Hoy en día, gran parte de los trabajos que se realizan en el campo de la robótica tienen como objetivo ayudar al ser humano en la realización de tareas complejas o liberar a éste de la realización de las mismas. Los robots son utilizados para realizar reparaciones, acceder a sitios de difícil acceso (ya sea físico o por condiciones ambientales), realizar tareas peligrosas, transportar carga o, incluso, asistir a personas impedidas.

Prácticamente cada semana surgen noticias alrededor del mundo de los robots en las que podemos conocer proyectos que se desarrollan a lo largo del planeta y que, en su gran mayoría, tienen como objetivo construir un sistema robótico que asista a un humano en la realización de una tarea o que evite por completo que éste deba ejecutarla, aportando además precisión, disponibilidad, etc. Si bien el número de proyectos es elevado, creo que podríamos tomar una muestra de cinco asistentes robots que mejoran el desempeño de algunos trabajos o, incluso, pueden mejorar nuestra calidad de vida.

Robot cirujano Da Vinci

Dentro de todos los ámbitos en los que se puede aplicar la robótica, la medicina es uno de los entornos en los que mejor se han recibido este tipo de dispositivos. Gracias al uso de sistemas robóticos en los quirófanos, se han podido depurar muchos procedimientos quirúrgicos haciéndolos mucho menos invasivos y, por tanto, acortando el tiempo de convalecencia del paciente. Uno de los sistemas quirúrgicos más conocidos es el robot cirujano Da Vinci que, desde su lanzamiento en 1999, está presente ya en más de 1.200 quirófanos de todo el mundo.

El sistema Da Vinci consta de una consola que es controlada por el cirujano y con la cual maneja los instrumentos del robot, que se sitúa en la mesa de operaciones en la que se encuentra el paciente. Esta consola se sitúa alejada de la mesa, por tanto, el médico opera al paciente, prácticamente, a distancia puesto que maneja los brazos robots y la cámara del sistema (usando la técnica de laparoscopia) para realizar la operación.

Cuatro brazos robóticos y una cámara de alta definición manejados por control remoto ofrecen al profesional de la cirugía un asistente robótico de gran precisión con el que realizar operaciones poco invasivas entre las que de destacan el by-pass coronario, operaciones para tratar el cáncer de próstata o reparaciones de la válvulas coronarias.

SCORP, el robot de exploración todoterreno

En situaciones de emergencia, como los de la central nuclear de Fukushima, suele ser habitual el uso de robots para acceder a lugares poco accesibles, accionar mecanismos peligrosos (una detonación controlada de una bomba) u ofrecer una panorámica de un acontecimiento singular. Prácticamente todo el mundo tiene en su memoria la imagen de los robots de desactivación de explosivos o la familia de drones aéreos de la Fuerza Aérea de Estados Unidos. Aunque estos sistemas están extendidos en uso, hay que reconocer que cada vez son más demandados por las fuerzas de seguridad y los equipos de emergencia, así como en la investigación y, por tanto, se sigue trabajando en su desarrollo.

SCORP podría dar la sensación de ser un pequeño tanque de juguete por radiocontrol, sin embargo, este Micro Unmanned Ground Vehicle (MUGV) de 3,5 kilogramos de peso con sistema de tracción de oruga posee unas palas que le permiten subir escaleras o saltar obstáculos, una capacidad de movimiento muy versátil que sumado a su capacidad de visión (cámara frontal direccional, cámara trasera y cámaras laterales), hacen que este vehículo sea capaz de explorar cualquier terreno y captar una visión panorámica del entorno por el que se mueve para enviarla a las personas que lo controlen.

Romeo, el asistente de personas con dependencia

Romeo es un proyecto de investigación que creo marcará este año 2012 y que tiene el objetivo de desarrollar un robot que sirva de asistente personal de personas con dependencia (personas mayores, invidentes, personas con movilidad reducida, etc). Romeo será capaz de ayudar a una persona en las tareas del día a día, buscar objetos a una habitación, colocar en su sitio un objeto que no está en su lugar correcto y puede suponer un peligro para una persona con discapacidad visual o, incluso, podrá ser capaz de ayudar a levantarse a una persona de un sillón.

Este ayudante robot es un proyecto que se está llevando a cabo en Francia por un consorcio de entidades lideradas por Aldebaran Robotics, la empresa responsable de Nao Next Gen.

Robot que actúa de perro guía

Un perro guía está adiestrado para guiar a personas invidentes o que sufren una deficiencia visual aguda (ayudándoles a sortear obstáculos) y que, además, también les ayudan en algunas tareas básicas de su día a día. Aunque los perros guía son un excelente asistente para muchas personas invidentes, una empresa japonesa de robots, NSK, decidió desarrollar en el año 2005 un robot que pudiese tomar este rol y servir de guía a una persona invidente.

