Por... J.J. Velasco
En cualquier visión del futuro, por ejemplo, en Metrópolis de Fritz Lang, casi siempre lleva imágenes de autómatas y robots que realizan los trabajos más pesados y que, por tanto, hacen algo más fácil la vida del ser humano.
Ejemplos de cómo la robótica hace más fácil la vida del ser humano los podemos encontrar en muchos ámbitos, por ejemplo, en el la medicina y la asistencia a personas con discapacidad.
En el campo de la industria tambiíén se están introduciendo robots que permiten sustituir operarios y aumentar los ritmos de producción, si bien más que hacíérselo más fácil a los humanos, generan desempleo (por ejemplo el caso de Foxconn).
Si recordamos la ríéplica a escala del cerebro humano que se estaba construyendo con procesadores ARM, las redes neuronales eran unas de las bases sobre las que se apoyaba el autoaprendizaje de las máquinas y, por tanto, la inteligencia artificial.
Siguiendo esta estela, el Grupo Hasegawa del Instituto de Tecnología de Tokio ha desarrollado un robot que aprende algunos trucos y los reproduce, por ejemplo, servir un vaso de agua y añadirle un cubo de hielo. Este barman mecánico está basado en la auto-organización de redes neuronales incrementales (SOINN, Self-Organizing Incremental Neural Network), que permiten crear una base de conocimiento que es aplicable a nuevas tareas y que permiten al autómata definir posibles vía de actuación para solventar el problema.
En definitiva, parece que el robot aprende, piensa y actúa.
Intentando imitar el modo de actuación de un ser humano, al robot se le planteó el problema de ofrecer un vaso de agua helada, concretamente, servir un vaso de agua, enfriarlo y ofrecíérselo a una persona. Con este enunciado el robot, en base a los conocimientos generados por acciones anteriores, tenía que decidir quíé hacer y, lo más importante, el orden en el que ejecutaría las acciones aprendidas.
Hasta ahora los robots, incluyendo los industriales, han sido capaces de realizar tareas muy concretas con rapidez y precisión, sin embargo, cuando el entorno cambia un poco, se les hace complicado responder.
Este robot almacena conocimientos básicos y los puede aplicar a situaciones inmediatas.
Si no “sabe†lo suficiente, se detiene e indica que no puede ejecutarlo porque no sabe cómo, por tanto, si le vamos enseñando cosas, las irá incorporando como nuevos conocimientos y, encajando cada pieza, podría resolver un problema mayor.
Volviendo al ejemplo, al pedirle al robot agua fría, sabe que despuíés de servir el agua en el vaso no puede coger el hielo porque tiene sus manos ocupadas con el vaso y la botella, por tanto, debe poner la botella en la mesa y, entonces, servir el hielo en el vaso.
Si trasladamos la inteligencia artificial al mundo real, es evidente que los entornos reales son muchísimo más complejos y cambian rápidamente. Por tanto, es necesario incluir un mecanismo de aprendizaje que haga que el autómata se adapte a la situación. Además, debido a que los entornos son cambiantes, los robots deben tener la capacidad de seguir aprendiendo y obteniendo nueva información sobre el terreno. Para lograr todo esto hemos implementado un algoritmo de redes neuronales con SOINN que, además de ser bastante ligero en la computación, elimina cualquier ruido procedente de la nueva información que entra en juego.
El robot captura los parámetros del entorno a travíés de sus propios sensores (visión, táctiles, etc) además de los datos que recibe, sin embargo, SOINN permite que esta inteligencia sea colectiva, es decir, los robots pueden adquirir conocimientos que procedan del aprendizaje de otros robots, por ejemplo, a travíés de Internet. Gracias a esto, todos los robots podrían adquirir los conocimientos del resto y aprender mucho más rápido.
Supongamos que el robot tuviese que preparar tíé y nadie le hubiese enseñado y que, además, se enviase el robot a asistir a una persona mayor que vive sola. Si esta persona pidiese una taza de tíé verde, el robot no sabía cómo hacerlo y, por tanto, consulta a travíés de Internet con otros robots para que le transfieran los conocimientos necesarios para hacerlo. Imaginemos que un robot en Reino Unido le transifere cómo hacer tíé pero al estilo británico, creemos que este robot sería capaz de adaptarse a las condiciones de contorno y adaptar la preparación a una tetera japonesa.
Interesante implementación de “inteligencia colectivaâ€, supongo que con el tiempo, este, por ahora, robot-barman podría ser capaz de desarrollar tareas mucho más complejas.
