27/Mar/08

Revista Axxón Axxón en facebook Lectores de Axxón en facebook

Crean primera IA con inteligencia de un bebé

Nueva clase de robot cognitivo... ¿Un cachorro?

¿Perplejo? Prepárese para una nueva raza de robots cognitivos y pensantes.

Los diseñadores de sistemas cognitivos artificiales han tendido a adoptar uno de dos enfoques para construir robots que puedan pensar por sí mismos: la inteligencia artificial clásica basada en reglas, o las redes nerviosas artificiales. Ambos tienen ventajas y desventajas, y combinarlos ofrece lo mejor de ambos mundos, dice un equipo de investigadores europeos que han desarrollado una nueva clase de robot cognitivo y capaz de aprender que va más allá de lo último.

El trabajo de los investigadores reúne las dos tecnologías distintas pero que se apoyan mutuamente, y que han sido utilizadas para desarrollar sistemas cognitivos artificiales (ACS) para diferentes propósitos. El enfoque clásico de inteligencia artificial (IA) depende de un sistema basado en reglas donde principalmente el diseñador provee los conocimientos y las representaciones de escena, y hace que el robot siga un proceso de toma de decisiones -como trepar a las ramas de un árbol- hacia una respuesta predeterminada.

Inspiradas biológicamente, las redes nerviosas artificiales (ANN), por el contrario, dependen de un continuo proceso de señales y de un proceso no-lineal de optimización para llegar a una respuesta que, debido a la falta de reglas pre-establecidas, exige a los desarrolladores un equilibrio cuidadoso de las restricciones del sistema y de su libertad para actuar de manera autónoma.

"Desarrollar un sistema en la IA clásica es esencialmente un enfoque hacia abajo, mientras que en la ANN es un enfoque ascendente", explica Michael Felsberg, un investigador en el Laboratorio de Visión de Computadora de la Linköping University en Suecia. "El problema es que, usados por separado, estos sistemas tienen importantes defectos cuando se trata de desarrollar una arquitectura de ACS avanzada. ANN es demasiado trivial para resolver tareas complejas, mientras la IA clásica no puede solucionarlas si no ha sido pre-programada para hacerlo".

Más allá de lo último

El equipo de Felsberg, que trabaja en el proyecto COSPAL financiado por la Unión Europea, descubrió que usando las dos tecnologías juntas solucionaba muchas de esas cuestiones. En lo que los investigadores creen que es el ejemplo más avanzado de cualquier sistema desarrollado en cualquier lugar en el mundo, usaron ANN para manejar las funciones de baja intensidad basadas en la recepción visual de sus robots, y entonces emplearon la IA clásica encima de todo con una función de supervisión.

"De este modo, encontramos que era posible que los robots exploraran el mundo a su alrededor a través de la interacción directa, y crearan maneras de actuar dentro de él, y luego controlar esas acciones de acuerdo con un criterio. Esto combina las ventajas de la IA clásica, que es superior cuando se trata de funciones similares a la racionalidad humana, y las ventajas de las ANN, que es superior para llevar a cabo las tareas para las que los humanos usaríamos el subconsciente, cosas como la destreza motora básica y las tareas cognitivas de baja intensidad", señala Felsberg.

La diferencia más importante entre el enfoque de COSPAL y lo que había sido lo último es que el sistema cognitivo artificial (ACS) de estos investigadores es escalable. Puede aprender solo y puede resolver tareas cada vez más complejas sin una programación adicional.

"Hay un directo mapeo de las directivas visuales para llevar a cabo la acción", afirma Felsberg. "Con los sistemas previos, si algo cambiaba en el ambiente y el sistema de baja intensidad no estaba programado para reconocerlo, aparecían respuestas aleatorias, pero el proceso de supervisión de la IA no se daría cuenta de que algo está mal. Con nuestro enfoque, el sistema se da cuenta de que hay algo diferente y si sus acciones no terminan con éxito, intenta otra cosa", explica el coordinador del proyecto.

"Como entrenar a un niño o a un cachorro"

Este enfoque de aprendizaje mediante ensayo y error fue probado; se hizo que el robot COSPAL complete un ejercicio de elección de forma, pero sin decirle qué tenía que hacer. Mientras trataba de meter las clavijas en los agujeros aprendió gradualmente qué encajaría dónde, y le permitió terminar el ejercicio cada vez más rápido y con mayor precisión.

"Después del arranque visual, la única información recibida de un humano fue la de un operador que tenía dos botones, uno para decirle al robot que lo había logrado y otro para decirle que había cometido un error. Es muy parecido a entrenar a un niño o a un cachorro", dice Felsberg.

Aunque un robot que aprende y cognitivo de la clase que desarrollan en COSPAL constituye un importante salto hacia adelante en el desarrollo de robots más autónomos, Felsberg dice que pasará un poco de tiempo antes de que los robots lleguen cerca de la cognición e inteligencia humana, si alguna vez lo hacen.

"En términos humanos, nuestro robot es probablemente como un niño de dos o tres años, y la tecnología necesitará de un largo tiempo para llegar a uno equivalente a la adultez. No creo que lo veamos en nuestras vidas", dice.

No obstante, los robots como los desarrollados en COSPAL indudablemente empezarán a jugar un papel más importante en nuestras vidas. Los socios del proyecto están en el proceso de lanzar un proyecto a continuación, llamado DIPLECS, para probar su arquitectura de ACS en un automóvil. Será usado para hacer que el vehículo conozca y sea consciente de su entorno, para crear un copiloto artificial que aumente la seguridad sin importar el clima, el camino o las condiciones de tráfico.

"En el mundo real, uno necesita de un sistema que sea capaz de adaptarse a circunstancias imprevistas, y ése es el logro más grande de nuestro ACS", señala Felsberg.

Fuente: Eliax. Aportado por Graciela Lorenzo Tillard