El momento AstraTennis de los robots chinos ha llegado.
El 22 de agosto, se inauguraron los segundos Juegos Mundiales de Robots Humanoides, transmitidos en vivo por la Radio y Televisión Central de China para todo el mundo.
Cuando la cámara barrió la cancha, la respiración de todo el estadio pareció detenerse.
A cada lado de la red, en un lado, una estrella del tenis humano; en el otro, un robot humanoide.
Este momento marca un hito para la innovación tecnológica china, un punto de inflexión en inteligencia encarnada que merece ser grabado en la historia.
¡El primer partido de tenis humano-máquina verdaderamente significativo del mundo comienza oficialmente!
El primer partido de tenis humano-máquina del mundo
Para empezar, un emocionante dobles de tenis mixto humano-máquina.
Resultó sorprendente que la actuación del Galaxy Star Kid fuera muy notable: su paso era ágil, se movía rápidamente hacia adelante y atrás según fuera necesario, y jugaba con gran fluidez.
Además, Star Kid y su compañero humano formaron una excelente coordinación, posicionándose uno adelante y otro atrás, para enfrentarse a los rivales.
Luego, la campeona de tenis Zheng Jie y el robot universal Galaxy protagonizaron el primer partido individual de tenis humano-máquina del mundo.
Tanto en golpes de derecha como de revés, el robot intercambió golpes con la humana.
Entonces, Zheng Jie decidió aumentar la dificultad, lanzando un globo.
Mientras se movía por la cancha, el robot accidentalmente cayó de espaldas.
Para sorpresa de todos, al siguiente segundo, logró ajustar su postura y levantarse inmediatamente.
Frente a los cortes y efectos de Zheng Jie, la capacidad de juicio del robot también fue notable.
Finalmente, Zheng Jie supo que no podía tomarse libertades y comenzó a mover al robot por toda la cancha, quien, de manera inesperada, completó un espectacular paso lateral, ganando vítores del público.
Al finalizar el partido, la actuación del robot provocó la ovación de todos.
Durante todo el partido, acciones como flexionar las rodillas, lanzar la pelota y girar el cuerpo fueron realizadas completamente por el robot humanoide por sí mismo.
Además, el servicio alcanzó una velocidad de más de cien kilómetros por hora, dejándole solo unas décimas de segundo para reaccionar, y casi no falló.
Este robot es precisamente de Galaxy Universal.
Hace diez años, AlphaGo venció a Lee Sedol. Diez años después, un robot chino compite en la misma cancha que una campeona de tenis.
Si AlphaGo demostró que la IA puede conquistar el mundo digital, hoy, el robot de Galaxy Universal demuestra que la IA puede resistir la prueba de presión extrema del mundo físico.
Por primera vez, se levantó del código, corriendo, golpeando, compitiendo e incluso cayéndose y levantándose por sí mismo para continuar la lucha en un enfrentamiento real.
¡Este emocionante momento AstraTennis de inteligencia encarnada fue presenciado simultáneamente por el mundo!
El momento AstraTennis de los robots chinos
¿Por qué este partido de tenis provocó un gran terremoto en la comunidad tecnológica mundial?
Porque el tenis es la prueba de presión extrema para la inteligencia encarnada.
Dado que el tiempo de reacción es de solo unas décimas de segundo, este deporte lleva simultáneamente la percepción, la toma de decisiones, el control de movimiento corporal completo y la capacidad de juego en tiempo real del robot al límite físico.
Además, jugar al tenis es mucho más difícil para la IA que jugar al Go.
Después de todo, AlphaGo enfrentaba 361 puntos de intersección determinados en una cuadrícula de 19x19, y tenía desde decenas de segundos hasta varios minutos para calcular su próximo movimiento después de que su oponente jugara.
Era un juego en el mundo digital, donde el espacio de soluciones era grande pero los límites eran claros y las reglas constantes. Todo el mundo era estático, discreto, y la IA lo veía todo.
Aunque el espacio de soluciones de este problema era mayor que el número de átomos en el universo, para la IA no era más que un "problema matemático" más difícil.
Pero la cancha de tenis es diferente.
La pelota llega a una velocidad de más de cien kilómetros por hora, el punto de impacto se ve afectado por el efecto, el viento, la fricción de la superficie, y los parámetros físicos de cada golpe no se repiten.
El robot debe completar la percepción, predicción, toma de decisiones y coordinación corporal completa en unos pocos cientos de milisegundos, manteniéndose además en pie. El oponente es un ser humano vivo, puede engañar al robot y cambiar el ritmo.
