El debate sobre los límites de la autonomía en la inteligencia artificial suele despertar temores sobre sistemas que toman decisiones impredecibles o persiguen objetivos sin medir consecuencias. Aunque esa preocupación resulta comprensible, conceder cierto margen de interpretación a las máquinas también ofrece ventajas decisivas para su funcionamiento en la vida cotidiana.
Un equipo de investigadores del Instituto Tecnológico de Massachusetts trabaja precisamente en esa dirección mediante un sistema llamado FLEX, diseñado para que los robots comprendan el propósito detrás de una orden concreta y logren aplicarla ante situaciones imprevistas sin necesidad de recibir listas interminables de reglas.
La misma regla aplicada a situaciones diferentes
La utilidad de este enfoque se observa con claridad en un experimento realizado dentro de un entorno virtual. Al indicarle a un robot simulado que evitara derramar café sobre un ordenador portátil, la máquina utilizó un modelo de lenguaje para deducir el riesgo general y amplió la precaución hacia el teléfono móvil que estaba al lado, protegiendo ambos dispositivos electrónicos por iniciativa propia.
El equipo replicó esta capacidad de adaptación frente a otros peligros físicos, logrando que el sistema identificara objetos inflamables cerca de una vela encendida y resguardara elementos frágiles ante el movimiento de una bola de bolos. En cada caso, la tecnología revisa las categorías con las que interpreta su entorno, permitiendo añadir características relevantes, generalizar conceptos o descartar información que ya no resulta útil en cuestión de segundos.
Este avance pertenece al laboratorio CLEAR, liderado por Andreea Bobu junto a Nathan Dennler, Audrey Lee e Ilia Sucholutsky. De cara al futuro, el próximo paso del proyecto consiste en trasladar estos resultados desde las simulaciones digitales hacia robots físicos que operen en espacios reales, donde intervienen factores complejos como el deslizamiento de los objetos, el movimiento impredecible de los líquidos y los límites visuales de las cámaras.
La investigación demuestra que la autonomía artificial no es necesariamente negativa cuando se acota a contextos específicos, convirtiéndose en una herramienta indispensable para lograr asistentes domésticos más seguros y eficientes.