En el año 2005 desarrollaron el primer prototipo, de nombre NR001, al que seguiría un segundo prototipo en el año 2007 que era capaz de reconocer que estaba ante unas escaleras y, por tanto, debía subirlas (con la salvedad de que debía tener 3 de las 4 patas apoyadas en el suelo para soportar su cuerpo). El pasado otoño, la compañía presentó su tercer prototipo (NR003) que gracias a Kinect es capaz de detectar las escaleras y otros obstáculos además de ser capaz de reconocer la “voz de su amo” y responder a instrucciones vocales

RIBA II, robot-enfermero

El RIBA II es otro proyecto japonés que pone el foco en salvaguardar la espalda de los enfermeros y enfermeras que trabajan en los hospitales del país puesto que les ayuda a levantar a los enfermos de sus camas y a transportarlos, en brazos, a una silla de ruedas, por ejemplo, para su traslado. Además, gracias a su cuerpo flexible, es capaz de recoger a un enfermo que se haya caído al suelo, por ejemplo desde su cama, siendo capaz de levantar hasta 80 kilogramos de peso y, gracias a su red de sensores, ajustar con mayor precisión el agarre al cuerpo que se sujeta y los movimientos a aplicar (haciéndolos menos bruscos).

De todas las aplicaciones que puede tener la robótica, una de las más vistosas y que, además, tiene bastante repercusión en los medios de comunicación son los vehículos autónomos, es decir, los coches que se mueven sin conductor gracias a un sistema autónomo capaz de detectar obstáculos gracias a sus sistemas de radar y visión artificial y guiarse gracias a la ruta marcada por un sistema de posicionamiento GPS. Hasta ahora, estos vehículos experimentales se probaban en circuitos cerrados y no podían circular por la vía pública, sin embargo, el Estado de Nevada aprobó ayer un marco regulatorio que permitirá la circulación de vehículos sin conductor por las carreteras estatales.

Nevada es el primer estado en aceptar lo que es sin duda el futuro de los automóviles

Según parece, el Gobernador del Estado de Nevada, Brian Sandoval, estuvo probando el Toyota Prius que Google modificó y convirtió en un vehículo autónomo y quedó bastante impresionado con el resultado, así que instó al Departamento de Vehículos a Motor de Nevada a trabajar en un marco legal que permitiese a las empresas trabajar en estos vehículos y poder probarlos en la vía pública y en las carreteras del Estado con total garantía legal. Para el Estado de Nevada este paso, que les hace ser unos pioneros en esta materia, supone una importante oportunidad para el desarrollo empresarial de la región porque sitúa al Estado en buena posición para recibir empresas que se dediquen a este tipo de desarrollos.

El marco normativo es el resultado del trabajo del Departamento de Vehículos a Motor de Nevada, Google, representantes de la industria del automóvil, profesionales que trabajan en el marco de las pruebas de vehículos, compañías de seguros y universidades; un conjunto interesante de puntos de vista que ha desarrollado una legislación para salvaguardar la integridad de los conductores y los peatones y que esperan sirva de cabeza tractora para que otros estados también trabajen sobre esta materia.

Según comentó el Director del Departamento de Vehículos a Motor, Bruce Breslow:

Estas normas establecen los requisitos que deben cumplir las empresas que quieran poner a prueba sus vehículos autónomos en las vías públicas de Nevada así como sentar las bases a cumplir por los que, en un futuro, adquieran uno de estos vehículos. […] Nuestro trabajo no termina aquí. El departamento está desarrollando en la actualidad los procedimientos de concesión de licencias para empresas que quieran poner a prueba sus vehículos en Nevada. Nevada se enorgullece de ser el primer estado en adoptar esta tecnología emergente y el departamento espera con interés que surjan nuevas alianzas conforme evolucione la tecnología

Es decir, a partir de ahora, las empresas que quieran probar estos coches en un entorno real podrán solicitar una licencia al Estado de Nevada y obtendrá una matrícula de color rojo que servirá para distinguir que el vehículo es un vehículo autónomo en fase de pruebas y, en el caso de que las pruebas culminen con éxito y el coche pase a comercializarse, se les dará una matrícula de color verde.

Quizás sea pronto para que podamos comprar el Toyota Prius de Google pero, el paso que ha dado el Estado de Nevada, creo que es muy significativo puesto que abre la puerta al desarrollo de una industria que, hasta la fecha, parece más vinculada al mundo de la I+D que al desarrollo de productos comerciales. Quién sabe, quizás en menos tiempo del que nos imaginamos, circulen por el famoso Strip de Las Vegas vehículos que llevan extraños artilugios en el techo y llevan una matrícula de color rojo o una de color verde.

Internet ha cambiado el mundo. La forma de relacionarnos, el modo de comprar, la forma en que operan muchos negocio y nuestro ocio. La práctica médica será distinta debido a las gigantescas bases de datos médicas y a las nuevas aplicaciones de los smartphones.

El futuro va a estar dominado por dos tecnologías emergentes: poderosos ordenadores remotos que analizan en segundos millones de datos provenientes de un sinfin de personas y sensores y amigables interfaces instalados en nuestros smartphones. Mientras, la medicina parece sumida en unas prácticas más propias del antiguo siglo. Pero todo indica que esta situación va a cambiar.

El problema

Piensa en lo que ocurre cuando visitas al doctor. Aguardas un buen rato en la sala de espera hasta que te recibe. Saca (si lo tiene) tu historial médico. Lee lo que antes él haya podido escribir. Revisa los resultados analíticos y pruebas de imagen (si las tiene). Te pregunta qué te pasa. Quizá te examine. Hace una presunción de tu enfermedad. Quizá te pida nuevas pruebas (y el ciclo se repite). Te prescribe tratamiento y te despide. Si no vuelves, asume que te has curado. La media en España es 10 minutos por paciente.

