Casi una década después de su lanzamiento, Pokémon Go está influyendo en la inteligencia artificial de una forma inesperada.
Según un informe de MIT Technology Review(nueva ventana), Niantic Spatial, una empresa de IA derivada del desarrollador original del juego, está utilizando más de 30 mil millones de imágenes(nueva ventana) de puntos de referencia urbanos capturadas por jugadores de Pokémon Go para entrenar sistemas de IA que ayudan a los robots a entender dónde están en el mundo real.
Cuando Pokémon Go se lanzó en 2016, millones de jugadores caminaron por sus ciudades apuntando sus teléfonos a edificios, parques y puntos de referencia mientras buscaban criaturas digitales. Al hacerlo, crearon uno de los mayores conjuntos de datos de imágenes del mundo real jamás recopilados. Niantic Spatial entrenó su modelo con 30 mil millones de imágenes capturadas en entornos urbanos, muchas agrupadas en torno a ubicaciones que los jugadores visitaban con frecuencia en el juego. A veces, las criaturas digitales aparecían en o cerca de espacios privados como edificios de departamentos o patios residenciales, lo que significa que esos momentos podrían haber pasado a formar parte de conjuntos de datos de IA.
Ahora esos datos se están utilizando para construir lo que los investigadores llaman un “modelo del mundo”: un sistema de IA diseñado para ayudar a las máquinas a interpretar y navegar entornos físicos.
También destaca algo fácil de pasar por alto sobre la tecnología moderna: la actividad cotidiana en aplicaciones puede convertirse silenciosamente en datos de entrenamiento valiosos para sistemas de IA años después, algo que los jugadores de Pokémon Go no habrían podido anticipar en 2016, y mucho menos consentir de manera significativa.
Por qué el GPS tiene dificultades en las ciudades
Las señales GPS a menudo rebotan en edificios altos, se desvían significativamente o desaparecen por completo en entornos urbanos densos, un problema que a veces se denomina efecto de “cañón urbano”. Como explica MIT Technology Review en su informe sobre la tecnología, incluso los indicadores de ubicación de los smartphones pueden desviarse decenas de metros en las ciudades, colocando con frecuencia un dispositivo en la cuadra equivocada o en el lado incorrecto de la calle.
La solución de Niantic Spatial se basa en un sistema de posicionamiento visual(nueva ventana), que determina la ubicación analizando lo que ve una cámara. Al comparar instantáneas de edificios y puntos de referencia cercanos con su enorme conjunto de datos, el sistema puede, según se informa, ubicar una ubicación con una precisión de unos pocos centímetros.
De la realidad aumentada a los robots de reparto
Una de las primeras pruebas en el mundo real de la tecnología de Niantic Spatial está ocurriendo mediante una alianza con Coco Robotics, una start-up que opera robots de reparto en aceras en varias ciudades.
Los robots de la empresa transportan comestibles y pedidos de restaurantes en lugares como Los Ángeles, Chicago, Miami y Helsinki. Según el informe de MIT Technology Review, los robots de Coco ya han completado más de medio millón de entregas, recorriendo millones de millas.
Navegar con fiabilidad por ciudades densas sigue siendo un gran desafío para las máquinas autónomas. Al combinar cámaras en los robots con el sistema de posicionamiento visual de Niantic Spatial, las máquinas pueden determinar mejor exactamente dónde están, lo que les permite detenerse con precisión en puntos de recogida o frente a la puerta de un cliente.
El auge de los “modelos del mundo”
El proyecto refleja una tendencia más amplia en el desarrollo de la IA.
Los modelos de lenguaje grandes se entrenan con imágenes y texto de internet. Los modelos del mundo, en cambio, buscan ayudar a las máquinas a entender cómo está estructurado el propio mundo físico: dónde se ubican los objetos, cómo se conectan los espacios y cómo moverse por ellos de forma segura.
Niantic Spatial dice que su objetivo a largo plazo es construir un “mapa vivo” del mundo, constantemente actualizado, que robots y otros sistemas de IA puedan usar para navegar.
Qué significa esto para la privacidad
Esta historia también ilustra un cambio más amplio en la forma en que se reutilizan los datos creados por personas comunes usando aplicaciones comunes.
Millones de personas descargaron Pokémon Go para jugar. Pero en el camino, también generaron miles de millones de imágenes y señales de ubicación precisas vinculadas a lugares del mundo real. Estos datos ahora están ayudando a entrenar sistemas de IA diseñados para mapear y navegar el mundo físico. Eso está muy lejos de la intención del jugador de tomar el juego para salir a buscar a Pikachu.
Esto se está convirtiendo en un patrón familiar en la economía de la IA. Actividades que parecen no tener relación con la inteligencia artificial —tomar fotos, navegar por la web, usar aplicaciones— a menudo terminan produciendo los conjuntos de datos utilizados para entrenar nuevos sistemas poderosos. Los modelos modernos de IA se construyen con frecuencia utilizando grandes colecciones de datos extraídos de internet y otras fuentes digitales, que, según los investigadores, a veces pueden incluir información personal o datos confidenciales.
A medida que las empresas compiten por construir modelos del mundo y otras formas de IA, la pregunta pasa a ser exactamente de dónde provienen los datos de entrenamiento y si las personas que los generaron alguna vez se dieron cuenta de cómo se usarían esos datos, o si seguirían aceptando usar esas aplicaciones si hubieran conocido las consecuencias. Cada vez más, responsables políticos e investigadores han pedido estándares de consentimiento más claros(nueva ventana) para los datos utilizados en el entrenamiento de IA, argumentando que los creadores y usuarios deberían tener más control sobre cómo se reutilizan sus datos.
Estas preocupaciones de privacidad relacionadas con la IA ya se están viendo en los tribunales. Editoriales, autores y empresas de medios han presentado demandas alegando que su trabajo se utilizó para entrenar sistemas de IA sin permiso, incluyendo un caso de alto perfil en el que The New York Times demandó a OpenAI y Microsoft(nueva ventana) por el supuesto uso de su periodismo en conjuntos de datos de entrenamiento de IA.
Para las empresas que construyen IA que navega el mundo físico, los conjuntos de datos creados a través de juegos, aplicaciones y plataformas digitales se están convirtiendo rápidamente en algunos de los activos más valiosos de la industria tecnológica. A medida que eso ocurre, las preguntas sobre transparencia, consentimiento y cómo se reutilizan los datos generados por los usuarios se vuelven cada vez más difíciles de ignorar.
No todo el mundo está siguiendo este modelo hambriento de datos. En Proton, creemos en una IA privada y transparente que le brinda los beneficios de un asistente de IA(nueva ventana) sin los costos de privacidad. Lumo nunca registra sus datos, entrena con sus conversaciones confidenciales ni comparte su información con nadie. Significa usar IA sin preguntarse si las interacciones de hoy podrían convertirse silenciosamente en los conjuntos de datos de mañana.
