Estatua de Alan Turing

Un nuevo y emocionante estudio de la Universidad de Sheffield que se publicó en el diario Swarm Intelligence -y que se puede consultar aquí- estableció un nuevo método que permite a los ordenadores descifrar patrones complejos por su cuenta. Esta habilidad podría ser la puerta de entrada a algunas de las más avanzadas aplicaciones que se pueden dar a la inteligencia artificial. Para ello los investigadores están usando una nueva técnica llamada Turing Learning, con la que el equipo consiguió que un ordenador identificase movimientos dentro de un grupo de robots y descubrir las normas que regulan su comportamiento.

Al ordenador se le dijo que no buscase ningún elemento significativo de comportamiento de grupo, sino tratar de emular la fuente de la forma más precisa posible y aprender de los resultados que se extraigan. Se trata de un sistema muy simple que los investigadores piensan que se podría aplicar desde estudios sobre comportamiento humano y animal, a análisis bioquímicos y seguridad personal.

¿Por qué el nombre de "Turing Learning"? ¿Por qué el hecho de que este sistema lleve este nombre debería hacer sonar alarmas en tu cabeza si eres un loco de la informática? Todo eso lo explicamos a continuación.

Las ideas de Alan Turing son la base de la computación modernaLas ideas de Alan Turing son la base de la computación moderna

Un poco de historia: ¿Quién fue Alan Turing?

Alan Mathison Turing era un brillante matemático inglés, famoso por su contribución durante la Segunda Guerra Mundial para romper el código Enigma que usaban los nazis para comunicarse mientras duró el conflicto. La base de operaciones donde se consiguió descifrar el código de sus comunicaciones estaba situada en Bletchley Park, donde hay una estatua en honor del científico.

Quizás no sea la proeza de romper un código criptográfico considerado indescifrable lo que más famoso le hizo. Lo que consiguió que Turing pasase a la posteridad fue una de sus ideas, que ayudó a cambiar la historia de la tecnología. Turing publicó un documento llamado On Computable Numbers que sirvió para establecer los cimientos de la teoría computacional moderna, así como una línea de pensamiento sobre la inteligencia artificial que sigue siendo influyente a día de hoy.

Alan Turing también creó el Test Turing de Inteligencia Artificial: si una inteligencia creada artificialmente puede pasar un interrogatorio basado en texto por un grupo de examinadores o un examinador humano, y si esos examinadores pueden determinar si están hablando con un ser humano o con un robot, entonces se ha conseguido crear auténtica inteligencia artificial.

Turing Learning, una aplicación moderna del Test de Turing

Ahora que ya conocemos en qué consiste el Test de Turing, podemos decir que el sistema Turing Learning lo pone en práctica una y otra vez. Se puede aplicar en distintos contextos, en los que se tiene un original, una copia y un algoritmo de comparación.

Como ya se ha comentado en el estudio llevado a cabo por los investigadores de la Universidad de Sheffield se usó un enjambre de robots. Este enjambre -al que llamaremos "grupo A"- se mueve de acuerdo a reglas simples pero desconocidas, mientras que un segundo enjambre -que vamos a nombrar como "grupo B"- exhibe comportamientos que a priori no significan nada, pero que son totalmente aleatorios y que no son estáticos.

Después, cada uno de estos conjuntos se compara con el otro usando un algoritmo de clasificación. A este algoritmo no se le dice qué es lo que debe buscar: "mira" uno de los enjambres, "anota" todos los atributos que puede y después trata de adivinar si, al mirar a otro grupo de robots, puede determinar si sus patrones de comportamiento se corresponden con los que ha visto o no.

Cada vez que el algoritmo de clasificación identifica correctamente uno de los conjuntos se le da una especie de "recompensa", lo que aumenta poco a poco la probabilidad de que aspectos del camino que siguió para llegar a la respuesta correcta se repitan en el futuro. Algo así como los refuerzos positivos cuando se entrena a un perro.

En la prueba que se condujo con estos dos conjuntos de robots lo que el algoritmo de clasificación intenta hacer es leer el comportamiento del grupo A -aunque sea mucho más complejo que lo que dictan sus normas por cómo los robots pueden interactuar con su entorno-. Para continuar su distinción entre dos enjambres que cada vez son más similares, el algoritmo se ve obligado a buscar más profundamente para encontrar las diferencias más imperceptibles. Esto hace que el grupo B corrija sus errores, haciendo que su programación cada vez se parezca más a la del grupo A.

¿Para qué sirve Turing Learning?

La utilidad de Turing Learning sería casi la misma que la de las redes neuronales actuales, pero con menor necesidad de dirección humana y por tanto con menor riesgo de parcialidad. Los modelos de redes neuronales más tradicionales pueden ofrecer ya soluciones reales a problemas que llevan mucho tiempo existiendo gracias a la mente sin sentimientos de un ordenador.

Algunos microcontroladores como Arduino se usan en robóticaAlgunos microcontroladores como Arduino se usan en robótica

Recordamos que las máquinas son frías y desprovistas de emoción y no están particularmente interesadas en ningún resultado -a no ser que el programador les diga lo contrario-. Esto les permite encontrar, por ejemplo, un rango mucho más amplio de características visuales para identificar un cáncer en muestras de tejido. Muestras que, por otra parte, ya llevan años siendo estudiadas por ojos humanos.

También se podrían utilizar a la hora de analizar detalles mucho más pequeños, como por ejemplo qué es lo que hace único el estilo de un artista realmente, mucho más allá de lo que expertos en la materia puedan aportar. Incluso, retomando la idea de los grupos de robots, se podría aplicar en el análisis de por qué los bancos de peces se mueven de una determinada manera y no de otra. Esto podría llevar hasta a un rediseño de la inteligencia artificial en los videojuegos.

Sin embargo, uno de los aspectos más interesantes de Turing Learning es el análisis del comportamiento humano. Con un modelo como este se podría llegar a ofrecer una visión mucho más objetiva y detallada de aspectos de la psicología que por ahora se nos escapan.

christopher_brown editada con licencia CC 2.0

Relacionados

Nos encanta escucharte ¿Nos dejas tu opinión?