¿Dónde está mi androide?

Las películas de ciencia ficción y los videojuegos están poblados de androides que en algunos casos conviven felizmente con los humanos y, en otros, pese a haber sido hechos a su imagen y semejanza, son el agente de su aniquilación. ¿Qué tan cerca estamos de ver cumplidos esos sueños y pesadillas, esas utopías de romanticismo tecnológico? Blanca Vargas Govea comienza a responder en este interesante artículo.

Las películas de ciencia ficción y los videojuegos están poblados de androides que en algunos casos conviven felizmente con los humanos y, en otros, pese a haber sido hechos a su imagen y semejanza, son el agente de su aniquilación. ¿Qué tan cerca estamos de ver cumplidos esos sueños y pesadillas, esas utopías de romanticismo tecnológico? Blanca Vargas Govea comienza a responder en este interesante artículo.



Blanca Alicia Vargas Govea


Salgo a la calle y miro a mi alrededor. No hay androides en las calles integrados a la sociedad tal y como las películas de ciencia ficción de antaño nos mostraban que sería el futuro. Tampoco me recibe en casa una entidad artificial que haya hecho la limpieza y resuelto mis asuntos domésticos. ¿Significa que todo ha sido una mentira y que sólo han sido ideas irrealizables y fantasías? Nada de eso. La inteligencia artificial nos ha alcanzado de formas distintas a como nos lo mostraron tiempo atrás, y sin darnos cuenta, ya coexistimos con ella.

Las películas nos han mostrado máquinas inteligentes muy sofisticadas con habilidades y voluntad propia. Recordemos a HAL, C3PO, R2D2, Optimus Prime y demás máquinas, robots y humanoides que han asolado o defendido a la humanidad. Generalmente nos maravillamos ante el despliegue de inteligencia y poderes que los simples humanos carecemos.

Una entidad posee inteligencia cuando es capaz de tomar decisiones propias, cuando es autónoma. A través del aprendizaje es como un humano percibe el entorno, procesa sus percepciones junto con el conocimiento previamente adquirido y actúa. A medida que la persona adquiere más experiencia, su comportamiento mejora. Sin embargo, el aprendizaje es un proceso complejo que los humanos realizamos continuamente aun sin estar conscientes de ello. No aprendemos sólo cuando decidimos hacerlo; estamos en constante aprendizaje recibiendo estímulos del medio, procesándolos y tomando decisiones.

¿Cómo sabemos exactamente qué calle cruzar y en qué momento? Por la experiencia, sabemos cuál calle es la más transitada y la evitamos, pero hay cosas que no sabemos con precisión; por ejemplo, la distancia a la que vemos los autos que se aproximan. Simplemente decidimos que podemos cruzar y lo hacemos. Realizamos actividades cotidianas que en general son producto del aprendizaje y que por ser rutinarias no reparamos en todos los procesos que involucran. Trasladar esta capacidad a una máquina cuando ni siquiera uno mismo puede explicar cómo aprende ha sido un sueño acariciado desde hace mucho tiempo.

Las ideas sobre máquinas que aprenden, que poseen inteligencia, tomaron impulso en los años sesenta del siglo XX. Uno de los precursores fue Donald Michie (1923-2007), doctor en genética que sentó las bases de muchas de las técnicas de aprendizaje automático (Machine Learning) usadas en la actualidad[1]. La forma fortuita en la que Michie cambió sus planes es destacable. Muchas veces planeamos una vida pero las oportunidades nos llevan por rumbos insospechados.

En 1943 el joven Michie recibió una beca para estudios clásicos en Balliol College (Oxford). En ese tiempo, la amenaza de guerra avanzaba sobre Europa y un amigo de la familia, oficial de guerra, le contó sobre cursos de japonés que se darían a oficiales de inteligencia. A Michie le interesaba contribuir con la campaña bélica y convencido de que eso le garantizaría un lugar en la universidad una vez que la guerra terminara, intentó inscribirse.

