¿Estamos creando nuestro propio Terminator?

Hace dos semanas se hizo de conocimiento público una nueva técnica de aprendizaje profundo que es capaz de desarrollar en los robots el ámbito de competencia a través de un método muy antiguo y conocido para los seres humanos, pero muy innovador para el universo de las máquinas.

Terminator

Investigadores de la Universidad de Berkeley desarrollaron algoritmos que capacitan a los robots para aprender tareas motoras a través de la prueba y el error empleando un proceso que se aproxima bastante a la forma en como aprendemos los seres humanos.

Sin duda alguna, esta noticia se destaca como algo bastante importante en el marco de la inteligencia artificial. La técnica está basada en un tipo de aprendizaje por refuerzo que se alcanza cuando se cumplen diversas tareas motoras, tales como situar una percha en un estante, armar un avión de juguete, tapar una botella de agua, entre otras. La novedad en este abordaje es que no existe ninguna información pre programada sobre el ambiente donde se llevarán a cabo las tareas.

De lo que hablamos aquí es de un nuevo enfoque para capacitar al robot a aprender”, dice el profesor Pieter Abbeel del Departamento de Ingeniería Eléctrica y Ciencias de la Computación de la Universidad de Berkeley. “La clave está en que, cuando un robot se enfrente a algo nuevo, responderá por sí mismo sin necesidad de pre programación”.

Un único software que codifica la forma en que el robot debe aprender es empleado en el aprendizaje de diversas tareas.

Abbeel conduce el proyecto junto a su colega Trevor Darrell, director del Centro de Aprendizaje de la Universidad de Berkeley y sus colaboradores Sergey Levine y Chelsea Finn. El trabajo es parte de una iniciativa de la universidad para la información, investigación y desarrollo tecnológico de interés social que ha promovido avances vertiginosos en la inteligencia artificial, robótica y automatización alienada a las necesidades humanas.

La mayoría de las aplicaciones robóticas se encuentran en ambientes controlados donde los objetos están en posiciones previsibles”, dice Darrell. “El reto de situar robots en situaciones de la vida real, como casas u oficinas, es que tales ambientes son dinámicos y cambian constantemente de forma impredecible. El robot debe ser capaz de entender y adaptarse a su entorno”.

 

Inspiración neural.

El enfoque tradicional que recurre a la pre-programación para que un robot realice sus actividades en un mundo 3D se hace inviable cuando el ambiente es dinámico. Si por una parte el robot tiene que hacer frente a una vasta gama de escenarios imposibles de ser previstos por el programador, por otra, la creación de ambientes simulados y controlados dentro de los cuales opere el robot limitan su aplicación en el mundo real.

robot y humano creacion

En lugar de eso, los investigadores de la Universidad de Berkeley optaron por una nueva rama de la inteligencia artificial conocida como “aprendizaje profundo”, que en parte se inspira en el circuito neural del cerebro humano, cuando éste analiza e interactúa con el mundo.

Los seres humanos no nacemos con un repertorio de comportamientos pre-programados. Nuestra versatilidad puede explicarse pura y llanamente por nuestra capacidad de aprender. A medida que aprendemos vamos construyendo y agregando destreza tras destreza en nuestro acervo personal de habilidades.

Ese es nuestro mayor don. Somos capaces de aprender nuevas habilidades a lo largo de nuestra vida y a partir de la propia “experimentación” o de la observación de la “experimentación” ajena. Ese proceso de aprendizaje se encuentra tan profundamente arraigado en nuestra psicología, que en la mayoría de las veces simplemente no puede transferirse por la comunicación verbal a otra persona. Sino que surge como consecuencia de la propia “experimentación”. En el mejor de los casos podemos intercambiar heurísticas de la forma en que aprendemos y de cómo podemos desarrollar y perfeccionar individualmente cada habilidad a través de programas de formación.

En el mundo de la inteligencia artificial, los programas de aprendizaje profundo estructuran “redes neurales” en las que capas de neuronas artificiales procesan datos sensoriales ya sea que se trate de ondas sonoras o pixeles de una imagen. Esto ayuda al robot a reconocer patrones y categorías entre los datos que está recibiendo.

Las personas que recurren a Siri en sus iPhones, al programa de conversión de voz a texto de Google e incluso al Google Street View ya se benefician de los significativos avances del aprendizaje profundo tanto en reconocimiento de lenguaje natural hablado como en el reconocimiento de imágenes faciales dentro de una captura fotográfica, solo por poner algunos ejemplos.

Sin embargo, la aplicación del refuerzo profundo en el aprendizaje de tareas motoras se ha convertido en algo muy desafiante, dado que una tarea de este tipo va más allá del reconocimiento pasivo de imágenes o sonido.

Cuando se trabaja con un ambiente en tercera dimensión no estructurado e imprevisible tenemos un juego totalmente diferente”, dice Finn.

No existen instrucciones ni marcadores de lugares y tampoco existen rutinas computacionales que ofrezcan ejemplos de cómo resolver el problema con antelación. Tan solo tenemos el desarrollo de habilidades fundamentado en la prueba y el error posibilitando que el robot aprenda por sí solo.

