Y, sin embargo, queremos construir máquinas y algoritmos capaces de aprender. Y lo conseguimos, en cierto sentido, puesto que disponemos del machine learning con todos sus formidables avances y asombrosos resultados.
Pero, a pesar de ello, y a despecho de visiones fantasiosas y poco fundamentadas, las máquinas, los algoritmos y los robots, están muy lejos de igualar las capacidades humanas (de manera amplia, no en casos concretos) y no digamos nada su adaptabilidad y capacidad de aprendizaje.
Pero lo seguimos intentando. Seguimos investigando. Seguimos probando y, en el fondo, seguimos avanzando.
En este artículo quisiera recoger algunas ideas sobre el aprendizaje ligados al curioso campo de la robótica del desarrollo ('developmental robotics') con la que me encuentro leyendo el libro 'Cognitive robotics' editado por Angelo Cangelosi y Minoru Asada.
Cuerpo y situación
Un aspecto en que insisten muchos roboticistas al respecto de las características de los robots es que disponen de un cuerpo, una realidad física, algo a lo que se denomina el 'embodyment' (palabra sin fácil traducción al castellano aunque se entiende perfectamente su sentido).
En modo sentido, esa realidad física, ese cuerpo, se utiliza como término caracterizador de los robots, lo que parece descartar como robot, a los denominados robots software, algo que podría no estar tan claro, pero ese debate lo dejo para otra ocasión.
Pero hay algo mucho más importante en cuanto al cuerpo, y tiene que ver con el aprendizaje e incluso la consciencia.
Pero antes de comentarlo, también es importante sacar a colación otro aspecto al que los roboticistas, y en concreto los roboticistas cognitivos, conceden mucha importancia y que es el de 'situatedness', término, de nuevo, de difícil traducción pero que podríamos decir que habla de que ese cuerpo está de alguna forma 'situado' en el mundo, es decir, que interacciona con él.
¿Por qué esto es esto importante para el aprendizaje?
Pues porque existen teorías, robóticas pero que entiendo ancladas también en la psicología y el conocimiento del aprendizaje humano, que consideran que ese aprendizaje humano se produce, en buena medida, por la constante interacción de ese cuerpo (de ahí la importancia del 'embodyment') con su entorno (de ahí la importancia del 'situatedness') y todo ello produce, a través de la interacción sensomotora, un modelo del mundo (proceso al que los roboticistas bautizan ahora como 'enaction').
Insisto que, aunque veo estos términos y estas ideas en libros de robótica, los entiendo anclados, en el fondo, en teorías sobre el aprendizaje humano.
Y voy a apuntar, aunque sea brevemente, que esa interacción con el entorno, y ese contrastar las acciones con los resultados obtenidos pudieran ser estar en la base, así lo defiende Jun Tani como comentamos ya hace tiempo, también en el nacimiento de la consciencia.
Interacción social y aprendizaje
Antes de pasar a la paradoja, comentar que en el libro citado, y hablando del aprendizaje humano (y, como veremos, robótico), aparece otro aspecto importante para el aprendizaje: la interacción social.
En efecto, se apunta, y no parece nada difícil admitirlo, que la interacción social es otra fuente importante de aprendizaje para los seres humanos.
En el fondo, me atrevería a decir que esa interacción social no es más que un caso particular, muy particular es cierto, de interacción sensomotora con el entorno, y una parte muy concreta de ese entorno que son las otras personar.
La paradoja del aprendizaje algorítmico
¿Y por qué veo en todo esto una paradoja respecto al aprendizaje?
Veo una cierta paradoja, o perplejidad, o llamada de atención, como se le quiera llamar, porque el aprendizaje del que fundamentalmente hemos dotado a las máquinas, especialmente el famoso machine learning, es casi siempre un aprendizaje digamos algorítmico, basado en datos y que aplicamos a un software, algo, aparentemente sin cuerpo y sin interacción clara con el mundo.
La perplejidad no es completa, porque esos datos pueden provenir de sensores o de otra forma de interacción con el entorno físico, pero en general, ese 'embodyment' y ese 'situatedness' están ausentes en nuestro aprendizaje algorítmico dominante hoy día.
Y sin embargo, parecen ser fundamentales en el aprendizaje humano (y de otros seres vivos, supongo).
La robótica del desarrollo ('developmental robotics')
Un poco con base en todo lo anterior, existe una rama de la robótica cognitiva, la denominada robótica del desarrollo ('developmental robotics') cuyo enfoque es intentar que los robots aprendan usando los mismos mecanismos que un niño humano, unos mecanismos que, entre otras cosas, incluyen el tener en cuenta las experiencias de interacción de su cuerpo con el entorno y la interacción social.
Es como tratar a los robots como si fueran niños, dejar que jueguen, dejar que interactúen con su entorno y con las personas u otros robots, y que así vayan aprendiendo.
Conclusiones
Me parece, permítaseme decirlo así, 'alucinante', interesantísimo, el planteamiento de la robótica del desarrollo, aunque no estoy muy seguro de los resultados que pueda conseguir en el corto plazo. Pero, al fin y al cabo, hablamos de momento de investigación. Así que démosle margen.
En cualquier caso, esta relación, estos paralelismos y esta comparativa constante que se produce entre la realidad humana y las posibilidades robóticas es uno de los aspectos en mi opinión más apasionantes de la disciplina de la inteligencia artificial y la robótica más avanzada.
No hay comentarios:
Publicar un comentario