Esta es la versión en vivo de la Paradoja de Moravec.
En 1988, Hans Moravec, director del Laboratorio de Robótica Móvil de la Universidad Carnegie Mellon, señaló: "Es relativamente fácil lograr que las computadoras muestren un rendimiento a nivel adulto en pruebas de inteligencia o jugando damas, pero dotarlas de las habilidades de percepción y acción de un niño de un año es difícil o incluso imposible".
Han pasado más de treinta años, la primera parte se ha cumplido hace tiempo, pero la segunda parte es difícil de lograr.
Por lo tanto, el verdadero significado de este partido de tenis va mucho más allá de "si el robot puede jugar al tenis".
La pregunta es: ¿Puede la IA, esta vez, realmente salir del mundo digital y cerrar el ciclo de percepción, toma de decisiones, control de movimiento y juego en tiempo real en un entorno físico real?
La IA no puede limitarse a pensar, debe completar el ciclo completo desde la cognición y la toma de decisiones hasta la ejecución corporal total.
¡Esta vez, una empresa china ha sido la primera en entregar la respuesta!
En la cancha, la actuación del robot de Galaxy Universal fue realmente impresionante.
Habilidades individuales como el saque, el golpe de derecha, el revés, el desplazamiento desde el fondo y la volea en la red aparecieron durante el partido, y todas fueron extraordinarias.
Y en los dobles, la prueba es aún mayor.
El robot y su compañero humano comparten la cancha, deben juzgar en tiempo real quién va a recibir la pelota, quién cubre la posición, y ajustar dinámicamente la táctica y el estilo de juego.
Por lo tanto, lo que debe entender no es solo la pelota, sino también lo que su compañero planea hacer a continuación.
En el rápido ataque y defensa, también hubo momentos de rescates al límite. Después de caerse, el robot se levantó solo y continuó jugando.
La primera reacción de muchos es: ¿no habían logrado estos movimientos individuales antes los robots?
Lanzamientos a canasta, patadas al balón, carreras de cien metros, en los videos de robots humanoides de los últimos dos años parecía haber de todo.
Pero la mayor diferencia es que el tenis implica una competencia entre dos jugadores.
El entorno para correr es determinista, cada golpe en tenis es un nuevo problema planteado por el oponente. Correr permite practicar un movimiento diez mil veces, pero no hay dos pelotas exactamente iguales en tenis.
Mantenerse en pie durante una competencia es la verdadera inteligencia.
Cerebro y cerebelo, por primera vez en un mismo modelo
Detrás de todo esto está el gran modelo de inteligencia encarnada "Galaxy Star Brain" (AstraBrain), desarrollado de forma independiente por Galaxy Universal.
Uno de sus mayores aspectos destacados radica en la elección arquitectónica.
La práctica principal en la industria solía ser la estratificación: un modelo "cerebral" responsable de comprender la tarea y tomar decisiones de alto nivel, y un módulo "cerebelar" responsable del control de movimiento en tiempo real, con una interfaz transmitiendo instrucciones entre ambos.
Las desventajas de esta arquitectura son directas: por muy clara que sea la idea del cerebro, llega al cerebelo con retraso; por muy estándar que sea la acción del cerebelo, no sabe por qué el cerebro le ordena moverse así.
El problema más sutil es la desconexión de información.
Al dar instrucciones, el cerebro no sabe dónde está su centro de gravedad en ese momento, ni cuánta fuerza le queda al brazo derecho; al ejecutar una acción, el cerebelo no sabe si ese golpe pretende mover al rival o anotar directamente.
Cada uno es óptimo por separado, pero juntos forman un sistema que "piensa pero no puede hacer" o "hace pero no piensa".
En una tarea como jugar al tenis, un pequeño retraso significa perder el punto.
El enfoque de Galaxy Star Brain es integrar la capa cerebral (comprensión de tareas y toma de decisiones tácticas), la capa cerebelar (control de movimiento corporal completo de alta dinámica) y el control neuronal en un mismo modelo.
Según Galaxy Universal, este es el primer modelo del mundo que puede ser simultáneamente responsable de "pensar con claridad" y "llevarlo a cabo", sin pérdida de información en el medio.
Analizando desde la tarea del tenis, esta puede ser la única solución. La toma de decisiones tácticas no puede separarse de la percepción en tiempo real de los límites corporales propios, y el control de movimiento tampoco puede separarse de la comprensión de la intención táctica; ambos nunca deberían haberse separado.
Aprendiendo de datos humanos imperfectos
Jugando diez millones de veces en una cancha virtual
Otro problema más allá de la arquitectura es: ¿cómo se entrena este modelo?
