Los robots requieren diez años para alcanzar un nivel de fiabilidad, en contraste con la IA que ya es capaz de redactar novelas, mientras que los robots aún enfrentan dificultades para desplazarse.
La robótica, estancada
En los últimos diez años, la inteligencia artificial ha avanzado constantemente y se ha incorporado a nuestras vidas cotidianas; por otro lado, la robótica con apariencia humana continúa enfrentando obstáculos persistentes.
Rodrigo Taramona, an expert in technology: “Solo tengo el graduado escolar, pero gracias a la Inteligencia Artificial y a Internet sigo aprendiendo cada noche”
El desarrollo de androides con apariencia humana necesita más tiempo, a diferencia del progreso acelerado de la inteligencia artificial.
Desde hace un tiempo, se percibe que la contundente acción de Sam Altman en el campo de la inteligencia artificial (IA) ha impulsado un progreso extraordinariamente rápido en esta área. Paralelamente, la robótica, particularmente en lo referente a la concepción y mejora de robots humanoides, ha estado progresando de manera más pausada y vacilante.
Los modelos de lenguaje son capaces de redactar, pensar, codificar y generar imágenes con una facilidad que, si bien aún no iguala la genialidad humana, sí que excede considerablemente la capacidad promedio de nuestra especie. Un avance que, hace tan solo diez años, se consideraría propio de la ciencia ficción. Por otro lado, los robots continúan, de manera palpable, teniendo dificultades. Pierden el equilibrio, su destreza manual carece de fluidez y, a pesar de algunas proezas notables, fallan precisamente en las tareas que los seres humanos realizamos de forma automática. ¿La razón?
Aunque pueda parecer paradójico, la solución no es reciente. El ingeniero y experto en robótica Hans Moravec la expuso en 1976, bastante antes de la aparición de ChatGPT, Boston Dynamics o Nvidia en su forma actual. En su artículo The Role of Raw Power in Intelligence, Moravec señalaba que el principal impedimento para la inteligencia artificial no se encontraba donde la mayoría pensaba. El mayor desafío, tanto en aquel momento como en el presente, no residía en la capacidad de razonamiento abstracto, sino en que una máquina pudiera desarrollar la percepción y la acción en el entorno físico.
Casi cincuenta años más tarde, el sector parece haberle dado la razón. La robótica presenta imágenes muy diferentes dependiendo del punto de vista de la cámara. Por un lado, los autómatas de Boston Dynamics ejecutan giros, brincos y bailes que bordean lo increíble, pero su exactitud al llevar a cabo acciones más habituales todavía resulta rígida. Por otro lado, los humanoides como el ruso Aldol apenas logran sostenerse erguidos en exhibiciones públicas.
The distinction isn't merely technical but also symbolic. After decades of futuristic portrayals in cinema, a human-shaped robot implies, through its very appearance, human-like capabilities. When these expectations aren't met, the disappointment is swift, widespread, and, crucially, expensive, as it inevitably deters investors.
Aquí surge una de las nociones más incómodas del ámbito, planteada por Rodney Brooks, quien fundó iRobot. Sus denominadas “tres leyes” no oficiales de la robótica, que de alguna manera se inspiran en las de Asimov, no abordan la ética, sino el mercado y la situación industrial.
La primera es demoledora: “La apariencia de un robot promete lo que puede hacer y lo inteligente que es, y debe cumplir o superar ligeramente esa promesa o no será aceptado”. La segunda incorpora la variable humana: “Cuando robots y personas coexisten, los robots no deben quitar autonomía a las personas, especialmente cuando fallen, como inevitablemente ocurrirá”.
No obstante, es la tercera opción la que capta nuestra atención, ya que disipa cualquier esperanza de un avance extraordinario: “Las tecnologías robóticas requieren más de diez años de mejora continua para alcanzar una fiabilidad del 99,9 %, y cada década adicional solo compra unos pocos años más de robustez”. Si esta declaración fuera cierta, iría en contra de la actual dinámica del mercado que busca la aceleración, y por consiguiente, frenaría el progreso de la robótica al desalentar la inversión en el futuro inmediato.
