En el aire

Audiopodcast · Episodio 37 · 114 min Robótica a fondo, con Pablo Lanillos

Reproducir

0:00 / 1:53:41 1x

Escucharlo también en YouTube

Julio de 2019. Muchos me pedíais un episodio entero de robótica, que está dentro de mi círculo de competencia, y tras más de 35 episodios llegó el día. Para hacerlo me acompañó Pablo Lanillos, a quien conocí semanas antes en las Jornadas Nacionales de Robótica, en Alicante. Era el segundo día, la gente estaba cansada, mirando el móvil o charlando con el de al lado, y empezó su charla: todo el mundo se enganchó. Por el tema y por cómo lo contaba. Pablo cree que para ser científico no hace falta presentar bien, pero le gusta cómo lo hacen algunos investigadores en Estados Unidos: una buena presentación también tiene que entretener y motivar.

Quién se sienta a la mesa

Invitado · Robótica e inteligencia artificial

Pablo Lanillos

Investigador en robótica e inteligencia artificial. Quería ser astrofísico, estudió Informática en la Universidad Complutense y el proyecto de fin de carrera le llevó a la robótica. Con una beca FPI hizo el doctorado en inteligencia artificial y robótica, con una estancia en el MIT. En 2019 vivía en Múnich, acababa de terminar una beca Marie Curie europea con el proyecto Selfception y era vicepresidente de una asociación de científicos en Alemania.

Ver su perfil

Anfitrión

Fernando Alonso

Píldoras del Conocimiento. Ingeniero informático especializado en inteligencia artificial, doctor en robótica, profesor universitario e investigador en robótica social. También empezó con una beca FPI, con estancias predoctorales en Lisboa y Plymouth, y trabaja con el sentido del tacto en robots.

Mi libro gratuito: Nacidos para Aprender

Ver Instagram

Píldoras del Conocimiento · Episodio 37Página 1 de 6

Por qué la robótica

La vocación de Pablo era ser astrofísico, pero cuando le tocó elegir, en la Complutense la nota de corte de Físicas era muy baja y su padre le sugirió algo con más futuro. Informática empezaba entonces en esa universidad. Tras un Erasmus, el proyecto de fin de carrera le metió en robótica porque le daba más preguntas que respuestas, y eso le motivaba. Curiosamente, en la Complutense la robótica se hacía en la Facultad de Físicas, así que acabó pasando años allí.

Yo me sentí muy identificado: me metí en robótica para entender cómo funciona la realidad y llevar la inteligencia artificial a cosas con cuerpo físico, no quedarme en un programa de ordenador. Estaba leyendo Empieza con el porqué, de Simon Sinek, y le dije que él había elegido por un porqué, no por las salidas ni por el dinero. Pablo bromea con que, si se hubiera quedado en inteligencia artificial pura, ahora estaría en boca de todos, porque todo el mundo quiere hablar de ciencia de datos; pero la robótica, como la física, te enfrenta a problemas reales y te hace preguntas que solo surgen ahí.

El barco de Teseo y la mano de goma

Su trabajo, que si no recuerdo mal fue finalista a mejor artículo de robótica cognitiva en IROS, el gran congreso mundial de robótica, celebrado en Madrid en 2018, parte de una pregunta: ¿cómo sabemos en todo momento dónde está nuestro cuerpo? Te duermes, te despiertas, te pones una chaqueta y sigues conociendo tus dimensiones, sin pensar en los procesos que hay debajo. Su proyecto europeo, Selfception, busca que los robots perciban su cuerpo como lo haríamos los humanos: dejar de pensar en una robótica de precisión industrial y pensar en una robótica de adaptación, como la de un animal. El problema es que aún no sabemos bien cómo lo hace el cerebro, y para inspirarse tira de neurociencia y psicología cognitiva.

Lo explicaba con la paradoja del barco de Teseo, que recogió Plutarco: si a un barco le cambias todas las tablas, ¿sigue siendo el mismo? Nosotros seguimos siendo la misma persona aunque buena parte de nuestras células se renueve, y un robot sigue siendo el mismo si le cambias una pieza porque usa el mismo modelo. Pero hay diferencias. Una corriente teórica, con cada vez más evidencias, sostiene que ya en el útero empezamos a aprender las relaciones entre nuestros sentidos y creamos un mapa del cuerpo, el equivalente al modelo que los ingenieros diseñan para un robot. Y ese modelo no es fijo: en el experimento de la mano de goma pueden hacerte sentir como tuya una mano de plástico en poco más de un minuto. Algo se adapta en tiempo real a la información que llega.

