Cuál es la nueva inversión de Jeff Bezos en la inteligencia artificial

En una reciente apuesta por la inteligencia artificial y la robótica avanzada, Jeff Bezos lideró una ronda de inversión de 400 millones de dólares en la startup Physical Intelligence, una empresa emergente con una ambiciosa misión: crear robots que no solo realicen tareas específicas, sino que puedan enfrentarse a una amplia variedad de actividades.

Esta inyección de capital, respaldada también por Lux Capital y Thrive Capital (dos firmas de capital de riesgo), llevó a Physical Intelligence a una valoración previa al financiamiento de 2.000 millones de dólares, afirmó la agencias de noticias Reuters, con información de la base de datos del mercado privado PitchBook.

La visión de Physical Intelligence se aleja de la robótica tradicional que produce máquinas especializadas. En su lugar, la empresa quiere desarrollar un software base que dote a los robots de una versatilidad única, permitiéndoles adaptarse a diversas tareas cotidianas, como doblar ropa o limpiar mesas.

Según su director ejecutivo y cofundador, Karol Hausman (ex científico en robótica de Google), la meta es crear un “verdadero generalista”, según informó el medio sobre negocios Business Insider, un tipo de inteligencia física que permita a los robots cambiar de tarea sin necesidad de ajustes específicos.

Sergey Levine, profesor de la Universidad de California en Berkeley; y Lachy Groom, inversor y ex ejecutivo del gigante de pagos Stripe (empresa de servicios financieros y software), son dos cofundadores más, indicó The New York Times.

Esta tecnología, llamada pi-zero, utiliza datos recopilados tanto de robots propios como de fuentes de código abierto, buscando establecer una base de conocimientos que abarque las interacciones físicas más comunes.

Innovación y demostración de capacidades

El modelo pi-zero es un sistema diseñado para operar en múltiples tipos de robots y adaptarse a diversas tareas. La compañía desarrolló este “cerebro generalista” mediante la utilización datos de ocho robots distintos, cada uno de los cuales ha realizado tareas específicas para alimentar el modelo con una comprensión amplia de las interacciones físicas.

A diferencia de los sistemas tradicionales de IA en robótica, que suelen estar programados para tareas únicas, el software de pi-zero aspira a ofrecer una capacidad de adaptación que permita a los robots alternar entre diversas actividades sin requerir reprogramación.

Para demostrar el potencial de esta tecnología, Physical Intelligence compartió videos que muestran a sus robots en acción. En una de las demostraciones, un robot saca ropa de una secadora y la dobla cuidadosamente sobre una mesa, mientras que en otro video, un robot recoge restos de basura de una mesa después de una comida, separando y apilando platos, cubiertos y vasos.

Estos ejemplos ilustran cómo el modelo permite que los robots realicen secuencias complejas de movimientos, como sacudir los residuos de un plato antes de colocarlo en un contenedor, o apilar varios elementos de forma eficiente. Según la compañía, estas tareas buscan no solo cumplir una función específica, sino dotar al modelo de una comprensión general de los objetos y sus usos en distintos contextos.

Desafíos y limitaciones

A pesar del potencial que se vio en las demostraciones, la startup reconoce que la creación de robots generalistas sigue siendo un desafío lleno de obstáculos técnicos.

En su última publicación, la empresa señaló que el desarrollo de políticas para robots capaces de adaptarse a múltiples tareas apenas comienza y que aún quedan numerosos errores por resolver. Los videos compartidos incluyen ejemplos de robots que, al utilizar el modelo pi-zero, no logran completar algunas de las tareas asignadas, lo que evidencia que estos sistemas están en una fase temprana de prueba y ajuste.

Sin embargo, la empresa asegura que los experimentos realizados hasta ahora indican que sus modelos pueden controlar distintos robots y ejecutar acciones que, hasta el momento, no habían sido logradas por otros sistemas de aprendizaje robótico, como doblar ropa de un cesto o armar una caja de cartón.