Cuando la cámara en la cabeza enseña a un robot a cortar verduras: el trabajo de Divya, la india que entrena máquinas con sus propias manos

Para que un robot con inteligencia artificial aprenda a pelar una papa o a limpiar una mesada, alguien tiene que mostrarle, antes, cómo se hace. Esa es, en pocas palabras, la tarea que Divya, una mujer del distrito de Karur, en el sur de la India, decidió convertir en una fuente de ingresos: registrar con su teléfono lo que ya sabe hacer en la cocina y en su casa, para que las máquinas puedan imitarlo después.

El mecanismo es más sencillo de lo que parece y, al mismo tiempo, más exigente de lo que sugiere una grabación casera. Cada video es un ejemplo visual que un sistema de inteligencia artificial usa como si fuera una clase: observa cómo la mano agarra el cuchillo, cómo gira la verdura, dónde apoya los dedos y con qué fuerza corta. La diferencia con un robot que repite una secuencia fija —como los brazos mecánicos de una fábrica que soldan siempre en el mismo punto— es que estos modelos buscan patrones. Una vez que los identifican, pueden intentar reproducirlos en una cocina distinta, con otra luz, otro cuchillo y otra papa.

Cómo funciona el entrenamiento con videos hogareños

• Divya se coloca un celular en la cabeza con un soporte, como si fuera una linterna, de modo que la cámara queda a la altura de sus ojos y registra la tarea desde el primer plano de sus manos.
• Cada filmación muestra una actividad completa, por ejemplo cortar verduras o limpiar una superficie, sin cortes ni ediciones, porque el sistema necesita ver la secuencia real de movimientos, no una versión prolija.
• Los videos llegan a una plataforma donde otros trabajadores los revisan y verifican que cumplan requisitos de encuadre, luz y duración. Solo una parte del material queda aprobado para entrenar a los robots.
• El conjunto de videos aceptados alimenta bases de datos que los modelos de inteligencia artificial procesan para aprender a reconocer objetos, predecir movimientos y decidir cómo actuar en un entorno doméstico.

En la práctica, traducir una tarea conocida en material apto para entrenar a una máquina lleva bastante más tiempo del que llevaría hacerla sin la cámara encendida. Divya lo explica así: si cortar verduras le toma media hora en su rutina habitual, esa misma tarea le insume cerca de una hora cuando tiene que grabarla. A eso se suma otro filtro: de unas cuatro horas de filmación en una jornada, solo entre dos y dos horas y media terminan siendo aprobadas. El resto se descarta porque el encuadre se mueve, la luz cambia o la acción no cumple los criterios del pedido.

“Si normalmente me toma 30 minutos cortar verduras, este trabajo me toma una hora cuando tengo que grabarlo en video.”Divya

El impacto económico, en su caso, no es una cifra abstracta: es la diferencia entre pedirle dinero al marido para recargar el teléfono y poder hacerlo por cuenta propia. Divya cuenta que antes dependía de su esposo incluso para ese gasto mínimo y que ahora usa lo que gana con las grabaciones para pagar la recarga y hacer compras chicas sin tener que pedir. Es un ingreso modesto, pero con un efecto concreto en su autonomía cotidiana.

Su experiencia ilustra una cara poco visible de la inteligencia artificial: la del trabajo humano, paciente y muchas veces hogareño, que convierte gestos simples en datos útiles para robots. Cada video aprobado es una pieza de un rompecabezas enorme que, del lado del usuario, promete asistentes que algún día puedan doblar una sábana o levantar un plato del piso. Del lado de quienes los entrenan, hoy, sigue siendo un trabajo que se mide en horas de cámara, filtros de aprobación y remuneraciones bajas.

Qué falta para que un robot doméstico sea masivo

• Más cantidad de videos variados: las máquinas necesitan ver miles de ejemplos de cada tarea, hechos por personas distintas, en cocinas y casas diferentes, para no quedar atadas a un único estilo de cocina o de limpieza.
• Modelos que entiendan el contexto: pasar de reconocer un corte de verdura a decidir por qué cuchillo empezar, o cómo acomodar los restos, requiere que la inteligencia artificial incorpore nociones de orden y objetivo, algo todavía en desarrollo.
• Robots con manos hábiles y seguras: los algoritmos pueden aprender de los videos, pero la industria todavía trabaja en pinzas y dedos mecánicos capaces de replicar la precisión y la suavidad de una mano humana sin romper lo que tocan.
• Costos accesibles: tanto del hardware como del software, para que un robot de uso doméstico deje de ser un producto experimental y se convierta en un electrodoméstico más, al alcance de hogares promedio.

Mientras ese horizonte se acerca, Divya sigue sumando horas de cámara a su jornada. Lo que para una familia es una cena preparada en la cocina, para un robot en entrenamiento es una clase más, filmada desde la frente de alguien que conoce el trabajo de memoria.