La IA puramente digital no se ve afectada de la misma manera. Un modelo puede cometer errores, divagar o generar respuestas ilógicas sin poner a nadie en riesgo ni causar daños materiales. Su inteligencia es etérea, no tangible, y se experimenta a través de una pantalla. La robótica, por el contrario, está obligada a interactuar con lo físico, la fuerza de la gravedad, la resistencia al movimiento, el deterioro y, por supuesto, la evaluación directa de la observación. Y es precisamente en este punto donde Moravec demostró una vez más una notable perspicacia.
“La evolución del cerebro comenzó hace mil millones de años con el desarrollo de células capaces de transmitir señales electroquímicas”, rememoraba. Esa evolución gradual y sin dirección produjo aparatos sensoriales y motores de una destreza que aún hoy nos resulta difícil de asimilar por completo. “Los animales más complejos exhiben comportamientos que parecen mágicos en comparación con los programas actuales”. No por su superioridad intelectual, sino por su percepción y acción más refinadas y, a la vez, instintivas.
La paradoja de Moravec
De ahí surge lo que posteriormente se denominaría la paradoja de Moravec: resulta bastante sencillo hacer que un ordenador juegue al ajedrez o resuelva acertijos lógicos, pero considerablemente más arduo conseguir que se desplace, identifique elementos o interactúe con su entorno con la destreza de un infante. El propio Moravec lo expresó con rigor técnico: “Un ordenador de propósito general es versátil, pero su capacidad de procesar información sensorial cruda —como la visión de alto nivel— está, incluso en términos extremadamente optimistas, un factor de millones por debajo de los sistemas biológicos equivalentes”.
La clave está entonces en el tiempo evolutivo. En las áreas perceptivas y motoras del cerebro humano se condensan, como escribió Moravec, “mil millones de años de experiencia sobre la naturaleza del mundo y cómo sobrevivir en él”. El razonamiento consciente, en cambio, es una capa reciente, frágil y superficial. Un “truco nuevo”. Por eso la IA ha avanzado tan rápido en lenguaje, imágenes o texto: son creaciones culturales humanas, sistemas simbólicos que entendemos porque los hemos inventado. Replicarlos es difícil, pero no tanto como replicar aquello que nunca diseñamos deliberadamente: nuestro cuerpo en el mundo.
Esta disparidad también aclara la divergencia en las declaraciones de los principales ejecutivos de tecnología. Sam Altman, quien dirige OpenAI, lo encapsuló con una observación concisa pero perspicaz en su publicación de blog titulada The Gentle Singularity: la inteligencia artificial está experimentando una aceleración notable, pero “los robots no están caminando por las calles”. Aún no.
Por su parte, Elon Musk representa el optimismo industrial llevado a su máxima expresión en este sentido. Ha llegado a afirmar que Tesla contará con humanoides en una producción limitada para su uso interno y que su objetivo es una producción a gran escala para otras compañías en el año 2026. Los informes trimestrales de Tesla ya mencionan líneas de producción de primera generación para Optimus, con la intención de fabricar en grandes cantidades. El magnate tecnológico no se detiene ahí; ha llegado a estimar el impacto económico del robot humanoide en cifras de “trillones de dólares” a largo plazo, dejando patente el mensaje: aquel que logre resolver la paradoja de Moravec, obtendrá una recompensa inmensa.
No obstante, Rodney Brooks ha estado advirtiendo durante años que ese futuro está considerablemente más distante de lo que las demostraciones al estilo Steve Jobs dan a entender. En su opinión, incluso los robots humanoides que sean mínimamente funcionales y económicamente viables se encuentran a más de una década de distancia, y eso supone que haya avances constantes sin contratiempos significativos. Su principio es invariable: una demostración carece de valor si no va seguida de un producto listo para el mercado, sin la capacidad de ser replicado de forma confiable y utilizado en la vida real.
En el espectro intermedio se encuentra Jensen Huang, el director ejecutivo de Nvidia, quien ha posicionado la robótica como la próxima etapa lógica para la inteligencia artificial. Huang enfatiza constantemente la "IA física", una forma de inteligencia artificial que puede comprender conceptos como la fricción, la inercia y las conexiones de causa y efecto. Esto va más allá de la IA confinada al ámbito digital, abarcando sistemas que interactúan directamente con el mundo real. Nvidia promueve esta evolución como un catalizador para la reindustrialización, y Huang ha incluso acortado las proyecciones temporales, insinuando que esta transformación está a la vuelta de la esquina en lugar de ser un objetivo a largo plazo.
