Un método del MIT le pone límites a la inteligencia artificial sin pedirle que vuelva a la escuela

Imaginate un brazo robótico en un depósito, intentando llegar hasta una caja sin tirarse todo lo que tiene alrededor. La mayoría de los sistemas de inteligencia artificial que probaron en el Instituto de Tecnología de Massachusetts (MIT) o chocaban contra los obstáculos o daban rodeos absurdos. Uno solo hizo los dos bien: llegó rápido y sin romper nada. Se llama HardFlow y la gracia es que no necesitó que lo volvieran a entrenar desde cero.

Qué cambió respecto de otros métodos

La diferencia está en el momento en que se le ponen las reglas. La técnica que se venía usando, el llamado muestreo basado en proyección, obligaba a cumplir las condiciones en cada paso del proceso, uno por uno. Eso terminaba angostando tanto el camino que el sistema muchas veces no encontraba una salida mejor. HardFlow deja más libertad en los pasos internos y reserva el control para el resultado final, usando herramientas de control óptimo que van corrigiendo de a poco hasta llegar a una respuesta válida.

Otra ventaja concreta: como trabaja sobre modelos generativos ya entrenados, se puede sumar sin empezar de nuevo. El equipo del MIT resolvió el cálculo dividiéndolo en problemas más chicos, aprovechando la estructura de los modelos de emparejamiento de flujo. Así, agregar restricciones no significa meses de laboratorio ni volver a juntar montañas de datos.

• En manipulación con robots: el brazo sorteó obstáculos y eligió el recorrido más corto hacia el objetivo, mientras que la mayoría de las alternativas probadas chocaba o daba rodeos largos.
• En laberintos: cumplió las restricciones del recorrido y mejoró la calidad de las soluciones frente a los métodos de referencia.
• En edición de imágenes a partir de instrucciones escritas: respetó todas las condiciones pedidas y superó en calidad a los sistemas anteriores.
• En todos los casos, el tiempo de procesamiento fue similar o menor al de las técnicas con las que se lo comparó.

Lo que mostraron estos ensayos es algo que en el turismo y en la logística conocemos bien: a veces lo más importante no es ir lo más rápido posible, sino saber qué cosas no se pueden hacer en el camino. HardFlow justamente permite combinar lo obligatorio con lo conveniente dentro de un mismo proceso. Y eso, trasladado a un robot en un aeropuerto, en un hospital o en la cocina de un hotel, puede marcar la diferencia entre un servicio que funciona y un papelón en cadena.

La investigación, que todavía es de laboratorio, abre la puerta a que en el futuro cercano cualquier empresa pueda tomar un modelo de inteligencia artificial ya existente y ponerle sus propios límites éticos, legales o de seguridad sin tener que empezar de cero. Una forma, en definitiva, de hacer que la tecnología se adapte a las reglas que ya tenemos y no al revés.