humanos representan y priorizan la información”.
Leite expuso varios casos en los que se mejora la conversación entre los humanos y robots a través de clarificaciones que resuelven ambigüedades. “Actualmente los métodos de IA tienen un desempeño mejorable en cuanto a órdenes ambiguas, (por ejemplo, 'coge la verdura verde' cuando hay varias disponibles) por lo que es necesario aumentar la explicabilidad para describir escenas y facilitar que los robots puedan superar las ambigüedades”.
“Un mayor número de datos es bueno para la investigación, pero los robots en el mundo real, cuando se equivocan, necesitan readaptarse a diferentes situaciones y debemos reajustar el algoritmo. El papel de las personas es esencial en el proceso de aprendizaje interactivo de los robots y para lograr interacciones más naturales y eficientes”, concluyó.