El último número de Science Robotics viene lleno de ejemplos de cómo la inteligencia artificial y el aprendizaje automático pueden mejorar el comportamiento de los robots, bien gracias la simulación previa de movimientos, bien por imitación o incluso usando algo parecido al "sentido común".

En uno de los artículos, investigadores de la compañía de inteligencia artificial Vicarious muestran cómo aplicando técnicas de aprendizaje automático un robot puede "interpretar" imágenes de pares de objetos y, a partir de ahí, inferir conceptos novedosos en otras situaciones.

"En este trabajo hemos implementado un Procesador Cognitivo Visual (PCV), junto con su correspondiente lenguaje específico", explica el doctor ingeniero en telecomunicaciones Miguel Lázaro Gredilla, natural de Santander y uno de los autores de este artículo. "Los principios en los que se basa el PCV se conocen desde hace año, pero en este trabajo por primera vez se integran en una implementación real y cuya funcionalidad puede ser verificada", añade.

Ese sistema prueba un marco que replica parcialmente aspectos del aprendizaje humano, mezclando un sistema de percepción visual y jerarquización, varias representaciones deícticas y corporales, un modelo de que permite prever el resultado de una acción antes de ejecutarla, y una serie de memorias locales en las que alojar los resultados imaginados de una acción.

Así, estos expertos muestran cómo un robot puede usar estas "abstracciones" para interpretar conceptos presentados como imágenes esquemáticas y luego aplicar esos conceptos en situaciones muy diferentes, de la misma forma que cuando miramos un diagrama de IKEA y aplicamos ese conocimiento para montar un mueble.

'Sentido común'

En Vicarious lograron hace unos meses que una máquina resolviese CAPTCHAs usando una cantidad relativamente pequeña de datos iniciales de entrenamiento. Ese sistema, llamado red cortical recursiva, es de hecho el mismo que han utilizado en Vicarious para generar la jerarquía visual generativa para identificar los objetos sobre los que el robot trabaja. 

"Conseguir máquinas con 'sentido común' [como, de hecho, algunas organizaciones intentan desarrollar] tiene un montón de retos por delante en diferentes frentes, y más aún cuando queremos saltar de pequeños casos concretos de 'prueba de concepto' a casos más complejos y similares a los que los humanos llaman 'sentido común' en el día a día", apunta Lázaro Gredilla a través del correo electrónico.

"Probablemente para llegar a este nivel", prosigue, "se requiera resolver el problema de la inteligencia artificial general de manera completa, es decir, llegar a máquinas con un nivel de inteligencia similar al de los humanos, así que el problema no es nada fácil ni está nada cerca de ser resuelto". Este ingeniero cree que veremos un progreso más rápido durante los próximos 5-10 años, pero no cree que la cuestión se resuelva en ese tiempo.

Autoaprendizaje

¿Es posible el autoaprendizaje puro en una máquina? ¿Podría una máquina, hoy en día, empezar a "aprender" desde cero por sí misma y lograr completar algún ciclo de aprendizaje, como realizar con éxito una o varias tareas?

"Aprender "desde cero”, sin ningún tipo de sesgo cognitivo, es tan extremadamente ineficiente que no permitiría aprender nada significativo en una cantidad razonable de tiempo", comenta Lázaro Gredilla.

"El tipo de aprendizaje que se busca en inteligencia artificial no es análogo al evolutivo, sino al que ocurre durante la vida de un humano", añade. Así, este investigador razona que "ese tipo de aprendizaje requiere de un montón de información del que los humanos ya disponen al nacer —les viene ya disponible en su firmware, gracias a la evolución—, pero permite aprender mucho más rápido y con muchos menos ejemplos".

"Éste es el caso de nuestro trabajo, donde una decena de ejemplos del 'antes' y el 'después' de aplicar un determinado concepto son suficientes para adquirir una representación abstracta de dicho concepto", explica.

Aprendizaje por refuerzo

En otro artículo, científicos del ETH Zurich e Intel muestran cómo un "perro mecánico" llamado ANYmal ha aprendido a correr más rápido y ponerse en pie tras varias caídas —si es que llega a caerse del todo— gracias a un sistema informático que funciona de manera similar al cerebro de algunos animales.

Los científicos han intentado abordar este problema con el aprendizaje por refuerzo (RL), una rama del aprendizaje automático en la que los robots están entrenados para optimizar su comportamiento. Así, entrenaron una red neuronal con múltiples simulaciones de aprendizaje por refuerzo, que luego transfirieron a ANYmal.

Las sesiones de capacitación se realizaron cerca de 1.000 veces más rápido que en tiempo real en un ordenador personal, y el robot coniguió seguir los comandos con mayor precisión que las tecnologías existentes que se han utilizado para controlar otros droides similares, dicen los autores.

Rotot ambidiestro

En la misma publicación se muestra cómo un grupo de científicos de la universidad de Berkeley utilizó un método de aprendizaje profundo que ayudó a un robot a mejorar ostensiblemente la percepción de los objetos para agarrarlos convenientemented, mediante un programa baurizado como Dexterity Network 4.0 (Dex-Net 4.0) y convenientemente entrenado. Es decir, consiguieron que estos brazos robóticos "supiesen" cómo coger mejor cada objeto.

Concretamente, este grupo logró que dos pinzas robóticas diferentes, una con una ventosa y otra con una pinza, agarrasen de forma ambidiestra y con éxito una variedad de objetos dispuestos en un montón, algo que podría ser de mucha ayuda para que los robots a operen de manera más independienmte y rápido en fábricas o almacenes.

Durante las pruebas, este robot consiguió agarrar de la mejor forma posible el contenido de varios contenedores de hasta 25 objetos distintos, como comestibles y juguetes, con una fiabilidad superior al 95% a una tasa de más de 300 selecciones promedio por hora.

Máquinas con 'sentido común' ¿para qué?

Pese a algunas voces que se levantan frente al imparable desarrollo de la inteligencia artificial, su aplicación en robótica no debería asustarnos demasiado. "El sentido común no va ligado al libre albedrío, por lo que no hay que preocuparse de que esto les ayude a rebelarse". Para Miguel Lázaro Gredilla, "en la practica, la implicación resolver el 'sentido común' algorítmicamente es la aparición de robots que pueden hacer tareas más 'humanas' de manera más autónoma".

Para este ingeniero experto en inteligencia artificial, la aplicación más obvia es en cadenas de producción, donde a día de hoy sigue utilizándose mayoritariamente mano de obra humana, aunque la presencia de 'sentido común' permitiría realizar muchos otros trabajos: construcción, fontanería, reparación de móviles y electrodomésticos, envío de paquetería, y un largo etc., liberando así a los humanos de ciertos trabajos, y siguiendo un orden de menor a mayor en el nivel de abstracción requerido.

"Como siempre que se han desarrollado nuevas herramientas, estas nos ofrecen nuevas posibilidades, y a nuestra elección queda el utilizarlas de manera positiva o negativa", apunta, y añade: "Una mayor automatización del trabajo ofrece sin duda la posibilidad de una mayor calidad de vida para todos, ya que se realiza el mismo trabajo mientras se requiere un menor esfuerzo humano. Así pues, la humanidad recibirá un beneficio neto. Distinta cuestión es cómo repartiremos dicho beneficio...".