En un tono más detallado, Demis Hassabis, el director ejecutivo de Google DeepMind, ha recalcado que la comprensión del mundo físico exige más que simplemente equipar a un sistema con un cuerpo. La simulación de la realidad, captando sus patrones y limitaciones, continúa siendo un reto científico por derecho propio. La corporeización —darle un cuerpo a una mente— es útil, pero no es una solución infalible.
En un punto medio entre el escepticismo de los ingenieros y el optimismo de las empresas, algunos observan una potencial coyuntura decisiva. El comunicador tecnológico Rodrigo Taramona ha sugerido que el avance significativo podría no originarse tanto en la creación de nuevos robots, sino en una infraestructura de computación que permita trasladar la IA fuera del ámbito exclusivamente digital.
“Nvidia es una de las empresas más valoradas ahora mismo en el mercado mundial porque ha basado su negocio en producir GPUs”, recuerda. “En concreto, lleva años produciendo el Hopper, la mejor GPU para IA. Desde ChatGPT hasta Midjourney funcionan gracias a Hopper. Pero es que además Nvidia ya ha empezado a implementar la microarquitectura Blackwell, lo que va a inaugurar la era de las máquinas inteligentes”.
Según Taramona, la solución radica en una modificación del enfoque: “Es un chip que va a trasladar por fin la IA a la robótica. Hasta ahora la IA ha funcionado en un único marco, el digital. Nunca salía de la pantalla”. Si se logra afianzar esa conexión entre el cómputo a gran escala, la emulación del mundo real y la intervención física, la brecha temporal entre la inteligencia artificial y la robótica podría comenzar a disminuir. La pregunta es si con mayor capacidad de procesamiento sería suficiente o si el cuerpo físico continuaría siendo, aun en ese escenario, la principal barrera.
Al respecto, Taramona admite que la hipótesis de Moravec contribuye a dilucidar por qué durante un largo período se supuso que el progreso en robótica y en vehículos autónomos sería inexorablemente pausado. “Esto se escribió en una etapa muy temprana, previa al aprendizaje por refuerzo y a los grandes modelos actuales, que están consiguiendo cosas realmente sorprendentes”, aclara. El divulgador también coincide en que el desafío de la robótica continúa siendo monumental y evoca, por ejemplo, los obstáculos que enfrentó OpenAI con su mano robótica, ampliamente registrados, pero comienza a vislumbrar fisuras en barreras que antes se creían infranqueables.
Según Taramona, una modificación principal radicaría en la forma en que se adiestran los robots previo a su creación física. Cita como ilustración el documental The Thinking Game, una producción de DeepMind, que narra las labores de Demis Hassabis y su grupo. “Más allá de que sea una pieza publicitaria, lo más interesante es ver cómo entrenan a los robots en simulación, con datos sintéticos antes incluso de fabricarlos”.
En vez de ensamblar un autómata y posteriormente instruirlo en movimiento, se concibe inicialmente en un espacio simulado, permitiéndole interactuar con las normativas físicas a través de incentivos: progresar en línea recta, incrementar su velocidad, o manejar elementos con mayor destreza. Este método, según detalla Taramona, se asemejaría más a una solución espontánea de desafíos, a través de prueba y error, que a la asimilación impuesta de tácticas ya establecidas.
“El humano no aprende porque se le explique cómo moverse. Puede que haya imitación, pero sobre todo aprende porque es arrojado a un entorno y tiene que enfrentarse a la física”. Como ocurre con los bebés, que experimentan de forma caótica hasta encontrar estrategias que funcionan, estos robots aprenderían explorando qué movimientos les proporcionan más recompensas.
Quizás, en definitiva, la robótica no se encuentre en un punto muerto, sino que haya lidiado desde el principio con una dificultad que todavía está lejos de hallar una resolución ideal. La IA ha progresado con mayor celeridad no por su mayor profundidad, sino porque justamente se inició con el estrato más manifiesto de la cognición humana. El cuerpo, tal como la evolución ha evidenciado a lo largo de eones, no se domina, según las palabras de un determinado estadista contemporáneo, mediante un simple ataque. Queda pendiente, de hecho, la discusión sobre si precisamente debería ser dominado.