¿Qué problemas tiene este proceder?

• Hay que ir físicamente al doctor. Esto tiene sentido para la exploración que es visual y auditiva. Pero ir al médico lleva tiempo y en muchos casos el paciente retrasa la decisión de acudir al médico.
• El paciente sin formación medica decide cuando ir y cuando no ir al médico.
• Es el paciente el que dice sus síntomas al médico.
• Las pruebas se realizan cuando estás enfermo. No hay hay mediciones cuando estás sano.
• Muchas de las pruebas pueden hacerse rutinariamente en casa con la ayuda de un equipo mínimo y un smartphone: tensión sanguínea, pulso…
• El doctor pregunta cada vez por la historia de los síntomas y los resultados de las pruebas.
• El desaprovechamiento de recursos humanos y materiales es ingente.

A esto hay que añadir la fragilidad de la memoria humana. Los médicos no pueden recordar todos los datos de los pacientes y puede que los apunten o puede que no. Ni siquiera el paciente puede hacerlo. Los médicos además no pueden recordar todo lo que han estudiado ni conocer las interrelaciones entre los tratamientos. Y menos aún cuando nos acercamos a la medicina personalizada. Es seguro incluso que el libro que lee esté ya obsoleto.

Historial médico electrónico

El primer paso para solucionar esto es el historial médico electrónico. Es cada vez más popular pero dista de estar implantado en todas las organizaciones sanitarias.

Los datos de todos los pacientes son almacenados centralizadamente de modo que el paciente y el médico puedan consultarlos en cualquier momento y en cualquier lugar. Este es el caso cuando una persona es atendida por otro médico o ingresa por primera vez en un nuevo hospital. Salvaguardando por supuesto la confidencialidad. No solo los datos puntuales de una prueba diagnóstica sino el registro completo de cuando se encuentra mal y también de cuando está bien. Y estos datos centralizados pueden ser usados para realizar reveladoras estadísticas que hoy son imposibles.

Doctor Watson

Watson es el ordenador de IBM que ganó en el concurso de televisión Jeopardy. WellPoint, la mayor aseguradora de salud de EE.UU. con 34 millones de afiliados, ha contratado los servicios de Watson. Las capacidades de Watson encajan perfectamente con el diagnóstico médico:

• Maneja el lenguaje natural
• Consulta millones de documentos de texto no estructurado, imágenes, audio y vídeo en segundos
• Formula hipótesis que traduce en un ranking de respuestas
• Asigna un nivel de confianza a cada respuesta
• Presenta evidencias para cada respuesta
• Aprende y está al día

Además del diagnóstico, sistemas de este tipo sirven para realizar gigantescos análisis de datos. Partiendo de millones de historias médicas electrónicas pueden extraer datos y convertir la información en conocimiento descubriendo patrones desconocidos.

Uno de los problemas que presenta trabajar con humanos es la ambigüedad: “no me encuentro muy bien” “no sé que me pasa”. También es un problema la calidad de los datos como saben muchas empresas que tienen en sus ficheros registros duplicados y en general datos de baja calidad. Pero una característica de Watson es que se mueve en la ambigüedad, no busca la respuesta sino una buena respuesta.

A lo anterior hay que añadir la capacidad de realizar una medicina personalizada basada en los datos del genoma y el proteoma del paciente, lo que difícilmente puede hacerse sin la ayuda de un ordenador. Esto no está tan lejos ya que una empresa ha anunciado que puede secuenciar el genoma de un individuo por tan solo 1000 dólares.

El doctor en el bolsillo

Probablemente no será necesario acudir a una consulta para realizar la mayoría de las pruebas diagnósticas más comunes. Los signos vitales podrán registrarse con ayuda de aparatos caseros conectados a smartphones sin necesidad de ser médico o enfermero ni pasar por la Universidad. La tienda de aplicaciones de iPhone dispone de medio centenar de aplicaciones que irá creciendo. Algunas son simples juguetes pero otras son muy serias. Una de ellas puede detectar cáncer de piel usando la cámara del iPhone. Ya disponemos de medidores de tensión caseros y estos periféricos aumentarán y se conectarán a los smartphones para medir el pulso, la respiración, y algunos análisis de sangre, orina o saliva. Según IDC el 14% de la población americana usa sus smartphones para ayuda médica y 200 millones de aplicaciones médicas han sido descargadas.

Estos gadgets médicos se conectarán con las grandes bases de datos para recibir asesoramiento personalizado para nuestra salud. El consorcio de salud Kaiser Permanente tiene ya 10 millones de registros médicos con detalles de 30 millones de visitas virtuales.

Quizá se trate de una pulsera que mida mis ritmos de sueño vigilia, mi actividad deportiva, mi adicción al tabaco o mis niveles hormonales. Puede que mida las sustancias alergénicas en el aire y las cruce con mi genoma para avisarme del riesgo. Quizá no sirva solo para detectar problemas médicos sino para orientar mejor una vida normal. Puede medir mi sudoración y decirme si me pongo nervioso delante de una chica o mi jefe, o si balbuceo o mi voz es firme. Y el catálogo es inacabable.