Traducido a ingeniería: que el robot sepa dónde está su mano, el efector final, combinando la visión, el tacto y los sensores de sus articulaciones, los encoders, y que en vez de un modelo fijo aproxime todo el rato su postura. Se parece al algoritmo de Kalman que usa el GPS del móvil para saber dónde estás: predice qué deberían decir los sensores, compara con lo que dicen y usa el error para reajustarse. Y la otra mitad de su idea: percibir el cuerpo y actuar en el mundo, que solemos tratar por separado, serían el mismo proceso.

Píldoras del Conocimiento · Episodio 37Página 2 de 6

Un cuerpo que se aprende

Le conté que mi sobrino, de poco más de un año, se miraba las manos y los pies sorprendido de que fueran suyos. Pablo añade que los niños no se reconocen en el espejo hasta los 18 o 24 meses, y que al nacer ni siquiera distinguen su cuerpo del de los demás: esa relación social primigenia con la madre desarrolla todas sus capacidades cognitivas. Hay mucho cableado genético, pero también una plasticidad brutal. En un experimento clásico, unos gatitos criados viendo solo barras verticales apenas aprendían a distinguir las horizontales. En monos a los que se amputó un dedo, el mapa del cerebro dedicado al cuerpo se reorganizó y los dedos vecinos ocuparon su espacio. De ahí la terapia del espejo en rehabilitación, y hoy versiones en realidad virtual que ayudan a recuperar la sensación de partes del cuerpo.

Un robot, en cambio, no puede caerse cien veces como un niño. Los algoritmos de aprendizaje actuales necesitan muchísimos datos de prueba y error, y la robótica no puede generarlos: a nosotros se nos cayó un humanoide y estuvo dos años sin volver a levantarse. Por eso, dice Pablo, donde más avanza la robótica es poniendo al humano en medio: es la persona la que aprende a usar el robot, o la que le enseña con aprendizaje por demostración. Yo veo la otra cara: lo que un robot aprenda no hay que volver a aprenderlo generación tras generación; cada robot nuevo parte de lo anterior.

Atención: caras, sangre y el coche que ahora ves en todas partes

Hablamos de cómo los padres hábiles calman a un niño que llora ofreciéndole un estímulo más atractivo que el dolor, y Pablo me contó por qué funciona frotarse el golpe: según la teoría de la compuerta, el tacto atenúa la señal de dolor. La atención es multimodal. Yo le hablé del sistema de activación reticular: te compras un coche y de repente lo ves por todas partes. Me gusta traer eso a los robots: dar pesos a cada canal de percepción y activar su atención ante ciertos estímulos. Pablo matiza que en su modelo pondera la importancia de cada sentido: en los humanos la propiocepción, lo que nos dicen los músculos, es poco precisa y la vista muy precisa; en los robots es justo al revés.

Hay más: la búsqueda visual, en la que el cerebro encuentra rapidísimo un patrón que acaban de enseñarte, y la inhibición de retorno, que hace que deje de interesarte para atender a lo nuevo. Tenemos un cerebro con una función primitiva, sobrevivir, y por eso somos tan buenos con las caras (aunque sigue el debate sobre si el recién nacido las reconoce o lo aprende), y reaccionamos a las arañas o a los colores parecidos a la sangre. El neuromarketing lo explota con el rojo; y Pablo recuerda que los colores de la bandera de España se eligieron para verse bien desde el mar.

Aprendizaje profundo: el salto y sus trampas

¿Por qué la visión y el audio han avanzado tanto y el tacto menos? Porque unos conceptos matemáticos de las redes neuronales cambiaron el paradigma del procesado de imagen, y el aprendizaje supervisado funciona de maravilla con grandes bases de datos: reconocer caras o distinguir tumores de mama. Pero cuando llevas esos algoritmos a un robot que se mueve y comete errores, dejan de funcionar como deberían; los coches autónomos están empujando ahí. Yo subrayo el cambio: antes un experto tenía que extraer las características de los datos y luego aplicar técnicas como las máquinas de vectores de soporte o los vecinos más cercanos; ahora la red las extrae sola de los datos en crudo, a cambio de muchos más ejemplos. En reconocimiento de voz, mi campo, pasamos de acertar en torno al 85 % a superar el 93 %.

