Cubo no obedece: responde
Hay una escena que se repite en casi todos los pilotos de i-bots en colegios, y no la diseñamos a propósito: un niño o una niña le habla muy fuerte a Cubo, le da cuatro instrucciones seguidas, sin pausa y sin orden. Y Cubo no responde. O peor, se frustra.
Lo que no esperábamos fue lo que pasa después. El niño o la niña no se enoja con el robot. Se detiene, piensa, y lo vuelve a intentar — esta vez más claro. Porque la relación entre lo que dice y lo que Cubo hace es inmediata y sin ambigüedad: si le gritas, no te entiende. Si le juntas demasiadas órdenes, se confunde. Si eres preciso, avanza. Ese circuito corto entre causa y efecto terminó siendo uno de los aprendizajes más importantes de los pilotos, y no estaba en el diseño original.
Ahí está, en la práctica, lo que veníamos persiguiendo desde que armamos la capa emocional de Cubo:
"Esto es lo que pasa cuando la inteligencia artificial se diseña para la interacción humana real: no obtienes un robot que obedece, obtienes una personalidad que responde." 👌🏽
Por qué reaccionar así no es decoración
Kerstin Dautenhahn, una de las investigadoras que ayudó a fundar la robótica social como campo, planteaba hace casi veinte años que un robot que va a compartir espacio con personas necesita algo más que ejecutar tareas: necesita un comportamiento legible, algo parecido a una "robotiquette", para que quien interactúa con él entienda de inmediato qué está pasando y por qué (Dautenhahn, 2007). Eso es exactamente lo que hace que un niño gritando entienda, sin que nadie se lo explique, que gritar no funciona.
Y esa legibilidad importa más de lo que parece. Un estudio clásico con el robot AIBO de Sony mostró que las personas no solo perciben cuando un robot tiene un comportamiento consistente y diferenciado: lo leen con precisión a partir de señales verbales y no verbales, y esa lectura cambia directamente cómo se relacionan con él (Lee et al., 2006). Cada vez que Cubo se retrae en vez de simplemente fallar en silencio, le está dando a esa niña o ese niño una señal que puede leer e interpretar.
El aprendizaje que no estaba en el plan
Lo más interesante, para un equipo que trabaja con infancia, es que esta reactividad no es solo simpática: cambia lo que se aprende. Un estudio de interacción sostenida en el tiempo con niños encontró que la retroalimentación emocional de un robot, cuando se ajusta a lo que realmente ocurrió en cada intento en vez de repetirse siempre igual, mantiene el interés del niño sesión tras sesión y mejora resultados de aprendizaje concretos (Ahmad et al., 2019). En Cubo, esa retroalimentación no busca hacerlo simpático o entrañable — busca hacer visible, al instante, que el error no es un fracaso: es información. Que la manera en que te comunicas cambia lo que ocurre.
Nada de esto es automático
Un metaanálisis reciente sobre antropomorfismo en robots encontró que dotar a un robot de señales más "humanas" ayuda en algunas dimensiones de la interacción, pero no en todas, y que el efecto depende fuertemente de qué tan bien calibrado esté el diseño (Roesler et al., 2021). Que Cubo se frustre o se retraiga solo funciona como herramienta de aprendizaje porque esa reacción es consistente, proporcional y predecible — no porque sea expresiva.
Eso es lo que estamos explorando con los i-bots. Cuéntanos qué piensas en los comentarios del video 👇 y suscríbete al canal para seguir la serie.
Referencias
Ahmad, M. I., Mubin, O., Shahid, S., & Orlando, J. (2019). Robot's adaptive emotional feedback sustains children's social engagement and promotes their vocabulary learning: A long-term child–robot interaction study. Adaptive Behavior, 27(4), 243–266. https://doi.org/10.1177/1059712319844182
Dautenhahn, K. (2007). Socially intelligent robots: Dimensions of human–robot interaction. Philosophical Transactions of the Royal Society B: Biological Sciences, 362(1480), 679–704. https://doi.org/10.1098/rstb.2006.2004
Lee, K. M., Peng, W., Jin, S.-A., & Yan, C. (2006). Can robots manifest personality? An empirical test of personality recognition, social responses, and social presence in human–robot interaction. Journal of Communication, 56(4), 754–772. https://doi.org/10.1111/j.1460-2466.2006.00318.x
Roesler, E., Manzey, D., & Onnasch, L. (2021). A meta-analysis on the effectiveness of anthropomorphism in human-robot interaction. Science Robotics, 6(58), Article eabj5425. https://doi.org/10.1126/scirobotics.abj5425