¿Y cómo será el caso de las poblaciones subdesarrolladas con un médico por más de cada 100.000 habitantes que se encuentra a 50 km?

Internet está cambiando nuestras vidas y pronto va a cambiar el mundo de la medicina.

Dicen que los húngaros vienen de Marte, por lo menos eso parece en el caso del genio de personas como John von Neumann. Este hombre, además de hacer aportaciones inmensas en física y matemáticas, influyó de forma decisiva en las ciencias de computación. De hecho la arquitectura de la computadora que estás usando para leer este artículo lleva el nombre de von Neumann (a menos que uses un dispositivo muy raro), donde los programas son almacenados en una memoria y de ahí leídos por la unidad de procesamiento en turno. Y otra de tantas ideas luminosas aportadas por el polímata húngaro, la que nos trae aquí, fue la de vida artificial.

Von Neumann se preguntaba si era posible construir una máquina que produjese máquinas más complejas que si misma. Su búsqueda estaba guiada por sus increíbles habilidades matemáticas. Él cayó en la cuenta de que la clave está dentro del concepto de auto-reproducción.

Consideremos que las máquinas normales solo construyen máquinas más simples que sí mismas. Por ejemplo, los robots de líneas de producción industrial, que son mucho más complejos que los artefactos que producen en serie. Ciertamente nosotros, seres humanos, aún no hemos logrado concebir seres más complejos que nosotros mismos. Sin embargo, la evolución sugiere que los organismos vivos pueden dar nacimiento a formas de vida más complejas.

Una máquina auto-reproducible debería poder evadir su degeneración hacia formas más simples. Ahora bien, imaginemos esa máquina acompañada de unas gotas de caos, propensa a mutaciones, y que eventualmente genere una o más máquinas más complejas… Entonces comienza la magia de la vida artificial.

La implementación física de esos conceptos en tiempos de von Neumann, allá por la década de los 60, era impensable. ¿Cómo podría experimentar con esas ideas? El polaco Stan Ulman le sugirió el uso de autómatas celulares (CA), que son sistemas celulares (los sistemas vivos más simples que existen), teóricos, con las siguientes características:

• Un espacio celular para vivir
• Tiempo para que suceda la vida
• Estado
• Vecindad
• Capacidad para cambiar de estado
• Límites en tiempo y espacio

Esa sugerencia fue suficiente para que von Neumann iniciara formalmente el estudio matemático de los sistemas celulares. Más aún, así se inicio el estudio formal de los principios fundamentales de la vida, en tanto que es un sistema complejo pero
sujeto a características sencillas y, como bien sabemos, sobradamente poderosas. Otros científicos-genios como Conway y Wolfram continuaron la labor de von Neumann, mismos que revisaremos en las siguientes ediciones de nuestra sección de Inteligencia Artificial.

Pongo a consideración la siguiente pregunta, “¿las máquinas pueden pensar?” - Alan Turing

Estás aquí porque te gusta leer. Cómo podría ser si no, por eso estoy seguro de que la curiosidad te acompaña. Así que si me permites la voy a alimentar con un banquete de referencias que yo mismo he disfrutado a montones. Son lecturas que considero imprescindibles (aunque claro, depende de cada quién) porque nos hacen entender y ver más allá sobre esa área del conocimiento tan cercana a las ciencias de la computación como a la ciencia ficción. Verás que hay una mezcla de literatura clásica con artículos más sesudos y técnicos. No hay orden de importancia, época, ni idioma. Y es una lista incompleta por definición, donde tus recomendaciones son más que bienvenidas aquí en los comentarios o bien con @alanlzd.

1. Yo, Robot

Autor: Isaac Asimov
Año: 1950
Género: Ciencia ficción
Palabras clave: Robótica, moral, robopsicología

2. Robopocalypse

Autor: Daniel H. Wilson
Año: 2011
Género: Ciencia ficción
Palabras clave: Singularidad, consciencia, Apocalipsis robótico

3. Ghost in the Shell

Autor: Masamune Shirow
Año: 1989–1997
Género: Manga
Palabras clave: Hackers, hacktivismo, filosofía, cyberpunk

4. Computing Machinery and Intelligence

Autor: Alan Turing
Año: 1950
Género: Artículo científico
Palabras clave: Pensamiento, máquinas,

5. Artificial Intelligence: A Modern Approach

Autor: Stuart J. Russell y Peter Norvig
Año: 2009 (3a. edición)
Género: Libro de texto universitario
Palabras clave: Referencia-sobre-casi-cualquier-tema-de-inteligencia-artificial

6.The Computational Beauty of Nature

Autor: Gary William Flake
Año: 2006
Género: Libro de texto universitario
Palabras clave: Fractales, caos, sistemas complejos y adaptables

7. Gödel, Escher, Bach: An Eternal Golden Braid

Autor: Douglas Hofstadter
Año: 1979
Género: Divulgación
Palabras clave: Inteligencia, consciencia, música, lógica