El algoritmo proporciona una retroalimentación en tiempo real a través de una forma de puntuación basada en los movimientos acertados del robot. Estos movimientos son afinados reiteradamente en búsqueda de una puntuación progresiva que, al ser realimentada a través de la red neural, promueve su repetición hasta que el aprendizaje sea efectivo y se ejecute la tarea.

Estos procesos pueden requerir de tiempos de ejecución de entre diez minutos o hasta tres horas para completar el aprendizaje y llevar a cabo la tarea. Evidentemente estos tiempos tienden a reducirse a medida que aumenta la capacidad de procesamiento y de memoria del hardware empleado. Cuantos más datos puedan procesarse y almacenarse en la menor cantidad de tiempo posible, mayor será la complejidad de las tareas que el robot podrá ejecutar.

Eso también incrementará la posibilidad de un aprendizaje más completo y que inicie de cero.

Ese es el panorama para la evolución del área que podría tener lugar a finales de esta década.

 

Desarrollos para el futuro.

Las aplicaciones para máquinas que aprenden son incontables. Entre las principales pueden considerarse computadoras de diagnóstico, microcirugía, auxiliares de oficina, artesanos, maquilladores, barrenderos, jardineros, mineros, vigías del medio ambiente y así sucesivamente. Sin embargo, no solo de sueños vive este campo de la inteligencia artificial.

ex machina

Desde el advenimiento de la producción de drones por las fuerzas armadas y la aplicación bélica de este tipo de avance tecnológico, la noticia es capaz de producir escalofríos a cualquiera.

Incluso las historias más extremas de la ciencia ficción serían incapaces de ilustrar con todos sus terribles matices esos escenarios de pesadilla donde máquinas capaces de aprender por sí solas de repente se armen.

Si una máquina puede aprender cualquier cosa, desafortunadamente puede aprender a matar. Después de todo, nuestra sociedad se ha esmerado en este tipo de aprendizaje desde tiempos remotos. Es por eso que aquella película protagonizada por Arnold Schwarzenegger podría resultar profética. Nadie sabe si los científicos están gestando, sin saberlo, un Terminator.

Y en el escenario más tétrico, el futuro a ser exterminado sencillamente podría ser el nuestro.

Referencia: berkeley.edu

17 comentarios en «¿Estamos creando nuestro propio Terminator?»

  1. ADN se convierta en un hallazgo inesperado como una superpotencia genética, yo soy el Mesiah, el superhombre con super poderes espirituales. Niesztche 1881/90/ 1952/ 2016 en Argentina, Viajero en el Tiempo.

    Responder
    • No se porque pero creo que la raza humana esta inevitablemente destinada a la extinción si seguimos como ahora no se porque nos seguimos enfocando en artefactos que fácilmente podrían destruirnos y dividirnos en bandos contrarios esto sin contar posibles invasiones de razas extraterrestres que podrían vernos como una posible amenaza para su existencia y la de un planeta que tiene cualidades tan especiales para la formación de la vida en todo caso si quisieran invadirnos ¿que haríamos pelear como una sola especie para proteger nuestro planeta? o ¿pelear solo por intereses personales?

      Responder
  2. ¿Seguimos con el letrerito de “Your comment is awaiting moderation”? ¿Cuál es la finalidad? No discrimina entre un comentario inapropiado y uno apropiado. Pero, en fin, la página es de ustedes, no mía.

    Responder
  3. Como con todos los inventos humanos, nunca se puede tener un 100% de seguridad en que los resultados serán los esperados. Los robots militares seguramente tendrán un mecanismo para poder autoincinerarse si se salen de ciertas directivas. A no ser que otros humanos, no las máquinas mismas, encuentren (como seguramente lo harán) la forma de neutralizarlo o redirigirlo contra sus propios creadores. Es difícil imaginar para qué querría una máquina sustituir a un humano como especie dominante: No tienen sexo, no disfrutan de vacaciones ni de un helado o una puesta de sol, no tienen emociones. Claro, las máquinas podrían no verlo desde mi perspectiva humana…

    Responder
  4. Sinceramente ni tres leyes de la robotica ni que ocho cuartos: Acabo de ver “Ex-Machina” y me di cuenta que todos a esos robots (que van desde robbie hasta chappie, pasando por el terminator) que toman el poder les hizo falta una cosa muy sencilla, barata, fácil de colocar y tan humilde que me intriga saber porque a ningún científico en la ficción se le ocurrió. Estoy hablando de un simple switch de encendido/apagado.

    Responder
  5. pero que hay del cientifico loco aquel que desarrolle la inteligencia artificial pero sin incluir las conocidas leyes de la robotica?? solo por joder al mundo y que el robot desarrolle libre albredio…ay wey!!!!!

    Responder
    • Ciertamente se tendrían que programar para que sigan las leyes de Asimov, sin embargo siempre va a estar el riesgo de que algún hacker las elimine del robot para poder dañar a otros seres humanos.

      Les recomiendo que vean una serie de TV de Suecia que se llama AKTA MANNISKOR que toca todos estos temas.

      Responder

Deja un comentario