La Universidad Northwestern de EEUU presenta estos días al profesor de ingeniería eléctrica e informática Ken Forbus como el hombre que “está cerrando la brecha entre humanos y máquinas”.
La razón: Forbus y sus colaboradores, usando teorías de las ciencias cognitivas, han desarrollado un sistema que podría dar a los ordenadores la capacidad de razonar como seres humanos, e incluso de tomar decisiones morales.
Este sistema ha sido bautizado como SME (structure-mapping engine) y su clave es que resuelve problemas por analogía y similitud con situaciones previas, igual que las personas: «Los seres humanos utilizan las relaciones para describir las cosas, resolver problemas, indicar la causalidad y sopesar dilemas morales», afirma Forbus.
¿Adivinación?
En general, muchos sistemas de inteligencia artificial están basados en el aprendizaje profundo, un proceso en el que el ordenador aprende examinando cantidades masivas de datos. Precisamente, esta semana se ha hecho público un algoritmo del Computer Science and Artificial Intelligence Laboratory (CSAIL) del MIT desarrollado de esta manera (ver vídeo).
Este algoritmo permite prever lo que va a ocurrir en encuentros interpersonales: si dos personas se van a abrazar, a besar, a dar la mano o a chocar los cinco al encontrarse. Todo ello gracias a que ha sido “entrenado” con vídeos de YouTube y programas de televisión. A partir de toda esa información, el algoritmo puede hacer sus ‘adivinaciones’, informa el MIT.
Este avance es importante porque abre todo un mundo de nuevas posibilidades: desde robots que puedan navegar mejor en entornos humanos a sistemas de respuesta de emergencia que predigan caídas, por ejemplo.
«Queríamos mostrar que sólo mediante la observación de grandes cantidades de vídeo, los ordenadores pueden tener los conocimientos suficientes para hacer constantemente predicciones acerca de su entorno”, explican los investigadores del CSAIL.
El atajo: Relacionar informaciones
Pero el SME parece ir más allá del aprendizaje profundo, pues su funcionamiento tiene que ver con la manera de aprender de las personas a partir, no de mucha información, sino de unos pocos ejemplos.
Este sistema está basado en la llamada Structure-mapping theory, de Dedre Gentner (otra investigadora de la Northwestern); teoría que versa sobre la analogía y la similitud. Gentner señala que: «La capacidad relacional es la clave de la cognición de orden superior”.
En general, los humanos usamos para aprender analogías que pueden ser complejas (“la electricidad fluye como el agua”) o simples (“su nuevo teléfono móvil es muy similar a su anterior teléfono”).
Modelos previos de aprendizaje artificial por este sistema de la analogía, incluyendo versiones anteriores del SME (el sistema lleva en desarrollo desde los años 90), no habían logrado alcanzar ese grado de representaciones que nosotros podemos usar.
Sin embargo, la nueva versión de Forbus del SME sí puede abarcar la extensión y complejidad de esas representaciones relacionales necesarias para el razonamiento visual, la resolución de problemas de libros de texto o la resolución de dilemas morales.
Por ejemplo, el “nuevo” SME puede resolver cuestiones morales porque «tiene en cuenta una nueva situación y trata de recuperar una de sus historias anteriores, en busca de valores sagrados análogos, para decidir en consecuencia», explica Forbus. Este nuevo SME también se puede usar para enseñar a un programa a resolver problemas de física de nivel avanzado; así como para modelar múltiples tareas de resolución de problemas visuales.
Ya solo faltaría, para rizar el rizo, que a este avance y al realizado en el CSAIL se pudiera añadir algún fruto de los esfuerzos de la compañía californiana Vicarious por despertar la imaginación en las máquinas.
Referencia bibliográfica:
Kenneth D. Forbus, Ronald W. Ferguson, Andrew Lovett, Dedre Gentner. Extending SME to Handle Large-Scale Cognitive Modeling. Cognitive Science (2016). DOI: 10.1111/cogs.12377.
Hacer un comentario