Casi sin darnos cuenta, nuestras horas de ocio digital y los desafíos virales de hace unos años se han convertido en la base del aprendizaje de las máquinas más avanzadas. Millones de jugadores de Pokémon Go y entusiastas del reto del maniquí han estado alimentando, de forma involuntaria, los cerebros digitales de los sistemas de navegación modernos. A través de la recopilación masiva de datos visuales, empresas como Google y Niantic han logrado que sus algoritmos comprendan el mundo físico con una precisión que antes parecía inalcanzable.
Este fenómeno no es casualidad, sino una estrategia de entrenamiento que aprovecha la interacción humana para resolver algunos de los problemas más complejos de la robótica actual, como la percepción de la profundidad y la ubicación exacta en entornos urbanos densos. Al capturar imágenes de monumentos o permanecer inmóviles frente a una cámara, los usuarios han proporcionado miles de millones de puntos de referencia que hoy permiten a los robots de reparto y a los coches autónomos circular de manera más segura y eficiente por nuestras calles, superando las limitaciones tradicionales del GPS.
¿En qué consiste este entrenamiento masivo e involuntario?
La base de este avance se encuentra en la capacidad de las máquinas para interpretar el espacio tridimensional. Para que un sistema de inteligencia artificial aprenda a distinguir qué objetos están cerca y cuáles están lejos, necesita ver miles de ejemplos. Aquí es donde entra en juego el famoso mannequin challenge, un reto que fue tendencia entre 2016 y 2017 y que consistía en grabar escenas donde las personas se quedaban totalmente inmóviles. Investigadores de Google descubrieron que estos videos eran una mina de oro para entrenar redes neuronales, ya que, al moverse la cámara alrededor de personas quietas, el software puede aprender a predecir la profundidad de forma mucho más precisa que con videos convencionales donde todo está en movimiento.
Por otro lado, el juego de realidad aumentada Pokémon Go ha servido para crear un gigantesco mapa visual del planeta. Durante una década, cientos de millones de personas han utilizado sus teléfonos para capturar criaturas virtuales, pero, al hacerlo, también han escaneado su entorno. Según informa Independent Español, se ha acumulado una base de datos de más de 30.000 millones de imágenes. Estos datos han permitido desarrollar lo que se conoce como un Sistema de Posicionamiento Visual (VPS), una tecnología que permite a un dispositivo saber dónde está con un margen de error de apenas unos pocos centímetros basándose únicamente en lo que ven sus cámaras.
Este tipo de entrenamiento, conocido como aprendizaje supervisado o colaborativo, se beneficia de funciones dentro del juego como la investigación de campo. En estas misiones, se anima a los usuarios a escanear estatuas o lugares emblemáticos para recibir recompensas virtuales. Lo que el jugador ve como un objeto digital, la empresa lo convierte en modelos 3D de alta fidelidad que sirven de guía para los sistemas de visión artificial de los robots que pronto veremos recorriendo nuestras aceras.
Por qué importa y qué cambia en la robótica actual
La importancia de estos datos radica en las deficiencias tecnológicas actuales. El sistema GPS tradicional, aunque útil, presenta fallos críticos en entornos urbanos complejos, los conocidos como cañones urbanos, donde los edificios altos bloquean la señal de los satélites. Además, el GPS no funciona correctamente en interiores. El uso de un sistema visual (VPS) permite que un robot de reparto o un coche autónomo se oriente observando su entorno de la misma forma que lo haría un ser humano: reconociendo fachadas, esquinas y señales visuales.
Este cambio tecnológico tiene implicaciones reales y directas en la logística de última milla. La capacidad de reconstruir la profundidad y la ubicación exacta de los objetos ayuda a que los robots se muevan en espacios desconocidos de forma autónoma. Esto reduce la necesidad de supervisión humana constante y aumenta la seguridad, ya que la máquina puede reaccionar mejor ante obstáculos inesperados o cambios en la configuración de la calle. La colaboración entre el mundo del entretenimiento y la ingeniería está permitiendo que tecnologías que antes eran experimentales ahora sean viables para el uso cotidiano.
Podemos resumir las ventajas de este nuevo enfoque en los siguientes puntos:
- Precisión milimétrica: Supera con creces el margen de error de varios metros que suele tener el GPS convencional en las ciudades.
- Navegación en interiores: Permite que los dispositivos se ubiquen en centros comerciales, aeropuertos o almacenes sin depender de satélites.
- Mejor comprensión del entorno: La IA aprende a diferenciar entre objetos estáticos y en movimiento, mejorando la seguridad en la vía pública.
- Reducción de costes: Aprovechar datos ya existentes en plataformas como YouTube o juegos populares evita tener que realizar costosas campañas de mapeo manual.
Quiénes están detrás de estas iniciativas y los datos clave
El proyecto más reciente de este tipo nace de una escisión de Niantic, la empresa creadora de Pokémon Go, llamada Niantic Spatial. Esta firma se ha aliado recientemente con Coco Robotics, una empresa estadounidense dedicada al reparto automatizado. Sus robots, que ya han realizado alrededor de 500.000 entregas, comenzarán a utilizar esta inmensa biblioteca visual para navegar por ciudades caóticas con mayor soltura. Como explican en su página web oficial, el objetivo es implementar una inteligencia espacial que resuelva los desafíos más difíciles de la ingeniería urbana.
Por su parte, el equipo de investigación de Google ha utilizado miles de videos de YouTube para su sistema de visión artificial. Al analizar las escenas del mannequin challenge, donde aparecen personas petrificadas en poses naturales, la IA ha aprendido a estimar la profundidad de los objetos incluso cuando estos se mueven en videos normales. Esta investigación es de gran provecho para el área de la automatización, incluidos los coches autónomos que avanzan sin un conductor humano al mando. La cantidad de información procesada es tal que algunos estudios sugieren que entrenar estos sistemas de inteligencia artificial de forma masiva consume una cantidad de energía comparable a la de varios vehículos funcionando durante años.
Es interesante notar cómo la gamificación ha permitido que una tarea que sería tediosa para cualquier empleado (mapear cada rincón de una ciudad) se convierta en una actividad lúdica para millones de personas. Sin embargo, este uso de los datos también abre debates sobre la privacidad y el uso de la información que generamos como usuarios, un tema que empresas como Anthropic o la propia OpenAI están empezando a discutir con organismos gubernamentales debido a los riesgos asociados.
¿Qué significa esto para el futuro de la inteligencia artificial?
Lo que estamos presenciando es el inicio de una era donde nuestras actividades cotidianas, incluso las más banales, alimentan el desarrollo tecnológico. El hecho de que un juego o un video viral sirva para que un robot nos traiga la compra a casa demuestra que la frontera entre el mundo digital y el físico es cada vez más delgada. La inteligencia espacial será el próximo gran salto, permitiendo que las máquinas no solo procesen datos o texto, sino que entiendan el espacio en el que operan de una forma casi orgánica.
En los próximos años, es probable que veamos más integraciones de este tipo. No solo jugaremos para entretenernos, sino que nuestra interacción con la realidad aumentada servirá para perfeccionar los mapas del futuro. Si bien esto plantea interrogantes sobre la propiedad de esos datos visuales de las calles, la realidad es que el avance en la autonomía de los robots parece imparable gracias a esta colaboración masiva. La tecnología se vuelve más humana, no solo por su funcionamiento, sino porque ha sido entrenada observando precisamente cómo nos comportamos y cómo vemos el mundo.
