Tendencias 21. Ciencia, tecnología, sociedad y cultura




Las máquinas resolverán dilemas morales y podrán predecir lo que ocurrirá

Equipos independientes desarrollan, por un lado, un algoritmo para previsión de situaciones y, por otro, un sistema de aprendizaje artificial por analogía


Investigadores de la Universidad Northwestern de EEUU han desarrollado un sistema que permitirá a las máquinas aprender relacionando informaciones, como hacemos los humanos. Entretanto, en el MIT se ha mejorado un algoritmo que prevé lo que va a ocurrir en encuentros interpersonales: si dos personas se van a abrazar, a besar o a dar la mano. Vicarius, por su parte, intenta dotar de imaginación a las máquinas. Por Yaiza Martínez.


Yaiza Martínez
Escritora, periodista, y Directora de Tendencias21. Saber más del autor


Imagen: thehorriblejoke. Fuente: Pixabay.
Imagen: thehorriblejoke. Fuente: Pixabay.
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.
 

Jueves, 23 de Junio 2016
Artículo leído 7792 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
< >

Jueves, 1 de Diciembre 2016 - 08:00 Inteligencia artificial para catar quesos