Dall'otto al 56 per cento: Il robot domestico supera l'ostacolo più difficile

Fino a poco tempo fa si dava per scontato che un robot dovesse imparare a conoscere ogni abitazione singolarmente. Figure ha pubblicato il 17 settembre dei numeri che risolvono questa questione. L'umanoide del produttore californiano ha riposto giocattoli, ha fatto letti e ha piegato panni, in 30 abitazioni sconosciute della Bay Area, che il modello non aveva mai visto e senza un minuto di addestramento in loco. 237 su 420 tentativi sono andati completamente a buon fine. Sono il 56 per cento. La stessa architettura senza il nuovo pre-addestramento raggiunge l'otto.

Il salto è arrivato anni prima di quanto la maggior parte del settore avesse calcolato. Quello che è sorprendente è da dove proviene: non da una meccanica migliore, ma da 16 milioni di video da smartphone caricati da 44'000 persone pagate dalle loro stesse cucine e camere da letto.

Quanto sia davvero buono il risultato lo mostra solo la configurazione del test, ed è più severa di quella che i produttori normalmente presentano. In tutte le 30 abitazioni è stato utilizzato lo stesso stato di modello congelato. È stato valutato solo il compito completato interamente, e se una persona interveniva per motivi di sicurezza, il tentativo era considerato fallito. Nel fare i letti il robot ha raggiunto il 67 per cento, nel piegare il 62, nello riordinare da tredici a quindici oggetti sparsi ancora il 40. Chi ha mai visto un'afferratrice fallire di fronte a un panno spiegazzato di spugna, sa cosa valgono questi numeri. Una limitazione rimane comunque centrale: i tre compiti stessi erano stati precedentemente appresi dal robot. Le novità erano le abitazioni e le cose in esse, non il compito stesso.

La leva dietro tutto questo si chiama Index ed è una piccola storia della società di per sé. Da agosto c'è un'app negli store con cui chiunque può filmare la propria casa e farsi pagare per questo. 264'000 download in 108 paesi, già 15 milioni di dollari pagati. Figure sta così raccogliendo circa 35 minuti di esperienza umana al secondo, convertiti in 50'000 ore di materiale al giorno o quasi sei anni umani, giorno dopo giorno. Nel corso dei prossimi dodici mesi dovrebbe fluire più di un miliardo di dollari in dati, oltre a 3,5 miliardi in potenza di calcolo. È il tentativo più costoso finora per insegnare a una macchina la vita quotidiana osservandola, invece di insegnarla.

Con questo è possibile per la prima volta fare un calcolo abbastanza serio su quando un dispositivo così sarà in grado di funzionare senza supervisione. Figure ha addestrato quattro modelli su quantità di dati graduali su un intervallo di fattore otto e riporta che l'errore diminuisce a ogni raddoppio in modo così affidabile che il valore della corsa più grande potrebbe essere previsto in anticipo fino a quattro cifre decimali. L'esponente di questa curva non è pubblicato dall'azienda, e da questo dipende tutto. Se si calcola con i valori comuni nella letteratura, per una frequenza di successo del 95 per cento sono necessari tra 77 volte e 50'000 volte la quantità di dati attuale. La gamma sembra assurda, ma è la risposta onesta: la differenza tra un esponente favorevole e uno sfavorevole decide in merito ad anni.

Se si accosta il tasso di raccolta, diventa concreto. Se Index continua a crescere velocemente come finora, il mucchio di dati si raddoppierà approssimativamente ogni sei mesi, e i necessari da sei a undici raddoppi sarebbero raggiunti in tre o cinque anni. Se invece il tasso rimane dove è oggi, lo stesso percorso richiede decenni, perché ogni ulteriore raddoppio richiede il doppio del tempo del precedente. Per gli ultimi percento vale comunque qualcosa di diverso. Raggiungere il 99 per cento esclusivamente attraverso più video richiede, a seconda dell'esponente, due mila volte fino a cento milioni volte i dati odierni. Questo non accadrà. Questo percorso deve essere percorso diversamente, attraverso il riconoscimento degli errori, attraverso i secondi tentativi, attraverso un robot che noti che il panno è caduto accanto e lo prenda semplicemente di nuovo.

Che sia possibile anche diversamente lo dimostra Sunday Robotics di Mountain View. L'azienda ha riportato nel mese di agosto il 99,1 per cento nel piegare il bucato, 778 su 785 tentativi in 25 abitazioni sconosciute. Un singolo compito, un robot mobile, per questo quasi perfetto. Figure sta percorrendo la strada opposta, ampia invece che profonda, e accetta per questo che ogni secondo compito fallisca ancora. Quale percorso arriverà per primo in soggiorno è aperto. Certo è solo che la parte più difficile è stata completata: un modello che comprenda addirittura un'abitazione sconosciuta era un argomento di ricerca due anni fa ed è oggi un prodotto in fase di test.

Per la Svizzera ciò significa due cose. Un tale dispositivo non può ancora essere venduto, e fino a quando non sarà così, oltre alla quota deve essere chiarito anche chi è responsabile se il braccio colpisce il vaso della vicina, e come un robot negli spazi abitativi ottiene la dichiarazione di conformità. Non è una formalità ed è complicato da risolvere in tre anni. L'altro lato è più immediato. L'app Index si scarica anche qui, a chi piace. Chi filma la propria cucina sta lavorando a un sistema che prima o poi dovrebbe trovarsi in quella cucina. Il pagamento avviene al minuto, non per quote.