Pablo pone un aviso que comparto: gracias a las herramientas que han liberado empresas como Google o Facebook ya no hay que calcular derivadas a mano, pero si no entiendes el problema, no tendrás una buena solución. Ve a muchos estudiantes frustrados porque creían que meter datos a una red resolvería, por ejemplo, la detección de epilepsia. Si transformas la señal de audio o procesas la imagen con lo que sabes del problema, el algoritmo rinde más. Y muchas ideas no son nuevas: redes como el neocognitrón o la máquina de Helmholtz de Dayan y Hinton existían en teoría, pero no había potencia de cálculo para probarlas. El futuro, cree, será aprendizaje profundo mezclado con técnicas de optimización, incluidas las bioinspiradas, de los algoritmos genéticos a las colonias de hormigas.

Píldoras del Conocimiento · Episodio 37Página 3 de 6

IA específica y la paradoja de Moravec

El marketing y el periodismo venden una inteligencia artificial general, pero en el día a día trabajamos con inteligencia específica, para problemas muy concretos. El aprendizaje por refuerzo profundo logra cosas que no habíamos visto, y un artículo de Nature mostró máquinas que juegan mejor que los humanos, pero solo a aquello para lo que se entrenaron. Nosotros, si sabemos usar un martillo, sabremos usar un palo. Aunque en DeepMind digan que llegarán a la inteligencia general, Pablo tiene sus dudas: no existe ni por asomo.

Y aquí entra la paradoja de Moravec, que Hans Moravec formuló en los años ochenta junto a investigadores como Rodney Brooks o Marvin Minsky: lo que creíamos difícil, la lógica, resulta fácil para una máquina, y lo que creíamos fácil, moverse e interactuar con el entorno, es lo más difícil. Jugar al ajedrez es más fácil que agarrar un vaso. Pablo evaluó hace poco una tesis sobre cómo agarrar un vaso; hay gente que lleva cincuenta años trabajando en manipulación. Por eso hay quien defiende desde hace décadas que la auténtica inteligencia es la capacidad de adaptarse al entorno. De esa corriente, la de Brooks, nació el robot aspirador: un robot nada inteligente, pero que se mueve. Cuando compres uno, acuérdate de Moravec.

Lo social y el espejo

Desde la robótica social, a mí me gusta la idea de Harari en Sapiens: uno de los motores de nuestra evolución fue la capacidad de chismorrear, de cooperar con individuos a los que ni conocemos. A Pablo le hace gracia la palabra, poco científica, pero coincide en que el ser humano tiene un aprendizaje larguísimo, dependiente de la madre, y que no se entiende la percepción del cuerpo sin entender cómo distinguimos nuestro cuerpo del de otro. En su charla mostraba un robot moviéndose ante un espejo hasta reconocerse. Desde la ingeniería, el espejo representa una situación que nunca has vivido pero en la que sigues siendo tú.

La prueba del espejo se asocia a animales conscientes: primero humanos, luego algunos primates, el elefante y, en 2019, un pequeño pez limpiador que salió en todas las noticias, aunque hay primatólogos de peso que lo discuten. El psicólogo Philippe Rochat, que ha hecho la prueba con niños de culturas muy distintas, le decía que estudiar esto es estudiar lo que nos hace personas, el yo. Pablo no ve cerca máquinas conscientes, quizá en siglos, y no dirá «nunca» por si alguien escucha esto en el futuro. Pero cree que tendemos a mitificar al ser humano: «Los humanos son más robots que algunos robots». Lo que quería mostrar su experimento es que no hace falta ser consciente para reconocerse en el espejo.

Los humanos son más robots que algunos robots.Pablo Lanillos

Qué ha hecho avanzar la robótica

Cada año, en los congresos, los robots parecen dar un salto que no corresponde al tiempo transcurrido. Para Pablo, lo primero no es el software: es el hardware, la miniaturización y unos sensores más baratos y precisos; cuantos más sensores, más información del entorno y mejor actúa el robot. También el abaratamiento de los materiales y la impresión 3D. Y los algoritmos de control, ya maduros: lo que ves en los vídeos de Boston Dynamics es control dinámico en su máximo esplendor.

