La Inteligencia Artificial consigue que los robots puedan reconocer objetos que nunca han visto y desenvolverse en situaciones que nunca han vivido. La introducción de datos previos en el robot es muy importante, pero DON es un robot capaz de entender el objeto por partes para formar un todo.
La Inteligencia Artificial (IA) aplicada a los robot se perfecciona cada vez más y es capaz de realizar acciones que, incluso, van más allá de lo que puede realizar cualquier ser humano. Lo normal cuando hablamos de la Inteligencia Artificial (IA) es aplicarle directamente el ‘big data’, ya que la introducción de datos previos es crucial para saber y reconocer una serie de objetos a través de sus sensores. Ahora, los investigadores de laboratorio de ciencias de la computación de IA del MIT han desarrollado sistemas de visión por computadora que puedan identificar objetos que nunca antes había visto la máquina.
Es un gran paso para la Inteligencia Artificial, ya que los robots podrían pensar como lo hacen los seres humanos a la hora de encontrarse frente a un objeto o circunstancia que nunca había experimentado.
Este sistema, llamado “redes de objetos densos” o con sus siglas DON, es capaz de identificar objetos como una colección de puntos que el robot procesa para formar una hoja de ruta visual tridimensional. Gracias a esto los científicos no tienen que introducir todos los datos de la inteligencia artificial, dado que el propio robot podría entender el objeto por partes para así formar un todo.
Cuando DON ve un objeto que se parece a uno con el que ya está familiarizado, puede identificar las distintas partes de ese nuevo objeto creando un todo. En uno de los ejemplos los científicos enseñaron un zapato al robot, y le mostraron cómo levantar ese zapato con sus pinzas. A partir de ese zapato, el robot ya pudo levantar cualquier otro zapato, aunque fuera totalmente diferente.
Gracias a este avance los robots del futuro pueden hacer muchas más cosas de lo que hacen ahora mismo. Por ejemplo un robot de este tipo podría valerse en las fábricas para clasificar multitud de objetos que pasen por una cinta transportadora sin necesidad de entrenarlo previamente con grandes conjuntos de datos.