Un problema tradicional en robótica es la falta de datos.
Un modelo de lenguaje puede consumir todo el texto de Internet, pero los robots no tienen tal Internet.
Recoger una hora de datos de movimiento con un robot real requiere una hora, además de supervisión humana, y riesgo de dañar el hardware.
Por eso el progreso en inteligencia encarnada siempre ha sido más lento de lo esperado.
Detrás de esto está el apoyo de la plataforma tecnológica central "Galaxy Star Workshop" de Galaxy Universal.
A continuación, se divide en dos pasos.
El primer paso es aprender de "datos humanos imperfectos".
Se pueden recopilar datos de movimiento humano jugando al tenis: captura de movimiento, video, sensores portátiles.
Pero los movimientos humanos no son estándar; los aficionados son realmente aficionados, con movimientos superfluos. Los movimientos de los profesionales maximizan sus cualidades atléticas personales, difíciles de imitar, y la altura, envergadura y ángulos articulares de cada persona no coinciden con los del robot.
El aprendizaje por imitación tradicional requiere datos de demostración limpios, alineados y de alta calidad, una exigencia casi imposible de cumplir con datos humanos.
Lo que la plataforma de datos Galaxy Star Workshop debe hacer es extraer conocimiento útil de esta demostración ruidosa, desalineada y de calidad desigual:
Cuándo iniciar el movimiento, el ritmo aproximado del golpe, cómo transferir el centro de gravedad, aprendiendo realmente las leyes del movimiento.
El valor de este paso es el arranque en frío.
El robot no necesita explorar comenzando desde movimientos aleatorios; desde el principio sabe aproximadamente "cómo es jugar al tenis".
El segundo paso es entrar en el mundo virtual del tenis.
En un entorno de simulación, múltiples agentes inteligentes juegan entre sí. No es un robot practicando contra una máquina lanzadora, sino varias estrategias evolucionando y siendo rivales mutuas.
Cuando uno aprende a presionar la línea lateral, el otro se ve obligado a aprender a moverse lateralmente en un amplio rango; cuando uno aprende a dejar caer la pelota suavemente (drop shot), el otro se ve forzado a aprender a subir rápidamente a la red.
En esta inmensa cantidad de juegos virtuales, ocurre un milagro: la "emergencia de habilidades".
Los ingenieros no le enseñaron cómo deslizarse para salvar la pelota, pero tras innumerables fallos al no alcanzarla, el modelo "comprendió" por sí mismo la postura de extensión límite.
Los ingenieros no escribieron código rígido para levantarse después de una caída, pero tras caer millones de veces en el mundo virtual, el modelo "aprendió" por sí mismo cómo movilizar todos sus motores para volver a ponerse de pie.
Las habilidades no necesitan ser diseñadas manualmente; bajo la presión de la competencia, la IA aprende por sí misma.
Finalmente, cuando estas "almas" entrenadas en el mundo virtual se transfieren sin pérdidas al cuerpo físico real del robot en el mundo físico, ¡nace un maestro del tenis!
En el espectro del aprendizaje automático, este camino se sitúa entre dos extremos.
El límite del aprendizaje por imitación puro es el nivel del demostrador; un entrenador humano no puede enseñar a un estudiante que lo supere, y los datos de demostración humana no incluyen "cómo levantarse después de una caída y seguir jugando".
El aprendizaje por refuerzo puro, que explora desde cero, en una tarea con un espacio de acción tan vasto y recompensas tan escasas como el tenis, tiene un costo de búsqueda irrealmente alto, y tiende a producir movimientos extraños e incomprensibles para los humanos, que pueden ganar puntos pero no parecen tenis.
Primero, una base de conocimiento humano, luego una evolución autónoma para mejorar.
Esto en sí no es nuevo; AlphaGo también aprendió primero de partidas humanas y luego jugó contra sí mismo. Lo nuevo es que, hace diez años, este método funcionó en un tablero, y diez años después, funciona por primera vez en una tarea que requiere un cuerpo.
En cierto sentido, esta es la resonancia técnica más fascinante entre AstraTennis y AlphaGo.
En la era de AlphaGo, la inteligencia pensaba en un tablero; esta vez, la inteligencia comienza a entrar en el mundo físico.
Esto no es solo un partido de tenis. Este momento AstraTennis demuestra: en la nueva era de simbiosis carbono-silicio, el poder chino comienza a crear más milagros.
Editado por: Aeneas David
Este artículo proviene del cuenta pública de WeChat "New Zhiyuan", autor: ASI Apocalipsis