Hubo otro cambio de paradigma: de reglas deterministas, «si ves algo, gira a la izquierda», a la robótica probabilística, que nació con las competiciones de coches autónomos antes del aprendizaje profundo y está en la base de los robots de servicio actuales. Lo que falta es la percepción: que un robot entienda el mundo. Y viene la robótica blanda, con sensores impresos en materiales flexibles que también llegarán a la ropa.

Yo añadí dos motores. La estandarización del software con ROS, el sistema operativo para robots, que fue para la robótica lo que Android para los móviles. Hubo otros intentos a la vez: en Cáceres desarrollaron uno muy interesante, y nosotros teníamos el nuestro, el sistema automático-deliberativo, con ideas muy parecidas; Pablo y Carlos León hicieron otro en 2006 para un robot guía de museo. Pero Willow Garage, en Estados Unidos, lo documentó y lo vendió mejor. Y los microordenadores baratos, como la Raspberry Pi, con mucha potencia, que bajaron los costes y trajeron economías de escala.

Píldoras del Conocimiento · Episodio 37Página 4 de 6

La robótica por países y por empresas

La robótica de cada sitio se parece; la diferencia es de dónde sale el dinero. En España hay empresas punteras, como PAL Robotics con sus humanoides, pero muchas empresas de robótica social o asistencial quiebran porque no encuentran usos que hagan que la gente las compre y no se aburra; hasta Jibo, salido del Media Lab del MIT, se estrelló. En Alemania hay mucha financiación pública, privada, universitaria y de fundaciones para la ciencia básica y la transferencia; allí la robótica se entiende como algo que mejora la productividad de una fábrica, y son buenos en brazos robóticos.

En España pesa más la robótica de servicio, y sin investigación básica acabas comprando tecnología fuera: las empresas vienen a vender, no a desarrollar. Japón combina grandes fabricantes de brazos industriales con robots de compañía. Y en Estados Unidos pesa mucho la financiación militar, a través de DARPA: si estudias de dónde viene el dinero, entiendes hacia dónde van los proyectos.

Como a muchos os interesa la inversión, repasamos empresas. Intuitive Surgical, la del robot quirúrgico Da Vinci, cotiza. Google compró varias empresas de robótica, entre ellas Boston Dynamics, y luego se desprendió de casi todas; Boston Dynamics pasó a SoftBank. ABB, sueco-suiza. Y KUKA, cuyo brazo ligero nació de la colaboración con el centro aeroespacial alemán DLR, fue comprada en 2016 por la china Midea, lo que molestó mucho en Alemania: era como si compraran Volkswagen.

Para Pablo, donde más dinero entra y mejores productos habrá es en la robótica médica, porque la medicina llega a todo el mundo y robotizar procedimientos mejora la precisión; la asistencial para mayores, que se esperaba como un boom, aún necesita aplicaciones realmente útiles. Yo lo explico por el sesgo del statu quo: para triunfar, algo tiene que ser drásticamente mejor que lo que ya usamos, y a la robótica social aún le falta su aplicación estrella.

Mi apuesta de entonces: en unos cinco años serían masivos los «altavoces inteligentes plus plus», robots sociales sencillos, sin manipulación fina, en los que ya trabajaban Amazon, Honda o Dyson. Pablo cree que la robótica personal llegará a cada casa, aunque las empresas a veces no lo ven: en su departamento no lograron inversores para una empresa de sensores táctiles, por demasiado riesgo, y años después cada empresa desarrolla los suyos. Y menciona áreas que parecen menores y no lo son: la robótica agrícola, con microgranjas controladas por un sistema robótico, la de construcción, la arquitectura que cambia de forma, la submarina para piscifactorías. Mientras tanto, transporte de mercancías y fábricas robotizadas están a la vuelta de la esquina.

Lo que falta

Yo pensaba en las baterías y la regulación. Pablo, tirando de su área, dice que falta que los robots perciban el entorno al menos a la mitad de bien que nosotros, y que llegará cuando la gente de robótica y la de inteligencia artificial trabajen de verdad juntas. En competiciones como RoboCup@Home, de robótica de servicio, si el robot no entiende lo que le dices no puede hacer nada: la robótica lo necesita todo.