El curso iba a ser impartido en la ciudad de Bedford, a 15 millas de Bletchley Park[2], un centro del gobierno británico que se dedicaba a la inteligencia en las comunicaciones. Bletchley Park sería el lugar donde las claves y códigos de diversos países del Eje serían descifrados. Era primavera y Michie se dirigió hacia allá para presentarse a una entrevista. Sin embargo, le comunicaron que el curso ya estaba lleno y el siguiente iniciaría en el otoño. El oficial que lo atendió lo vio muy desanimado y le planteó otra opción que le podía interesar: un curso de criptografía que iniciaría el lunes siguiente. Las cosas no salieron de acuerdo a sus planes y no imaginaba lo que le esperaba.

Durante la estancia en Bletchley, Michie conoció a Alan Turing (1912-1954) y se hicieron amigos. Alan Turing fue un matemático inglés, pilar de las ciencias computacionales, quien formalizó el concepto de algoritmo y sus aportaciones llevaron a la construcción de la computadora actual. Michie y Turing compartían juegos de ajedrez y charlaban sobre la posibilidad de construir una computadora que lo jugara, como parte de un proyecto mayor para la creación de una inteligencia artificial. Esos momentos de esparcimiento fueron fundamentales para el futuro de la inteligencia artificial.

Al terminar la guerra, Michie siguió con estudios en fisiología y anatomía pero nunca dejó de interesarse en las ideas de aprendizaje automático. En 1960 diseñó un sistema de aprendizaje que usaba cajas de cerillos y cuentas de cristal (sí, cajas de cerillos), pues en ese tiempo, Michie no contaba con acceso a computadoras. El sistema, llamado MENACE (Matchbox Educable Noughts and Crosses Engine) era capaz de aprender por experiencia el juego que conocemos como «gato». Este sistema hecho de forma tan rudimentaria fue el preludio de los métodos de aprendizaje automático como actualmente se conocen y de la formalización del área de investigación como tal. Pero, ¿en qué consiste un método de aprendizaje automático?

Un método de aprendizaje, consideremos el inductivo, consiste en representar un problema, adquirir ejemplos (la experiencia) y mediante un proceso de inferencia sobre esos ejemplos, obtener un modelo que la computadora usará para «decidir» qué acción ejecutar.

La importancia del aprendizaje es que le permite a la computadora mejorar con la experiencia. En este punto nos damos cuenta de que la computadora no genera nada por sí misma. El humano define la forma en la que la computadora percibirá al mundo y cómo procesará los datos para generar decisiones.

Todo lo que la computadora percibe a cada momento constituye lo que se llama estado y a cada estado corresponde una acción. A partir de un entrenamiento y la generación de un modelo, la computadora puede decidir cuál acción es la correcta para cada estado. El entrenamiento puede realizarse de diversas formas, de las más usadas son: 1) mostrándole ejemplos, es decir estados y las acciones correspondientes realizadas por un experto; 2) explorando el ambiente y ejecutando acciones por prueba y error, y 3) combinaciones de las anteriores.

Entre los principales métodos de aprendizaje[3], están: los árboles de decisión (cada rama representa las condiciones que deben cumplirse y las hojas son las decisiones), aprendizaje por refuerzo (se basa en premiar las buenas acciones y penalizar las malas), modelos probabilistas (consideran la incertidumbre de estar en un estado y de realizar una acción) y redes neuronales (se inspiran en el funcionamiento de las neuronas humanas). Todos son métodos con el mismo objetivo, la diferencia radica en la forma en que representan y procesan la información para producir las decisiones. Aprendizaje automático es un área en crecimiento, por lo que nuevos métodos y variantes van surgiendo y diversificando sus aplicaciones.

Considerando que existen los métodos de aprendizaje, ¿por qué entonces no tengo mi androide? En el caso de los robots, una de las limitaciones más importantes son las capacidades de los sensores; los más usados son las cámaras, el láser, los sonares y los sensores de contacto. Sin embargo, ninguno de ellos tiene la capacidad de nuestros ojos; el láser, por ejemplo, no percibe el vidrio. Todos están sujetos a imprecisiones en sus mediciones. Nuestros ojos también pueden padecer deficiencias pero incluso con sus imperfecciones, ningún sensor posee las propiedades de visión humana. Como consecuencia, aunque existen técnicas para que un robot pueda desplazarse, se carece de sensores lo suficientemente confiables como para lanzar a un robot a deambular por la calle sin supervisión, y las limitaciones sensoriales son solamente una de las dificultades en robótica.

