Can People Distinguish Human and AI Agency in Humanoid Teleoperation? A Preliminary Study of Agency Perception

Imagina un futuro en el que un robot de pie en tu sala de estar no es solo una máquina siguiendo un guion, sino un compañero de conversación, capaz de sonreír, gesticular y responder con la fluidez de un humano. Esta visión se basa en la teleoperación, un método en el que una persona se sienta lejos y controla los movimientos y la voz del robot en tiempo real, utilizando efectivamente la máquina como un cuerpo remoto. Durante años, esto ha requerido que un operador humano esté constantemente presente, limitando cuántas personas puede ayudar una sola persona o cuánto puede durar una conversación. Sin embargo, el rápido ascenso de la inteligencia artificial ha introducido una nueva posibilidad: sistemas que pueden generar habla, expresiones faciales y gestos por sí mismos, imitando al ser humano tan de cerca que la diferencia resulta difícil de distinguir. Esto crea una pregunta fascinante y ligeramente inquietante para cualquiera que interactúe con estas máquinas: si un robot está actuando, ¿puedes saber si una persona real está moviendo los hilos, o si un algoritmo está haciendo el trabajo?

Investigadores de los Laboratorios de Ciencias de la Computación de Sony y la Universidad de Tokio se propusieron responder a esta pregunta construyendo un sistema que llaman Ghost-in-the-Loop (Fantasma en el bucle). Este marco permite que un robot humanoide cambie sin problemas entre ser controlado por un operador humano y ser dirigido enteramente por inteligencia artificial, todo mientras luce y suena exactamente igual. El robot, un modelo Unitree G1 equipado con una pantalla para el rostro y cámaras para ver su entorno, sirve como el escenario. Cuando un humano tiene el control, este usa un auricular para ver lo que el robot ve y utiliza sensores de movimiento para guiar las manos y el rostro del robot. Cuando el sistema cambia al modo de IA, el robot escucha la conversación y utiliza modelos generativos para crear su propia voz, movimientos faciales y gestos de las manos, coincidiendo con el mismo estilo visual y auditivo de la versión controlada por humanos. El objetivo no era ver cuál era mejor, sino ver si un observador humano podía siquiera notar la diferencia.

Para probar esto, el equipo creó una serie de clips de video cortos que muestran al robot en conversación. Grabaron ocho interacciones diferentes, que variaban desde charlas casuales hasta discuscias orientadas a tareas, cada una con una duración de entre cinco y cuarenta segundos. En la mitad de estos clips, un teleoperador humano controlaba al robot. En la otra mitad, el sistema de IA generaba el comportamiento. Crucialmente, la voz, el rostro y el cuerpo del robot se mantuvieron constantes en todos los clips, por lo que la única variable era la fuente del control. Los investigadores luego invitaron a cincuenta personas a ver estos videos en línea. Después de cada clip, se les pidió a los participantes que decidieran si el robot estaba siendo dirigido por un humano o por una computadora, calificando su certeza en una escala que iba desde diez negativo para una IA definitiva hasta diez positivo para un humano definitivo. También se les pidió que explicaran por qué se sentían de esa manera.

Los resultados sugieren que, en estos breves momentos, la línea entre el humano y la máquina es notablemente borrosa. Los participantes tuvieron dificultades significativas para distinguir entre las dos fuentes de control. En promedio, sus calificaciones apenas variaron entre los clips controlados por humanos y los controlados por IA, siendo la diferencia tan pequeña que era estadísticamente indistinguible de un simple azar. El estudio indica que, para interacciones cortas, las personas simplemente no pueden distinguir de manera confiable si un robot está siendo pilotado por una persona o por un algoritmo. Cuando los investigadores analizaron lo que los participantes estaban pensando realmente, surgió un patrón claro en sus explicaciones. Aquellos que sintieron que podían emitir un juicio dependieron en gran medida de la naturalidad general del comportamiento del robot. Prestaron mucha atención al ritmo de la conversación, la cadencia de los movimientos y si la voz, la expresión facial y los gestos de las manos parecían trabajar juntos en armonía.

Cuando los movimientos del robot se sentían rígidos, el ritmo se sentía fuera de tiempo o las diferentes partes de su cuerpo parecían desincronizadas con su voz, los participantes eran más propensos a adivinar que se trataba de una IA. Por el contrario, cuando el robot se movía con un flujo coherente, donde los gestos y las expresiones coincidían perfectamente con el habla, la gente era más propensa a creer que un humano estaba detrás de los controles. Esto no significa que la IA fuera perfecta, sino que las fallas en el desempeño de la IA eran lo suficientemente sutiles como para pasar desapercibidas en un vistazo rápido. El estudio sugiere que nuestra capacidad para detectar la agencia depende menos de la tecnología específica utilizada y más de la consistencia del desempeño. Si el robot actúa como un todo unificado, el cerebro lo acepta como un solo agente, independientemente de si ese agente es carne o código.

Este trabajo preliminar abre un nuevo capítulo en cómo podríamos diseñar los robots del futuro. Implica que, en el futuro cercano, es posible que no necesitemos preocuparnos por si los usuarios cuestionan constantemente si un robot es real o falso durante intercambios cortos. En su lugar, el enfoque puede desplazarse hacia cómo estos sistemas pueden mezclar la inteligencia humana y la artificial, permitiendo quizás que un humano tome el control cuando una conversación se vuelve compleja, mientras la IA se encarga de las partes rutinarias. Los investigadores señalan que sus hallazgos son específicos para estos clips cortos y estructurados, y que interacciones más largas y complejas podrían revelar patrones diferentes. Por ahora, el estudio confirma que cuando un robot habla, sonríe y se mueve con suficiente coherencia, la mente humana está dispuesta a aceptarlo como un compañero, dejando la verdadera naturaleza de su agencia como un misterio silencioso.