En lo que es considerado el primer experimento de este tipo jamás antes realizado, un equipo de la Universidad de Vermont en los EEUU ha descubierto que robots con Inteligencia Artificial (I.A.) aprenden a moverse mejor cuando sus cuerpos poseen morfologías dinámicas, y esto podría ser de gran importancia para el desarrollo de una nueva generación de robots mejores adaptados a la vida cotidiana de los humanos...

A la fecha, existen dos maneras básicas de hacer que un robot camine (o ejecute otras tareas): O se programa desde cero un algoritmo para caminar (es decir, una solución "estática"), o se le enseña al robot a caminar utilizando redes neuronales e I.A. (una solución "dinámica").

El primer caso tiene el problema de que no se puede ajustar dinámicamente a nuevas necesidades (como saltar, escalar, etc), cosa que resuelve el segundo caso, ya que el robot aprende a utilizar sus extremidades poco a poco hasta aprender a caminar.

Notemos sin embargo, que en ese segundo caso, el robot es creado desde cero en su forma final, y es con ese "cuerpo" final que se le enseñaba a caminar. Es decir, hablamos de un aprendizaje dinámico, pero en un cuerpo estático.

Pero ahora, este equipo de científicos ha pensado en algo diferente, copiando algo que vemos en toda la naturaleza: ¿qué tal, si en vez de permitir simplemente que el cerebro del robot evolucione, que permitimos también que su cuerpo lo haga?

Es decir, iniciar con un robot bastante simple, y después ir cambiando su morfología a formas cada vez más complejas.

Los resultados fueron sorprendentes, tanto para los que realizaron el experimento como para el resto de la comunidad científica...

Un pensaría que al final obtendríamos el mismo resultado, sea con el método dinámico clásico, o con este en donde también se permiten cambios morfológicos, pero resulta que con este nuevo método los robots aprenden mucho mejor, e incluso se adaptan mejor posteriormente a otros imprevistos.

Según Josh Bongard, el principal investigador detrás de estos experimentos, la razón por la cual esta manera es más eficiente, es porque permite que los algoritmos genéticos evolutivos del robot aprendan una cosa a la vez, y se vayan especializando paulatinamente, reteniendo las "experiencias" de lo aprendido.

Así que por ejemplo, si iniciamos con un robot cuyas patas no le permitan pararse, esto permite que el robot primero domine el arte del movimiento para el traslado, y que se olvide por completo del problema del balance corporal, pero ya dominado el arte de moverse, puede atacar entonces el arte de balancearse con piernas más grandes.

En otras palabras, hablamos de emular el concepto de un bebé que empieza a gatear, y después aprende a balancearse en sus piernas.

Algo interesante de todo esto es que Bongard creó un par de experimentos que ciertamente demostraron lo eficiente de este método.

En el primer experimento, creó seres virtuales dentro de una simulación en 3D, y en el segundo construyó robots con bloques de LEGOs. En ambos casos los resultados fueron los mismos: Si iniciamos con un robot sencillo, y después cambiamos su fisionomía, este aprende de manera más eficiente y termina caminando mejor que de la forma clásica.

Este es el tipo de experimentos que aparentan una curiosidad, pero que en realidad tienen grandes repercusiones prácticas, pues este mismo método podría utilizarse para crear Inteligencias Artificiales que piensen como humanos, iniciando con inteligencias sencillas que posteriormente van aprendiendo más y más, como lo hace un humano al crecer.

Este tipo de I.A., a propósito, es el que personalmente creo tiene más posibilidades de crear seres pensantes sintéticos, como he explicado en eliax en artículos como este (que recomiendo leer si les interesa este tema).

fuente

autor: josé elías