8. The Singularity Is Near: When Humans Transcend Biology

Autor: Raymond Kurzweil
Año: 2005
Género: Divulgación
Palabras clave: Singularidad, evolución, profecías tecnológicas

9. Digital Biology

Autor: Peter J. Bentley
Año: 2002
Género: Divulgación
Palabras clave: Inteligencia colectiva, algoritmos biológicos

10. La Mente Nueva del Emperador

Autor: Roger Penrose
Año: 1989
Género: Divulgación
Palabras clave: Inteligencia artificial, mente, física cuántica

Un Kilobot es un robot de bajo costo diseñado para experimentar con algoritmos de enjambre (swarm algorithms) a gran escala. Donde “gran escala” significa cientos, incluso miles de robots cuando antes solo se podía decir “diez” a lo mucho. Fueron creados por Michael Rubenstein, Nicholas Hoff y Radhika Nagpal, investigadores de la Universidad de Harvard preocupados de la creciente necesidad de probar los cada vez más relevantes algoritmos para autoorganizar colectividades.

Además de tener un costo marginal, cada Kilobot está diseñado para ser ensamblado en unos 5 minutos. Una vez reunida una cantidad interesante de kilobots, el investigador puede programarlos y alimentarles con energía eléctrica de forma práctica, nunca antes vista. Para demostrar la implementación de conductas colectivas de los kilobots, los investigadores realizaron una serie de 29 experimentos, algunos de los cuales podemos encontrar en el canal del ssrlab en YouTube. Los vídeos están en inglés, aunque son suficientemente descriptivos. Aquí con pocos kilobots:

Aquí con muchos kilobots:

Cada kilobot:

• Mide 33 mm de diámetro
• Memoria Flash de 32KB
• Procesador ATmega de 8 bits a 8 MHz
• Puede comunicarse con sus vecinos en un radio de hasta 7 cm
• Posee sensor de luz
• Posse un led RGB
• Contiene una batería recarcable e inamovible con duración de hasta 3 meses
• Controlador fácil de usar para cientos de kilobots al mismo tiempo
• Tiene motor con hasta 255 niveles de potencia
• Programable a través de WinAVR y AVRStudio
• Cuesta alrededor de US$15/€12 (consideremos que un robot promedio suele rebasar los cientos de dólares por lo que es impráctico pensar en la compra de decenas o cientos de ellos)

La empresa suiza K-Team Corp, especializada en robótica, ha puesto los kilobots a la venta con diferentes distribuidores alrededor del mundo. Si comprar no es opción, la documentación para construir kilobots es open source bajo licencia Creative Commons.

Los futuristas de la robótica e inteligencia artificial predicen ejércitos de robots programables, capaces de actuar por su cuenta bajo el mando de algoritmos colectivos para todo tipo de propósitos, incluso los de siempre: los militares. La llegada de los kilobots representa una salto gigantesco hacia ese escenario y una oportunidad única para científicos y entusiastas del tema.

Watson de IBM y Majel de Google comparten admiración por la conocida saga Star Trek. Además, junto con Siri de Apple configuran un presente donde se ve claro el futuro próximo.

La computadora Watson fue de las innovaciones más importantes de 2011. Su fabulosa capacidad analítica, su manejo del lenguaje natural, su habilidad para moverse en la ambigüedad y sus posibilidades de aprendizaje hacen de ella una joya tecnológica. El investigador principal de Watson, David Ferrucci, ha pasado el año dando conferencias sobre el invento. Una pregunta repetida ha sido: ¿Se parece Watson a HAL 9000 de 2001 A Space Odyssey? Y su respuesta sistemática ha sido: “No, más bien se parece al ordenador de a bordo de los navíos de la saga Star Trek”. Obviamente Star Trek no es el modelo seguido para un desarrollo de millones de dólares, pero es una buena analogía para explicarlo.

Parece que Google tiene previsto sacar un asistente de voz que compita con Siri de Apple. Desde su lanzamiento, Siri ha despertado un gran interés ya que es una tecnología fabulosa pero a la vez cercana. De modo que Google contraataca. El nombre clave de su asistente de voz (que puede ser cambiado en el lanzamiento del producto) es Majel. ¿Adivinas quién es Majel? Es la voz de los ordenadores que llevan los navíos de la Federación en la saga de Star Trek. Majel Barrett se casó con el creador de la serie, Gene Roddenberry, protagonizó varios papeles, puso la voz al “Computer” y está considerada la Primera Dama de Star Trek. Y en el momento actual de desarrollo ¿cómo invocas a Majel, el asistente de voz? Muy sencillo, dices: “Computer”, como en Star Trek. Pero la simpatía va más allá.

Según Mike Cohen de Google:

En Star Trek, no pasan mucho tiempo escribiendo cosas en los teclados, simplemente hablan con sus ordenadores, y las ordenadores responden. Es una forma más natural de comunicarse, pero para lograrlo se requiere entrar en una amplia gama de problemas de difícil investigación .

