La noción de que en internet está casi todo el conocimiento humano, y el hecho de que sea un medio digital, el mismo en el que existen las supercomputadoras que aspiran a emular la inteligencia humana, o los cerebros de los robots diseñados para interactuar con humanos, facilita el aprendizaje automático de estas entidades. En vez de programárselo todo a una supercomputadora o un robot, la filosofía del aprendizaje automático es lograr que estas máquinas sean capaces de aprender por su cuenta, buscando información, examinándola e integrando los nuevos conocimientos a lo que ya saben. El proceso no es en su esencia muy distinto al de la deducción lógica humana.
Una iniciativa particularmente fascinante al respecto es la de RoboBrain, de la Universidad Cornell en Ithaca, Nueva York, Estados Unidos, con la participación de expertos de otras instituciones, y el patrocinio de Google, Microsoft, Qualcomm, la Fundación Nacional estadounidense de la Ciencia (NSF) y otras entidades. RoboBrain es un sistema computacional a gran escala que está descargando y analizando miles de millones de archivos de internet, para aprender a hacer cosas sin que los científicos se las tengan que programar, y que además podrá transferir su “sabiduría” a otros ordenadores y robots. Combinar Inteligencia Artificial con el acceso al colosal depósito del saber humano que es internet abre unas perspectivas que a bastantes personas inevitablemente les traerán recuerdos de novelas y películas de ciencia-ficción.
RoboBrain, el ente cibernético que aprende de las fuentes de información disponibles de forma pública en internet, está actualmente descargando y procesando unos 1.000 millones de imágenes, 120.000 videos de YouTube, y 100 millones de documentos con información práctica sobre cómo hacer cosas y manuales de uso de dispositivos. La información está siendo adaptada y almacenada en un formato apto para robots, a la que estos podrán acceder cuando lo necesiten.
Para servir como ayudantes en nuestros hogares, oficinas y fábricas, los robots necesitarán entender cómo funciona el mundo y cómo nos comportamos los humanos que lo poblamos. El enfoque tradicional de los robotistas para lograrlo ha sido enseñarles a los robots todas esas cosas de modo directo y poco a poco: Por ejemplo, cómo localizar algo en el refrigerador, cómo servir una bebida en un vaso, cómo retirar los platos tras haber terminado de comer los comensales, y cuándo no se debe interrumpir a dos personas que tienen una conversación. En cambio, en el caso de los robots que asimilen la sabiduría de RoboBrain, todo esto pasarán a saberlo sin que ningún humano tenga que enseñárselo.
Si un robot ve una taza de café, puede aprender de RoboBrain no sólo que el objeto es una taza de café, sino también que se pueden verter líquidos en su interior o extraerlos, que puede ser agarrado por el asa, y que debe ser transportado boca arriba cuando está lleno, a diferencia de cuando se le lleva del lavavajillas hacia el armario.
Un sistema de inteligencia artificial lo bastante autónomo encontrará en internet todo lo que necesite saber. El sistema RoboBrain, que aprende de fuentes disponibles de forma pública en Internet, está actualmente descargando y procesando unos 1.000 millones de imágenes, 120.000 videos de YouTube, y 100 millones de documentos con información práctica sobre cómo hacer cosas y manuales de uso de dispositivos. (Imagen: Recreación artística por Jorge Munnshe en NCYT de Amazings)
El sistema desarrollado por el equipo de Ashutosh Saxena y Aditya Jami emplea lo que los científicos en computación llaman “aprendizaje profundo estructurado”, y en el que la información está almacenada en muchos niveles de abstracción. Un sillón es un miembro de la misma clase en la que están las sillas, y subiendo otro nivel, este tipo de enseres son muebles. RoboBrain sabe que las sillas son algo en lo que alguien se puede sentar, pero que un humano también puede hacerlo en un taburete, un banco o sobre el césped.
El cerebro informático de un robot almacena lo que ha aprendido en un tipo de matemáticas llamado modelo de Markov, que puede ser representado gráficamente como un grupo de puntos conectados por líneas (llamados formalmente nodos y bordes). Los nodos podrían representar objetos, acciones o partes de una imagen, y cada uno tiene asignada una probabilidad (cuánto podremos variarlo y seguirá siendo correcto). Buscando conocimientos, un cerebro de robot fabrica su propia cadena y busca en la base de conocimientos alguna que coincida con esos límites.
Fuente: Robobrain.