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(ventana nueva), Niantic Spatial, una empresa de IA surgida del desarrollador original del juego, está utilizando más de 30 mil millones de imágenes(ventana nueva) de puntos de referencia urbanos captadas 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 con sus teléfonos a edificios, parques y lugares emblemáticos 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 captadas en entornos urbanos, muchas agrupadas en torno a lugares que los jugadores visitaban con frecuencia en el juego. A veces, las criaturas digitales aparecían en espacios privados o cerca de ellos, como edificios de apartamentos o patios residenciales, lo que significa que esos momentos pueden haber pasado a formar parte de conjuntos de datos de IA.
Esos datos se están utilizando ahora 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 por entornos físicos.
También pone de relieve algo fácil de pasar por alto sobre la tecnología moderna: la actividad cotidiana en aplicaciones puede convertirse silenciosamente en valiosos datos de entrenamiento para sistemas de IA años después, algo que los jugadores de Pokémon Go no podrían haber previsto en absoluto en 2016, y mucho menos consentido de forma significativa.
Por qué el GPS tiene dificultades en las ciudades
Las señales GPS suelen rebotar en edificios altos, desviarse significativamente o desaparecer por completo en entornos urbanos densos, un problema que a veces se llama efecto «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, situando a menudo un dispositivo en la manzana equivocada o en el lado incorrecto de la calle.
La solución de Niantic Spatial se basa en un sistema de posicionamiento visual(ventana nueva), que determina la ubicación analizando lo que ve una cámara. Al comparar instantáneas de edificios y lugares emblemáticos cercanos con su enorme conjunto de datos, el sistema puede, según se informa, determinar 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 se está llevando a cabo a través de una asociación con Coco Robotics, una startup 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 de forma fiable por ciudades densas sigue siendo un gran reto 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 los 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, pretenden ayudar a las máquinas a entender cómo está estructurado el propio mundo físico: dónde se encuentran los objetos, cómo se conectan los espacios y cómo moverse por ellos de forma segura.
Niantic Spatial afirma que su objetivo a largo plazo es construir un «mapa vivo» del mundo que se actualice constantemente y que los robots y otros sistemas de IA puedan utilizar para navegar.
Qué significa esto para la privacidad
Esta historia también ilustra un cambio más amplio en cómo se están reutilizando los datos creados por personas corrientes que usan aplicaciones corrientes.
Millones de personas descargaron Pokémon Go para jugar. Pero, por el camino, también generaron miles de millones de imágenes y señales de ubicación precisas vinculadas a lugares del mundo real. Estos datos están ayudando ahora a entrenar sistemas de IA diseñados para mapear y navegar por el mundo físico. Eso se aleja mucho de la intención del jugador de empezar a jugar buscando a Pikachu.
Esto se está convirtiendo en un patrón habitual en la economía de la IA. Actividades que parecen no tener relación con la inteligencia artificial —hacer fotos, navegar por la web, usar aplicaciones— a menudo terminan produciendo los conjuntos de datos que se utilizan para entrenar nuevos sistemas potentes. 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 sensibles.
A medida que las empresas se apresuran a construir modelos del mundo y otras formas de IA, la pregunta pasa a ser exactamente de dónde proceden los datos de entrenamiento y si las personas que los generaron llegaron alguna vez a darse cuenta de cómo se utilizarían esos datos, o si seguirían aceptando usar esas aplicaciones si hubieran conocido las consecuencias. Responsables políticos e investigadores han pedido cada vez más estándares de consentimiento más claros(ventana nueva) para los datos usados en el entrenamiento de IA, argumentando que creadores y usuarios deberían tener más control sobre cómo se reutilizan sus datos.
Estas preocupaciones sobre la privacidad en la IA ya están llegando a los tribunales. Editoriales, autores y empresas de medios han presentado demandas alegando que su trabajo se utilizó para entrenar sistemas de IA sin permiso, incluido un caso muy mediático en el que The New York Times demandó a OpenAI y Microsoft(ventana nueva) por el supuesto uso de su periodismo en conjuntos de datos de entrenamiento de IA.
Para las empresas que construyen IA que navega por el mundo físico, los conjuntos de datos creados mediante 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, resulta cada vez más difícil ignorar las preguntas sobre transparencia, consentimiento y cómo se reutilizan los datos generados por los usuarios.
No todo el mundo está siguiendo este modelo hambriento de datos. En Proton, creemos en una IA privada y transparente que te ofrezca las ventajas de un asistente de IA(ventana nueva) sin los costes para la privacidad. Lumo nunca registra tus datos, no entrena con tus conversaciones sensibles ni comparte tu información con nadie. Significa usar la IA sin preguntarte si las interacciones de hoy podrían convertirse silenciosamente en los conjuntos de datos de mañana.
