¿Cómo funciona Swift, el dron piloteado por Inteligencia Artificial que le ganó a los humanos?
Por primera vez en la historia, una Inteligencia Artificial logra vencer a los humanos en un deporte que requiere un alto desempeño en el plano físico. Es decir: en lo que llamamos “nuestro mundo real”.
Por su puesto, la Inteligencia Artificial ya había vencido al humano en una competencia deportiva. El caso más nombrado es cuando en 1997 la supercomputadora Deep Blue vence al campeón mundial de ajedrez, Garry Kasparov, en un emocionante duelo entre hombre y máquina. pero tratánose de un juego de mesa y un teclado con luces, lo único que tenía que hacer la máquina, era pensar.
En este caso, se trata de pilotear drones a gran velocidad, realizando pruebas y esquivando obstáculos. Algo ya bastante complejo para cualquier humano.
Es que en las carreras de drones de visión en primera persona los competidores pilotean drones de alta velocidad a través de un circuito real. Cada piloto ve el entorno desde la perspectiva de su dron en unos lentes similares a los de realidad virtual, que transmiten lo que capta la cámara a bordo. Esto es una novedad porque el dron calcula su velocidad y ubicación en el circuito exclusivamente a partir de sensores a bordo. Casi como un ser vivo.
¿Cómo funciona Swift, el dron piloteado por Inteligencia Artificial?
Se trata de un dron llamado Swift, desarrollado por la Universidad de Zúrich, que logró superar a los pilotos profesionales y campeones en un circuito de 75 metros y siete obstáculos, gracias al aprendizaje por refuerzo profundo o DRL (por sus siglas en inglés, Deep Reinforcement Learning), un campo de la inteligencia artificial y el aprendizaje automático que combina dos áreas principales: el aprendizaje profundo (deep learning) y el aprendizaje por refuerzo (reinforcement learning).
Es decir: el Aprendizaje Profundo (Deep Learning) está basado en redes neuronales artificiales profundas que a su vez se componen por múltiples capas de neuronas artificiales que pueden aprender y representar datos de manera jerárquica. Lo que las hace destacarse en tareas como el procesamiento de imágenes o el procesamiento de lenguaje natural. Dos ejemplos claros son ChatGPT o bien Midjourney.
Por su parte, el aprendizaje por Refuerzo (Reinforcement Learning), es un enfoque de aprendizaje automático en el que el programa interactúa con un entorno y toma acciones para lograr su objetivo. Un enfoque que se utiliza comúnmente en problemas de toma de decisiones secuenciales, como juegos y robótica.
Tal como se describe en el artículo de Nature, Swift utiliza dos partes principales: una que ve y siente lo que está sucediendo y otra que toma decisiones y controla el dron.
La parte que ve y siente usa cámaras y sensores para saber dónde está el dron y qué hay a su alrededor. También detecta las puertas por las que debe pasar.
La parte que toma decisiones usa la información que obtiene y aprende de ella en simulaciones de vuelo. Practica mucho para saber cómo volar rápido y seguro. Luego, cuando vuela en el mundo real, usa lo que aprendió en las simulaciones.
Es decir: se registran las observaciones sensoriales a bordo del robot junto con estimaciones de ubicación altamente precisas mientras el dron corre por la pista. Por eso, Swift pudo ganarle a tres campeones humanos.
Tranquilos, la IA solo ganó esa carrera, pero por ahora no puede ganar todas
Swift compitió contra tres campeones humanos: Alex Vanover, el campeón mundial de la Dron Racing League 2019, Thomas Bitmatta, dos veces campeón de la Copa del Mundo Abierta Internacional MultiGP, y Marvin Schaepper, tres veces campeón nacional suizo. Los drones utilizados por Swift y por los pilotos humanos tienen el mismo peso, forma y propulsión.
Swift ganó 15 de las 25 carreras en total. Derrotó a A. Vanover en 5 de las 9 carreras, a T. Bitmatta en 4 de las 7 carreras y a M. Schaepper en 6 de las 9 carreras. Además, logró el tiempo de carrera más rápido registrado, superando al mejor piloto humano, A. Vanover, por medio segundo.
De todas maneras, y a favor de los humanos, es que el buen desempeño de Swift se debe al estudio y entrenamiento previo que tuvo en la pista. Entrenamiento que por supuesto, también tuvieron los humanos, pero que, a diferencia de Swift, ante un cambio en el entorno, como por ejemplo la iluminación, o el movimiento de alguno de los obstáculos de la pista, puede adaptarse y obtener un mejor rendimiento.
COMMENTS