Un disertador incógnito cita un referencia de la ciencia popular: En la confusión del 22 de junio de 2010, la destino del tenis estadounidense John Isner comenzó un combate duro de Wimbledon contra el francés Nicolas Mahut que se convertiría en el más espléndido en la historia del deporte. La batalla del maratón duró 11 horas y se extendió en tres días consecutivos. Aunque Isner finalmente prevaleció 70-68 en el botellín set, algunos asistieron a la broma en ese momento si los dos hombres podrían terminar atrapados en ese tribunal por la inmortalidad. Una altercado de raquetas similares de la misma forma interminable es Actualmente despliega a solo una hora en coche al sur del All England Club, en Google Deepmind. Conocido por los modelos de IA pioneros que han superado a los mejores jugadores humanos en Chess and Go, DeepMind ahora tiene un par de brazos robóticos involucrados en un tipo de bisagra infinito de tenis de mesa. El objetivo de este plan de investigación en curso, que comenzó en 2022, es que los dos robots aprendan continuamente unos de otros a través de la competencia.

Así como Isner finalmente adaptó su bisagra para vencer a Mahut, cada protección robótico usa modelos de IA para cambiar estrategias y mejorar. Pero a diferencia del ejemplo de Wimbledon, no hay una puntuación final que los robots puedan alcanzar para terminar con su pelea. En cambio, continúan compitiendo indefinidamente, con el objetivo de mejorar en cada columpio en el camino. Y aunque los brazos robóticos son fácilmente golpeados por jugadores humanos avanzados, se ha demostrado que dominan a los principiantes. Contra jugadores intermedios, los robots tienen aproximadamente 50/50 probabilidades, lo que los coloca, según los investigadores, a un nivel de “rendimiento humano sólidamente devoto”.

Todo esto, como lo notaron dos investigadores involucrados esta semana en un Blog de espectro IEEEse está haciendo con la esperanza de crear un maniquí AI reformista y de uso común que podría servir como los “cerebros” de los robots humanoides que algún día pueden interactuar con personas en fábricas del mundo vivo, hogares y más allá. Los investigadores de Deepmind y en otros lugares tienen la esperanza de que este método de formación, si se escalera, podría provocar un “momento de chatgpt” para la robótica, que aceleran el campo desde tropiezos e incómodos trozos de metal a asistentes verdaderamente efectos. “Somos optimistas de que la investigación continua en esta dirección conducirá a máquinas más capaces y adaptables que pueden cultivarse las diversas habilidades necesarias para tratar de forma efectiva y segura en nuestro mundo no estructurado,” Ingeniero de Personal Senior de DeepMind, Pannag Sanketi y el profesor de la Universidad Estatal de Arizona, Heni Ben Aprecio, escriben en el espectro IEEE.