Un algoritmo del MIT obliga a la inteligencia artificial a respetar reglas sin reentrenarla: lo probaron con un brazo robótico

En una prueba con un brazo robótico, el método HardFlow, desarrollado por investigadores del Instituto de Tecnología de Massachusetts (MIT), permitió sortear los obstáculos del recorrido y elegir el camino más corto hasta un objeto. La mayoría de las técnicas con las que se lo comparó provocó choques o derivó en trayectorias mucho más extensas. El ensayo fue parte de una serie de evaluaciones que también incluyeron recorridos por laberintos y modificaciones de imágenes a partir de instrucciones escritas.

Una restricción que no se negocia y una mejora que se busca

El caso del brazo robótico ilustra la lógica del método: combinar límites obligatorios con objetivos de eficiencia. Para un robot, evitar un choque es una condición que debe respetarse; reducir la distancia hasta el destino es una mejora que puede buscarse entre los recorridos permitidos. HardFlow permite abordar ambas exigencias dentro del mismo proceso.

...

Su incorporación tampoco requiere entrenar nuevamente la inteligencia artificial. El método funciona sobre modelos generativos ya entrenados y actúa en el momento en que se los utiliza. Para hacer viable ese funcionamiento, el equipo del MIT dividió el cálculo en problemas más pequeños, aprovechando la estructura de los modelos de emparejamiento de flujo, una familia de modelos que aprenden a transformar ruido en datos siguiendo un camino continuo.

La diferencia clave está en cuándo se exige cumplir las reglas. Una técnica usada como referencia, el muestreo basado en proyección, impone las restricciones en cada etapa de la generación. Ese ajuste continuo puede restringir las opciones que el sistema explora y dificultar que encuentre una solución mejor. HardFlow deja mayor libertad durante los pasos internos y exige que el resultado final respete las condiciones establecidas. Las etapas intermedias se descartan: lo que se evalúa es la respuesta final.

Qué se evaluó

• Manipulación con robots: un brazo debía llegar a un objeto sin chocar y por el recorrido más corto.
• Recorridos por laberintos: el sistema debía encontrar la salida respetando restricciones del trazado.
• Edición de imágenes a partir de instrucciones escritas: el modelo debía aplicar cambios pedidos por texto sin saltarse límites.

En todos los casos, el trabajo reportó que las restricciones se cumplieron y que la calidad de las soluciones superó de manera consistente a las referencias. El tiempo de procesamiento fue similar o menor al de la mayoría de los métodos con los que se lo comparó.

Lo que todavía no se sabe

El equipo del MIT presentó el método como una forma de exigir condiciones a la inteligencia artificial sin volver a entrenarla, pero no reportó pruebas a gran escala ni aplicaciones fuera del entorno de laboratorio. Tampoco se informó cuándo ni cómo podría adoptarse en sistemas productivos, ni qué ocurre cuando las restricciones son contradictorias entre sí. Esos puntos quedan abiertos para próximas etapas de la investigación.