Y Amit Singhal de Google:

Mi sueño siempre ha sido construir el ordenador de Star Trek, y en mi mundo ideal, yo sería capaz de decirle al ordenador ‘Hey, ¿cuál es el mejor momento para sembrar las semillas en la India, dado que monzón se ha adelantado de este año? “Y una vez que podamos responder a esa pregunta (en la actualidad no podemos), la gente buscará respuestas a preguntas aún más complejas. Todas estas son auténticas necesidades de información. Preguntas genuinas que si nosotros - Google - podemos contestar, los usuarios se volverán más sabios y estarán más satisfechos en su búsqueda del conocimiento “.

También de Google, Matias Duarte dice:

La voz va a ser una parte esencial de las interfaces de usuario. () …tratar de usar la voz como algo de acceso universal en todas las aplicaciones y no limitarse sólo a algunos trucos o algo que solo se utiliza cuando estás en el coche.

Quiero ordenadores que sean multimodales. En una serie de ciencia ficción como Star Trek, alguien se acerca a una pared y empieza a tocar cosas y hablar con el ordenador al mismo tiempo. Esa es la manera en la que creo que nuestras interfaces necesitan evolucionar.

El futuro próximo

El futuro próximo, casi ya el presente, va a estar dominado por las dos tecnologías descritas. Por el lado remoto superordenadores estilo Watson que hagan fabulosos cálculos y accedan a gigantescas bases de datos. Por el lado próximo, interfaces amigables tipo Siri o Majel que nos entiendan mucho más allá de las existentes ahora. Y las dos tecnologías conectadas por las comunicaciones. Nuestros dispositivos, sean teléfonos o cualquier otra cosa, serán las ventanas (¿Windows?) al conocimiento que reside en grandes bases de datos.

En un interesante artículo, Paul Allen, (cofundador de Microsoft y creador del Allen Institute for Brain Science entre cuyos proyectos está el Allen Brain Atlas) pone en duda las afirmaciones de Ray Kurzweil sobre la Singularidad. Según Allen, la Singularidad no está cerca. Admite que la Singularidad llegará, que es posible comprender por completo el cerebro y que los nuevos sistemas de hardware y software nos deslumbran a todos. Pero sostiene que la comprensión de los sistemas naturales y muy especialmente el cerebro avanza despacio y serán necesarios nuevos enfoques que aún hoy no vislumbramos. Frente a la Ley de los rendimientos acelerados de Kurzweil, Allen propone El freno de la complejidad.

Ley de los rendimientos acelerados

Kurzweil es el abanderado de la Singularidad. No es un visionario, sus predicciones se basan en datos estadísticos, es un reconocido científico, muchas de sus predicciones se han cumplido y hay que tener en cuenta lo que dice. Otra cosa es estar de acuerdo con él. Es autor de “La Singularidad está cerca” y la “Ley de los rendimientos acelerados”. En este ensayo postula lo siguiente:

Un análisis de la historia de la tecnología muestra que el cambio tecnológico es exponencial, al contrario de la visión ‘lineal intuitiva’ del sentido común. Así que no experimentaremos cien años de progreso en el siglo XXI, sino que serán más como 20.000 años de progreso (al ritmo de hoy). Los ‘rendimientos’, tales como la velocidad de los chips y la relación coste-efectividad, también se incrementarán exponencialmente. En el plazo de unas pocas décadas, la inteligencia de las máquinas sobrepasará la inteligencia humana, llevándonos a la singularidad (cambios tecnológicos tan rápidos y profundos que representen una ruptura en la estructura de la historia humana). Las consecuencias incluyen el surgimiento de inteligencia biológica y no biológica, software inmortal basado en humanos y niveles de inteligencia ultra-elevados que se expandirán hacia el universo a la velocidad de la luz.

Esta ley se basa en la ley de Moore que predice que cada 18 meses se duplica el número de transistores en un espacio dado (un chip). Sin embargo, la ley de Moore y la de los rendimientos acelerados son leyes empíricas. O dicho de otra forma, no son leyes y solo predicen el pasado. Funcionan hasta que dejan de hacerlo.

El freno de la complejidad

Paul Allen, con el mismo derecho, postula otra ley: El freno de la complejidad. Según esta:

A medida que avanzamos más y más en nuestra comprensión de los sistemas naturales, por lo general encontramos que requieren conocimientos más especializados para entenderlos, y nos vemos obligados a ampliar continuamente nuestras teorías científicas de una manera cada vez más compleja.

Paul Allen se opone a que la singularidad vaya a llegar pronto.

Aunque suponemos que este tipo de singularidad algún día ocurrirá, no creemos que este cerca. De hecho, creemos que será en una fecha muy lejana.

Un cerebro adulto es una cosa finita, por lo que su funcionamiento básico en última instancia, puede ser desvelado a través del esfuerzo humano. Pero si la singularidad llega en 2045, será debido a avances impredecibles, y no porque sea el resultado inevitable de un progreso exponencial producido por la ley de rendimientos acelerados.

Para que la Singularidad aparezca en 2045 no solo se necesita un hardware más potente en el que se ejecute el actual software más rápido. Es necesario crear un software mucho más inteligente lo que requiere un conocimiento de los fundamentos de la cognición humana de cuya cuya complejidad solo ahora comenzamos a ser conscientes. Ni el desarrollo de software ni el avance de la neurociencia se rigen por la ley de Moore.

