Un robot, un laberinto y una promesa: cómo el MIT logró que una inteligencia artificial cumpla reglas sin volver a entrenarla

Imagino la escena: en algún laboratorio del MIT, en Cambridge, Massachusetts, un brazo robótico se mueve con una paciencia que no es tal, porque la paciencia es un atributo humano y lo que hay allí es matemática en estado puro. El brazo tiene una misión concreta, casi doméstica: llegar hasta un objeto. Pero entre él y ese objeto hay obstáculos dispuestos como en una mesa de living atravesada por cajas, y el robot debe decidir, en fracciones de segundo, por dónde pasar para no chocar y, al mismo tiempo, recorrer el camino más corto posible. Lo que uno ve desde afuera es un brazo que se estira, sortea, gira y finalmente toma lo que buscaba. Lo que uno no ve es que, detrás de ese movimiento, hay un algoritmo nuevo llamado HardFlow que cambió la manera en que se le puede pedir a una inteligencia artificial que cumpla reglas sin tener que entrenarla de nuevo desde cero.

Lo que me interesó, cuando me detuve a leer el trabajo, fue justamente esa idea de fijar condiciones obligatorias sobre una inteligencia que ya está en funcionamiento. Hasta ahora, si uno quería que un modelo generativo respetara ciertos límites, la salida más habitual era volver a entrenarlo, algo así como volver a la escuela a un sistema que ya se había recibido. HardFlow propone algo distinto, y a mi entender más razonable: en lugar de reeducar al modelo, se le imponen las condiciones mientras trabaja, como un inspector que se planta al costado de la línea de producción y dice hasta acá y no más allá.

Una prueba con un brazo robótico que esquiva cajas y busca el camino más corto

En la práctica, el equipo del MIT puso a HardFlow frente a varias pruebas. La más vistosa fue, como conté al principio, la del brazo robótico que debía alcanzar un objeto sin tocar los obstáculos. La mayoría de los métodos alternativos o provocaba colisiones, o elegía recorridos absurdamente largos, como ese conductor que da toda la vuelta a la manzana para estacionar a veinte metros. HardFlow, en cambio, cumplió la restricción de no chocar y, al mismo tiempo, eligió la trayectoria más eficiente entre las que estaban permitidas. Esa combinación es la que vuelve al método interesante: no se trata solo de evitar lo prohibido, sino de buscar, dentro de lo permitido, la mejor respuesta posible.

• Manipulación con brazos robóticos en entornos con obstáculos, donde debía cumplirse la condición de no colisionar y, a la vez, minimizar la distancia recorrida hasta el objeto buscado.
• Recorridos por laberintos, en los que el sistema debía respetar las paredes y encontrar la salida más rápida.
• Modificación de imágenes a partir de instrucciones escritas, donde la inteligencia artificial tenía que editar fotografías siguiendo indicaciones puntuales sin alterar otros elementos.

Por qué se cumplen las reglas sin volver a entrenar al modelo

La clave, me parece, está en el momento en que se le exige al sistema que respete las condiciones. La técnica que se usaba hasta ahora como referencia, llamada muestreo basado en proyección, iba corrigiendo paso a paso, en cada etapa del proceso de generación. El problema, según explican los propios investigadores, es que ajustar de manera tan permanente puede ir cerrando opciones y terminar empujando al modelo hacia soluciones peores, casi como si cada pequeño correctivo le fuera tapando los caminos. HardFlow deja que el sistema trabaje con mayor libertad en los pasos intermedios, que después se descartan porque solo importa el resultado final, y se asegura de que esa respuesta final respete las condiciones pedidas. Para eso, el equipo se apoyó en herramientas de control óptimo, una rama de la matemática que estudia cómo orientar un proceso hacia un objetivo sin pasarse de los límites.

Otro punto que me llamó la atención, y que creo importante para cualquier persona que siga estos temas, es que el tiempo de procesamiento fue similar o incluso menor al de la mayoría de los métodos anteriores. No se trata, entonces, de un arreglo elegante pero lento: es una mejora que no sacrifica velocidad. Y el reporte de los investigadores es claro: en todos los casos evaluados se cumplieron las restricciones y la calidad de las soluciones superó de manera consistente a la de las referencias con las que se lo comparó.

Vuelvo, para cerrar, al brazo robótico de la primera imagen que me armé mientras leía el trabajo. Ya no lo veo solo como una pieza metálica que gira y toma objetos. Lo veo como una manera de contar lo que, a mi entender, importa acá: que se puede pedirle a una inteligencia artificial que respete reglas sin tener que desarmarla y volver a entrenarla, y que esa obediencia no tiene por qué costarle calidad ni velocidad. Para un laboratorio, es un avance. Para alguien que, como yo, intenta seguir de cerca estos temas sin ser técnico, es también una pequeña cuota de tranquilidad: la conversación sobre cómo limitar a la inteligencia artificial empieza a tener herramientas concretas, y no solo discusiones.