Aprendizaje robot

Hace unos meses estuve de viaje en Japón y una de las cosas que más me entusiasmó fue ver en directo el futuro. Sí, en el museo Miraikan de Tokio te descubren los grandes avances tecnológicos que gobernarán el futuro más próximo. Una de las cosas que más me gustó fue ver en directo la exhibición del robot inteligente Asimo, de Honda.

Tal cual como una persona salió andando y realizó varios ejercicios que enseguida eran respondidos con la ovación del público. Con la boca abierta estábamos todos. Un robot estaba delante nuestros ojos corriendo, saltando, marcando goles e interactuando con el público. Increíble. En su web oficial podéis conocer todo lo que es capaz de hacer Asimo.

¿Cómo aprenden los robots?

La tecnología aplicada al desarrollo de máquinas inteligentes están evolucionando rápidamente y a veces da hasta un poco de miedo el pensar hasta donde pueden llegar. ¿Cómo aprenden los robots? Básicamente de lo que se trata a la hora de entrenar a los robots es de aplicar técnicas de aprendizaje de máquinas que consigan que los propios robots extraigan la información por si mismos a partir de unos datos proporcionados. Se trata de que aprendan igual que lo hacemos los humanos. Para lograr que aprendan, se siguen diversas estrategias de aprendizaje en los que una vez más la psicología tiene mucho que ver.

Estrategias de aprendizaje de máquinas.

1.Aprendizaje reforzado.

Seguramente os suenen los experimentos de Pávlov con perros. Este fisiólogo conductista fue pionero del condicionamiento clásico y sus ideas son aplicadas hoy día para entrenar a los robots mediante la utilización de estímulos negativos y positivos. Parece sencillo. Los algoritmos implementados en la máquina están pensados para que se maximice la recompensa. Cuando el robot recibe unas instrucciones iniciales su software de forma autodidacta va mejorando en la realización de una tarea en la que el premio es conseguir un objetivo marcado (por ejemplo ganar al ajedrez). Cada vez que hace un buen movimiento aprende y evita los errores futuros.

2. Aprendizaje profundo.

Las redes neuronales humanas se estructuran en diversas capas de las cuales se va recogiendo la información que alimenta a la siguiente capa y así sucesivamente. Pues bien, en el aprendizaje profundo se trata de emular el cerebro humano en la máquina creando redes neuronales artificiales. La primera capa de estas ciberneuronas obtiene los datos básicos y progresivamente va analizando al detalle. Por ejemplo, para reconocer caras primeramente reconoce los colores, después las formas y poco a poco los detalles más concretos de cada cara. Igual que los humanos.

3. Árbol de decisiones.

Mediante el uso de esquemas con diversas posibilidades con sus correspondientes soluciones se va resolviendo un problema más complejo dentro de un escenario concreto. Funciona como el típico manual de ayuda que va descartando problemas. A todos nos suena el “Reinicie el router. ¿Ha solucionado el problema? Sí/No” y a partir de la respuesta se enlaza a uno u otro esquema para solucionar el problema. El algoritmo de la máquina asocia cada situación a una reacción y aplica la lógica para resolverlo con la más adecuada. Y aprende.

4. Optimización de software.

En este caso se trata de entrenar a un software para que resuelva una tarea de la forma más eficiente posible independientemente del método que utilice. Esto es lo que hacen los robots cuando se caen para aprender a levantarse de forma eficiente. Muy parecido a lo que hace un niño pequeño cuando empieza a desarrollarse psicomotrizmente, dedica mucho tiempo a moverse y a “practicar” la mejor forma de desplazarse para poco a poco ir usando ese conocimiento adquirido para mejorar y planificar los movimientos con mayor destreza psicomotriz y rapidez.

>> Artículo relacionado: Destreza psicomotriz: fases de su aprendizaje

¿Qué será lo próximo que aprendan a hacer los robots? La inteligencia artificial ya no es solo cosa del futuro.