A día de hoy, la verdadera inteligencia artificial solo prolifera en la ficción. Los que verdaderamente se dedican a investigar en la robótica aún debaten cómo vamos a conseguir robots inteligentes en la vida real... Y qué vamos hacer con ellos una vez los tengamos. Existen robots que pueden pasar la aspiradora; otros que pueden vencer a los mejores jugadores de ajedrez; e incluso los hay que pueden conducir coches. Estos son ejemplos de lo que se puede denominar "inteligencia de propósito especial": robots que hacen bien una sola tarea complicada, pero poco más.
Actualmente, los ordenadores tienen dificultad para reconocer rostros y aprender lenguajes hablados, habilidades ambas que los niños adquieren rápidamente. Los bebés aprenden explorando su mundo: cuando mueven los brazos y las piernas, empiezan a encontrar unos movimientos más agradables que otros. De este modo, asimilan esa información sensorial a través de un grupo de neuronas y la enlazan mediante sinapsis con otras neuronas que controlan las acciones motoras.
Hay que decir que redes neuronales artificiales que operan de modo similar han existido desde hace décadas, aunque con diversos resultados. Sin embargo, Seyoung Kim (Centro de Investigación T.J. Watson de IBM) ha presentado una nueva pieza de hardware que permitiría hacer las redes neuronales artificiales más pequeñas y más eficientes que las versiones anteriores, las cuales requerían múltiples puertas digitales y circuitos de control para simular las sinapsis.
El componente de IBM en cuestión es un semiconductor con dos electrodos a ambos lados de un óxido metálico. Al hacer pasar una corriente por el aparato, se ajusta su resistencia y con ella la fuerza de las conexiones. Un conjunto de estas "sinapsis artificiales" enlazaría las señales sensoriales con las "neuronas" motoras.
En una simulación, los investigadores de IBM hicieron que las neuronas se activaran al azar, causando movimientos aleatorios de un robot parecido a los que se usan como aspirador. Como hace un bebé al explorar, el robot se mueve lentamente de un lado para otro. Sin embargo, algunos movimientos acercan el robot a un blanco, provocando una respuesta sensorial positiva. Cuando una neurona sensorial y una neurona motora se activan juntas, disminuye la resistencia del componente y adquieren una conexión más fuerte.
Sin embargo, un aparato de este tipo solo puede ampliarse hasta un límite. Y no es solo cuestión de obtener mejores componentes de hardware. La neurociencia todavía no comprende completamente el funcionamiento del cerebro como para tratar de reproducirlo en una máquina. Y por otra parte, algunos se preguntan si la evolución darwiniana podría crear cerebros artificiales capaces de sentir y experimentar subjetividad.
En las simulaciones, miles de grupos de "genes" de cerebro artificial determinan cada uno una red diferente. Cada cerebro se coloca en un robot simulado, donde controla el robot e intenta mantenerlo vivo. Al final del proceso, se transplanta el mejor cerebro (o cerebros) en robots reales. Es una especie de selección natural en un sistema artificial.
Pero, ¿qué se ha conseguido ya con este tipo de robots? ¿Cuál es el siguiente paso? ¿Qué podrían llegar a hacer en un futuro cercano? Todo esto y más en la segunda parte de este artículo.
Ejemplo de evolución de cooperación altruista en un grupo de robots. En la generación inicial, los robots apenas pueden realizar una navegación coordinada. Después de 240 generaciones de "selección darwiniana", la mayoría de los robots buscan los paquetes grandes y cooperan para llevarlos hacia la región donde está la pared blanca. [By Floreano D, Keller L [CC BY 3.0], via Wikimedia Commons]
_____Fuente:
http://www.aps.org/publications/apsnews/201504/robot.cfm
No hay comentarios:
Publicar un comentario