Para que la singularidad ocurra en algún momento cerca de lo predicho por Kurzweil, será absolutamente necesario una aceleración masiva de nuestros avances científicos en la comprensión de todas las facetas del cerebro humano.

La complejidad del cerebro es simplemente impresionante. Cada estructura ha sido modelada con precisión durante millones de años de evolución para hacer algo en particular, sea lo que sea. No es como un ordenador, con miles de millones de transistores idénticos en las matrices de memoria regulares que son controlados por una CPU con unos pocos elementos diferentes. En el cerebro cada estructura individual y circuito neural ha sido refinado por separado por la evolución y el medio ambiente.

La investigación del cerebro obedece más bien a la ley del freno de la complejidad que a la ley de los rendimientos acelerados.

Allen habla también de las promesas de la Inteligencia Artificial IA. Aunque algunos inventos son sorprendentes como Watson, en general el progreso no ha sido en absoluto exponencial.

Aunque hemos aprendido mucho acerca de cómo construir sistemas individuales de AI que hacen cosas aparentemente inteligentes, nuestros sistemas han sido siempre frágiles - los límites de su rendimiento están rígidamente establecidos por sus supuestos internos y los algoritmos de la definición, no se pueden generalizar, y con frecuencia dan respuestas absurdas fuera de sus áreas de interés específicas. Un excelente programa de ordenador que juega al ajedrez , no puede aprovechar su habilidad para jugar otros juegos. Los mejores programas de diagnóstico médico contienen conocimientos inmensamente detallados del cuerpo humano, pero no pueden deducir que un trapecista tenga un gran sentido del equilibrio.

Al igual que en la neurociencia, el camino basado en la inteligencia artificial IA, para lograr la singularidad a nivel de la inteligencia computacional, parece requerir muchos más descubrimientos, algunas nuevas teorías con calidad de Premio Nobel y probablemente nuevos enfoques de investigación que son inconmensurables con lo que pensamos ahora. Este tipo de avances científicos básicos no se produce en una curva de crecimiento exponencial fiable.

Y concluye Paul Allen:

Lograr una comprensión científica completa de la cognición humana es uno de los problemas más difíciles que hay. Seguimos haciendo progresos alentadores. Pero hacia el final del siglo, en nuestra opinión, todavía nos estaremos preguntando si la singularidad está cerca.

Ray Kurzweil ha publicado su réplica en: Don’t Underestimate the Singularity donde básicamente se reafirma en la Ley de los rendimientos acelerados contrargumentando los puntos de Allen.

Más polémica. Kurzeil vs Myers

No es la primera vez que Kurzweil tiene que defender sus tesis. En una encendida polémica, Ray Kurzweil does not understand the brain, el biólogo PZ Myers pone en duda las opiniones de Kurzweil. Con réplica de Kurzweil y contratréplica de Myers

Algunas de las perlas de Myers

Por ingeniería inversa, quiere decir (Kurzweil) que vamos a ser capaces de escribir software que simule todas las funciones del cerebro humano

Tengo una muy buena idea de la inmensidad de lo que no entendemos acerca de cómo funciona el cerebro. Y si sólo entendemos una fracción de la funcionalidad del cerebro, eso hace que la ingeniería inversa sea extremadamente difícil.

El cerebro es un ordenador, y yo estoy en la parte que dice que no hay problema en principio en replicarlo artificialmente.

La ingeniería inversa del cerebro humano tiene complejidades que son enormemente subestimadas por Kurzweil, que demuestra poco conocimiento de cómo funciona el cerebro.

El problema es que él no ha proporcionado ninguna razón para especificar una fecha, que no sea su vago mantra de “crecimiento exponencial”. ¿Por qué no decir, 5 años? ¿Por qué no 50? El corazón del método de Kurzweil es tomar simplemente una fecha lo suficientemente lejana para que no podamos predecir que ocurrirá con los avances tecnológicos, y también que no sea probable que se enfrente con su incumplimiento frente a personas que le recuerden lo que dijo.

1. Su argumento a favor de la simplicidad (según Kurzweil el cerebro es simple y modular) es profundamente erróneo e irrelevante.
2. No ha hecho ninguna alegación cuantificable de lo mucho que sabemos sobre el cerebro en este momento y yo sostengo que sólo hemos arañado la superficie en las últimas décadas de investigación,
3. “exponencial” no es una palabra mágica que resuelve todos los problemas (si pongo hoy un centavo en el banco no quiere decir que tendré un millón de dólares en el fondo de pensiones en 20 años).
4. Kurzweil no ha proporcionado ninguna explicación de cómo va a ser la “ingeniería inversa” del cerebro humano.

Hace más de medio siglo Alan Turing se planteó la pregunta ¿Pueden pensar las máquinas? Para no tener que resolver la ambigüedad de los conceptos máquina y pensar, diseñó una prueba que sustituyera a la citada pregunta creando con ello el célebre Test de Turing. ¿Qué vigencia tiene en la actualidad el Test de Turing?

Alan Turing (1912-1954), brillante matemático inglés, fue uno de los padres de la moderna computación junto con Von Newmann, Shannon y otros.

En la Segunda Guerra Mundial descubrió el código de Enigma, la máquina de criptografía de los nazis y formuló la máquina de Turing. En su artículo “La maquinaria de la computación y la inteligencia” planteó el llamado Test de Turing.