Píldoras del Conocimiento · Episodio 37Página 5 de 6

El sistema científico por dentro

Lo que más ha aprendido Pablo últimamente es qué es hacer ciencia de verdad: en el doctorado tenía una visión estrecha y ahora ve dónde avanza la ciencia, algo que le alegra y le da vértigo, porque exige un esfuerzo enorme. Y otra lección: el desarrollo profesional no lo es todo, y lo demás incluso ayuda a ese éxito. Le pregunté por la «publicitis»: en España se evalúa a los investigadores por publicar mucho en revistas de primer cuartil, se premia la cantidad sobre la calidad, y con esa vara Einstein no habría sido nadie.

A Pablo le sorprende que el director de su departamento en Alemania le diga que publique donde está la gente a la que le interesa su tema, aunque la revista tenga menos impacto. Allí hay más financiación, pero también un mercado global muy competitivo, y él ha vivido la fiebre de publicar y de conseguir financiación: si tienes que sacar tres artículos al año para que crean que has hecho algo, no te queda tiempo para hacer bien un experimento.

Yo lo comparo con la inversión: reducir algo tan cualitativo a un número es como valorar una empresa solo por sus cifras, sin entender cómo hace negocio. Pablo añade lo que le parece más perverso, inventado por los propios informáticos: el índice h de Google Académico, que resume tu carrera en un número y con el que te evalúan y evalúas. Recuerda a un Nobel que juró no volver a publicar en Science ni en Nature, algo que un investigador joven no se puede permitir.

El negocio editorial es redondo: dinero público que acaba en empresas privadas, con artículos y revisiones gratis, y unos 3.000 dólares por publicar en abierto en una revista híbrida. Hay resistencias: la comunidad de aprendizaje automático creó sus propios espacios abiertos, y las universidades alemanas y las suecas dejaron de pagar a Elsevier. Pablo se avergüenza de pagar 2.000 euros para presentar tres minutos en un congreso de 4.000 personas: es una ciencia de dos velocidades. Yo confesé que, sin dejar de publicar, ese sistema viciado me quitó entusiasmo y fue parte de por qué empecé este pódcast: hay otras formas de divulgar que llegan más lejos.

También hablamos del principio de Peter, ascender hasta tu nivel de incompetencia: eres buen programador, pasas a dirigir equipos, luego a buscar financiación y acabas haciendo papeles. Pablo cree que en la universidad es peor, porque se pide un «hombre orquesta» que programe, investigue, consiga dinero y dé clase, cuando las empresas buscan el perfil adecuado para cada cosa; con sus estudiantes, primero ve qué se les da bien.

Su receta contra el estrés: no trabajar los fines de semana, aunque no siempre lo logre, y hacer deporte; lleva dos años sin una semana de desconexión real, porque siempre hay un plazo, como un proyecto europeo que cerrar un 2 de enero. Y pide normalizar la figura del investigador: un trabajo serio, con contratos y conciliación como cualquier otro; ve a colegas que bajaron su perfil por tener hijos. Ojalá también valoráramos más la transferencia a la empresa: en Alemania los estudiantes hacen prácticas desde primero y las empresas contratan a los doctores que forman, mientras aquí hay empresas que pagan una tesis y luego no contratan al doctor.

Decir que no y la dirección contraria

¿Qué le diría a su yo de 15 años? Una pregunta: si por fin ha aprendido a decir que no. Le hablé de un documental en el que grandes figuras como Buffett o Gates coincidían en una palabra, enfoque, y él se declaró renacentista: una sola cosa le aburre. En una década se ve con su propio laboratorio de ideas, de ciencia básica y aplicada para resolver problemas de la sociedad. El mejor consejo de su padre, que se lo enseñó casi todo, fue precisamente estudiar algo aplicado; lo que nunca le escuchó fue cómo hacer nudos de marinero. Y en su valla publicitaria escribiría: «Es posible que estés yendo en dirección contraria». Cuando trabajas en ciencia descubres que, cuando crees que lo sabes, tienes que investigar más. Actitud crítica y no dar nada por sentado.

Leído hasta el final

Píldoras del Conocimiento · Episodio 37Página 6 de 6