Tendencias 21. Ciencia, tecnología, sociedad y cultura




Cómo añadir la intuición humana a los algoritmos de planificación

Científicos del MIT logran traducir a la lógica temporal lineal diferentes niveles de estrategia, para trasladarlos a las máquinas


Las máquinas aún no consiguen superar a los humanos en planificación de resolución de problemas, pero los científicos siguen intentando que lo hagan. El último avance lo han realizado en el MIT: han logrado codificar diferentes niveles de estrategia humana en resolución de problemas a un lenguaje que las máquinas entienden. De este modo, han mejorado los algoritmos de planificación hasta en un 16%, aseguran.




Imagen: Jose-Luis Olivares. Fuente: MIT.
Imagen: Jose-Luis Olivares. Fuente: MIT.
Hoy día, ni siquiera los mejores algoritmos de planificación han logrado superar la capacidad humana para resolver problemas. Por eso, los especialistas siguen intentando mejorarlos.

El último intento lo han llevado a cabo investigadores del Instituto Tecnológico de Massachusetts (MIT, EEUU). Lo han hecho de una sorprendente manera: añadiendo a los algoritmos la intuición humana.

Para ello, han codificado las estrategias de planificadores humanos con un alto rendimiento, para convertirlas en legibles para las máquinas. De esta forma, han logrado mejorar el rendimiento de los algoritmos de planificación en un 10 a 15%, según informa la web del MIT.

Problemas con distintas complejidades

Las personas escogidas como ejemplo han sido individuos que destacaban en planificación, programación y optimización, en total 36 estudiantes del MIT. Sus estrategias fueron introducidas en forma de algoritmos introducidos en máquinas para que estas resuelvan problemas con diferentes grados de dificultad.

Uno de los más sencillos sería, por ejemplo, “dado un cierto número de aeropuertos, un cierto número de aviones y un cierto número de personas en cada aeropuerto con determinados destinos, ¿es posible planificar rutas de vuelo que permitan que todos los pasajeros lleguen a sus destinos sin que ningún avión vuele a la vez?”

Una clase más compleja de problemas son los numéricos, que consisten en agregar parámetros numéricos flexibles: “¿Puedes desarrollar un conjunto de planes de vuelo que cumplan las restricciones del problema original pero también minimicen el tiempo de vuelo de los aviones y el consumo de combustible?”

Por último, los problemas más complejos -los problemas temporales- añaden limitaciones temporales a los problemas numéricos: “¿Se puede minimizar el tiempo de vuelo y el consumo de combustible al mismo tiempo que se asegura que los aviones lleguen y salgan a horas concretas?”

Para cada problema, el algoritmo tiene media hora para generar un plan. La calidad de los planes se mide de acuerdo con alguna "función de coste", tal como una ecuación que combina el tiempo total de vuelo y el consumo total de combustible.

Codificación de estrategias

En el transcurso de su investigación, los científicos del MIT se dieron cuenta de que la gran mayoría de las estrategias de los 36 estudiantes participantes en el estudio podían ser descritas usando un lenguaje formal llamado lógica temporal lineal, que a su vez podía ser usado para agregar restricciones a las especificaciones del problema.

Usando este lenguaje, lograron una mejora media de los algoritmos (en la resolución de problemas numéricos) del 13%; en los  problemas de planificación de vuelos y de posicionamiento por satélite, de un 16%; y en los problemas temporales, de hasta un 12%.

Los investigadores del MIT trabajan ahora en  técnicas de procesamiento del lenguaje natural para hacer que el sistema sea totalmente automático, de modo que convierta las descripciones libres de los usuarios de sus propias estrategias de alto nivel en una lógica temporal lineal, sin intervención humana.

A finales del mes de enero, presentaron sus avances en la International Conference on Automated Planning and Scheduling celebrada en la Carnegie Mellon University de Pittsburgh (EEUU).

Más inspiración humana

En EEUU existe otro proyecto reciente, de la agencia de inteligencia nacional estadounidense IARPA y encargado a la Universidad de Harvard, para estudiar las conexiones neuronales del cerebro humano, para aplicarlas al diseño de sistemas informáticos capaces de interpretar, analizar y aprender como los humanos.  Con este proyecto se aspira a mejorar los algoritmos de aprendizaje.  

También se están intentando introducir en algoritmos la capacidad de entender el humor humano, en este caso, a través de la Inteligencia Artificial. En esta línea, un equipo de investigación de Virginia Tech (EEUU), ha creado un algoritmo entrenado para predecir con exactitud cuando una imagen es divertida y cuando no lo es. La herramienta puede detectar además el elemento de mayor comicidad de la escena y remplazarlo para causar el efecto contrario.


Miércoles, 8 de Febrero 2017
Redacción T21
Artículo leído 4404 veces



Nota

Nuevo comentario:
Twitter

Los comentarios tienen la finalidad de difundir las opiniones que le merecen a nuestros lectores los contenidos que publicamos. Sin embargo, no está permitido verter comentarios contrarios a las leyes españolas o internacionales, así como tampoco insultos y descalificaciones de otras opiniones. Tendencias21 se reserva el derecho a eliminar los comentarios que considere no se ajustan al tema de cada artículo o que no respeten las normas de uso. Los comentarios a los artículos publicados son responsabilidad exclusiva de sus autores. Tendencias21 no asume ninguna responsabilidad sobre ellos. Los comentarios no se publican inmediatamente, sino que son editados por nuestra Redacción. Tendencias21 podrá hacer uso de los comentarios vertidos por sus lectores para ampliar debates en otros foros de discusión y otras publicaciones.

Otros artículos de esta misma sección
< >

Martes, 28 de Febrero 2017 - 12:00 Un nuevo material convierte una rosa en una batería