Los esfuerzos de Uber por mantenerse un paso por delante de la competencia al invertir fuertemente en la robótica y las investigaciones de IA están mostrando señales de problemas.
En meses recientes, Uber ha perdido varios líderes de su Grupo de Tecnologías Avanzadas, un proyecto de coche autónomo radicado en Pittsburgh (EEUU). Y el director de su nuevo laboratorio de IA, Gary Marcus, también se despidió tras tan solo unos meses en el cargo. Forman parte de una imagen más grande que señala los retos que conlleva comercializar una tecnología que sigue siendo altamente compleja y vanguardista.
Uber creó su laboratorio de IA en diciembre, tras adquirir Geometric Intelligence, una start-up digirida por Marcus, un científico conductista de la Universidad de Nueva York (EEUU). Marcus, que sigue siendo consejero de IA de Uber, hablará de los retos que permanecen en la ingeligencia artificial en EmTech Digital, una conferencia organizada por MIT Technology Review.
El último contratiempo de Uber se produjo la semana pasada, cuando la empresa se vio obligada a detener las pruebas de sus vehículos autónomos en Arizona (EEUU) después de que uno de sus coches fue involucrado en un accidente con otro vehículo. Aún no existe ninguna indicación de que el coche autónomo tuviera la culpa.
Como explicará Marcus, lograr que los ordenadores sean tan inteligentes como los humanos en situaciones críticas como la conducción sigue representando un reto formidable. Los coches autónomos aún no pueden reaccionar ante cualquier eventualidad con la que se puedan encontrar en carretera, y requieren enormes cantidades de datos para aprender.
Uber se ha apresurado a desarrollar vehículos autónomos por miedo a que la tecnología pueda disrumpir fácilmente la industria de los taxis. La empresa se puso al día rápidamente, y tiene coches autónomos operando en las carreteras de varias ciudades. Pero como descubrió MIT Technology Review, estos sistemas aún no funcionan a la perfección, incluso en situaciones cotidianas de conducción.
Existen importantes retos de ingeniería también. Por ejemplo, no está claro cómo lograr que los coches autónomos lidien con sensores degradados, ni cómo sistemas activos como el lidar, un tipo de sistema de láser, podrían interferirse entre sí si hubiera muchos coches autónomos sobre las carreteras (ver El taxi autónomo de Uber me condujo hacia el futuro del transporte).
Marcus ha sido un crítico declarado de lo que él considera una dependencia excesiva de enfoques de redes neuronales basadas en el aprendizaje de máquinas dentro de la inteligencia artificial. Fundó Geometric Intelligence en 2014 para explorar enfoques alte ativos (ver Un niño de dos años inspira una IA más humana).
Entre otras cosas, Geometric Intelligence buscaba encontrar maneras más eficientes para que las máquinas aprendan. Mientras que un humano puede aprender rápidamente a reconocer una nueva señal de tráfico, un ordenador requiere muchos miles de ejemplos con los mejores enfoques actuales del aprendizaje de máquinas.
Otras empresas que trabajan en la conducción autónoma también han encontrado que los progresos han sido más lentos de lo que esperaban. Google ha generado una spin-out, llamada Waymo, de su proyecto de coche autónomo, pero su tecnología aún no está comercialmente disponible.