Hai uns meses estiven de viaxe en Xapón e unha das cousas que máis me entusiasmou foi ver en directo o futuro. Si, no museo Miraikan de Tokio descóbrenche os grandes avances tecnolóxicos que gobernarán o futuro máis próximo. Unha das cousas que máis me gustou foi ver en directo a exhibición do robot intelixente Asimo, de Fonda.

Tal cal como unha persoa saíu andando e realizou varios exercicios que enseguida eran respondidos coa ovación do público. Coa boca aberta estabamos todos. Un robot estaba diante os nosos ollos correndo, saltando, marcando goles e interactuando co público. Incrible. Na súa web oficial podedes coñecer todo o que é capaz de facer Asimo.

aprendizaje robot

Como aprenden os robots?

A tecnoloxía aplicada ao desenvolvemento de máquinas intelixentes están a evolucionar rapidamente e ás veces dá até un pouco de medo o pensar até onde poden chegar. Como aprenden os robots? Basicamente do que se trata á hora de adestrar aos robots é de aplicar técnicas de aprendizaxe de máquinas que consigan que os propios robots extraian a información por se mesmos a partir duns datos proporcionados. Trátase de que aprendan igual que o facemos os humanos. Para lograr que aprendan, séguense diversas estratexias de aprendizaxe nos que unha vez máis a psicoloxía ten moito que ver.

Estratexias de aprendizaxe de máquinas.

1.Aprendizaxe reforzada.

Seguramente vos soen os experimentos de Pávlov con cans. Este fisiólogo conductista foi pioneiro do condicionamento clásico e as súas ideas son aplicadas hoxe día para adestrar aos robots mediante a utilización de estímulos negativos e positivos. Parece sinxelo. Os algoritmos implementados na máquina están pensados para que se maximice a recompensa. Cando o robot recibe unhas instrucións iniciais o seu software de forma autodidacta vai mellorando na realización dunha tarefa na que o premio é conseguir un obxectivo marcado (por exemplo gañar ao xadrez). Cada vez que fai un bo movemento aprende e evita os erros futuros.

2. Aprendizaxe profunda.

As redes neuronais humanas estrutúranse en diversas capas das cales se vai recollendo a información que alimenta á seguinte capa e así sucesivamente. Pois ben, na aprendizaxe profunda trátase de emular o cerebro humano na máquina creando redes neuronais artificiais. A primeira capa destas ciberneuronas obtén os datos básicos e progresivamente vai analizando ao detalle. Por exemplo, para recoñecer caras primeiramente recoñece as cores, despois as formas e aos poucos os detalles máis concretos de cada cara. Igual que os humanos.

3. Árbore de decisións.

Mediante o uso de esquemas con diversas posibilidades coas súas correspondentes solucións vaise resolvendo un problema máis complexo dentro dun escenario concreto. Funciona como o típico manual de axuda que vai descartando problemas. A todos sóanos o “Reinicie o router. Solucionou o problema? Si/Non” e a partir da resposta enlázase a un ou outro esquema para solucionar o problema. O algoritmo da máquina asocia cada situación a unha reacción e aplica a lóxica para resolvelo coa máis adecuada. E aprende.

4. Optimización de software.

Neste caso trátase de adestrar a un software para que resolva unha tarefa da forma máis eficiente posible independentemente do método que utilice. Isto é o que fan os robots cando caen para aprender a levantarse de forma eficiente. Moi parecido ao que fai un neno pequeno cando empeza a desenvolverse psicomotrizmente, dedica moito tempo a moverse e a “practicar” a mellor forma de desprazarse para aos poucos ir usando ese coñecemento adquirido para mellorar e planificar os movementos con maior destreza psicomotriz e rapidez.

>> Artigo relacionado: Destreza psicomotriz: fases da súa aprendizaxe

Que será o próximo que aprendan a facer os robots? A intelixencia artificial xa non é só cousa do futuro.

Iván Pico

Director y creador de Psicopico.com. Psicólogo Colegiado G-5480 entre otras cosas. Visita la sección "Sobre mí" para saber más.

1 Comentario

Click aquí para dejar un comentario

This site uses Akismet to reduce spam. Learn how your comment data is processed.