Pero la robótica es tan sólo una de las áreas en donde los métodos de aprendizaje automático pueden aprovecharse. La explosión de servicios en internet, los dispositivos móviles y los juegos de video son solamente algunos ejemplos donde el aprendizaje automático ha hecho su aparición.

Así, artículos y servicios que usamos diariamente incluyen en su funcionalidad sistemas de aprendizaje. Es el caso de diversos teléfonos celulares que tienen incorporado sistemas de reconocimiento de voz, el usuario tiene que entrenarlo, es decir darle ejemplos con su voz para que el teléfono pueda construir un modelo y reconocer sus instrucciones habladas.

Otra aplicación es la personalización de los servicios en línea. El sistema puede aprender los hábitos del usuario, sus gustos y preferencias y proporcionarle información precisa y recomendaciones que le sean útiles. Los buscadores, sitios de recomendación de música, libros y artículos de consumo, son de los servicios de internet que más explotan los métodos de aprendizaje automático. En la mayoría de los casos la presencia de estos sistemas es transparente pues sólo se nos muestran los resultados, no el proceso.

Sin embargo, estos sistemas también presentan riesgos. Un aspecto crítico es que los sistemas de aprendizaje automático producen mejores resultados mientras más y diversa información reciban de entrada. Los sistemas que utilizan perfiles de usuario se enfrentan a latentes conflictos de seguridad en la información por el posible mal uso que puedan darle. El usuario debe sentir seguridad en cuanto a la confidencialidad de los datos que proporciona y eso no es tan sencillo. ¿Preferimos sentirnos seguros o que el sistema nos proporcione los resultados más exactos? Idealmente el sistema debería proporcionar ambas cosas.

El uso de sistemas con aprendizaje incorporado puede facilitarnos la vida ya que nos permite encontrar lo que nos gusta más rápidamente o interactuar con los dispositivos de forma más natural. Sin embargo, la automatización, el uso de sistemas y dispositivos inteligentes, deben ser una herramienta, no un sustituto de la inteligencia humana. Convertirnos en entidades que digan: «Es que la computadora dice…», no es algo bueno para nuestra evolución.

Tal vez tenga que esperar un tiempo para tener un androide doméstico pero lo cierto es que disponemos de servicios que en aquellas películas de hace treinta años ni siquiera soñaron.

NOTAS


[1] Donald Michie Home Page, http://www.aiai.ed.ac.uk/~dm/, consultada el 1 de Octubre de 2010.

[2] Copeland, B. Jack, Colossus: The secrets of Bletchley Park’s code-breaking computers, New York, Oxford University Press, 2010.

[3] RUSSELL, Stuart and Peter Norvig, Artificial Intelligence: A Modern Approach, 2a ed. NJ, Prentice Hall, 2003.

__________

Blanca Alicia Vargas Govea. De formación académica, con intereses fuera de la Academia. Le gustan las aplicaciones de la ciencia en la vida real. Anteriormente hizo investigaciones sobre aprendizaje automático para robots móviles. Es consumidora ávida de información y buscadora incesante. Actualmente hace un postdoctorado en el Centro Nacional de Investigación y Desarrollo Tecnológico (CENIDET) explorando la minería de datos y los sistemas de recomendación.

[1] Donald Michie Home Page, http://www.aiai.ed.ac.uk/~dm/, consultada el 1 de Octubre de 2010.

[2] Copeland, B. Jack, Colossus: The secrets of Bletchley Park’s code-breaking computers, New York, Oxford University Press, 2010.

[3] RUSSELL, Stuart and Peter Norvig, Artificial Intelligence: A Modern Approach, 2a ed. NJ, Prentice Hall, 2003.

(Visited 55 times, 1 visits today)

Posted by Revista Cuadrivio

Revista de crítica, creación y divulgación de la ciencia

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.