El final de Turing fue trágico siendo condenado por homosexualidad. Optó por la castración química frente a la cárcel. Dos años después se suicidó.

Test de Turing

El artículo “Computing machinery and intelligence” fue publicado en 1950 en la revista Mind de Psicología y Filosofía (hago notar que él, un matemático, para plantear una pregunta tan trascendente acude a una revista de Psicología y Filosofía). Turing plantea el asunto desde el principio. ¿Pueden pensar las máquinas? Dado que ello supone definir los términos pensar y máquina, propone cambiar la pregunta por otra carente de ambigüedad. Describe para ello el juego de imitación. Un examinador hace preguntas a dos individuos que se hallan en otra habitación y se comunican por teletipo (el método ideal en tiempos de Turing). ¿Qué sucedería si una máquina tomara el papel de uno de ellos? ¿Sería capaz el examinador de descubrir a la máquina?

Turing describe a continuación el estado de los ordenadores de la época y se formula la pertinencia de la pregunta para concluir que en efecto es válido sustituir una pregunta por otra. De los argumentos en contra, señala el de la conciencia y apunta:

La única manera en que podríamos estar seguros de que una máquina piensa es ser la máquina y sentirse uno mismo pensar”. Pero esta es una postura solipsista según la cual “la única forma de saber que un hombre piensa es ser ese hombre en particular.

Turing hace algunas observaciones interesantes.

Predice que en 50 años, a final del siglo XX las computadoras podrán superar el juego de imitación. No ocurre antes no porque el hardware no sea potente sino porque hay que programar las máquinas y eso llevará 50 años. La predicción de Turing es completamente errónea. Ni las máquinas actuales ni las de un futuro próximo ni mucho menos las de su época pueden remotamente superar el Test de Turing en una tarea verbal como propone.

Creo que a finales del siglo el uso de las palabras y la opinión educada general se habrán modificado de tal manera que se podrá hablar de máquinas que piensan sin esperar que lo contradigan.

A menudo se da importancia al hecho de que las computadoras digitales son eléctricas y que el sistema nervioso también lo es. Puesto que la máquina de Babbage (anterior a Turing) no era eléctrica y puesto que todas las computadoras digitales son equivalentes en cierto sentido, observamos que el uso de la electricidad no puede tener importancia teórica.() Si realmente deseamos encontrar tales semejanzas, deberíamos buscar analogías matemáticas en el funcionamiento.

Las consecuencias de que las máquinas pensaran serían demasiado terribles. Esperemos y creamos que no pueden hacerlo.() Nos gusta creer que el hombre es, en cierto modo, superior al resto de la creación, pero sería mejor si pudiéramos demostrar que es necesariamente superior, puesto que así no habría peligro de que perdiera su posición dominante.

Vigencia del Test de Turing

A fecha de hoy el Test de Turing está lejos de ser superado por ningún ordenador en un entorno de lenguaje natural sin restricciones.

Sin embargo, si usamos el test en tareas concretas, un ordenador lo superará en muchos casos. Cada vez más y más sorprendentes. De modo que sugiero reformular el Test de Turing de la siguientes manera:

Un ordenador supera el Test de Turing para una tarea X cuando un juez humano no pueda distinguir entre un concursante humano y un concursante ordenador ejecutando la tarea X

¿En qué tareas un ordenador supera el test?

• Cuanto más acotada sea la tarea, más posibilidades tiene un ordenador de superarla. En los entornos de ejecución abiertos, que por su naturaleza no han sido programados por completo, fracasará con mayor facilidad.

• Los ordenadores están construidos por humanos para que les descarguen de trabajo, realizando tareas humanas. Por ello superan el test en multitud de tareas. Por ejemplo todas las tareas de informática empresarial: contabilidad, control de almacén, nóminas, cálculos diversos…

• Matemáticas. El propio Turing advirtió que ya en su tiempo lo único adicional que debería requerir un programa matemático era ralentizar su respuesta e introducir algún error para confundir al juez humano.

• Ajedrez. En 1997 Deep Blue ganó a Garry Kasparov estableciendo un nuevo escenario en la relación hombre máquina. Hoy los programas comerciales modernos no solo ganan a cualquier maestro, sino que ajustan su nivel (juegan deliberadamente peor) al de su contrincante para no desanimarle.

• Música. Puedes bajarte una composición del programa Emmy al estilo Bach. Una audiencia especializada no distinguió si el compositor era Bach o Emmy.

• Poesía. Aunque los ordenadores están lejos de crear largos textos en prosa, pueden confundir en un poema corto:
  Velada , velada , gozosa ,gozosa.
  ¡Señor! , cuán estrechamente el pretendiente expira.
  Los vapores son sensatos cuando un masculino hechizo
  canta sosegadamente .
  El sonido es una marea gozosa que gime perdidamente
  junto a los serenos veleros.
  Una caricia en la noche , helada , es una encantadora y helada poesía. Velada , velada , gozosa ,gozosa .
  ¡Oh! , cuán calmadamente un ganador vive.

• Reconocimiento de caras. Poco a poco se van adentrando en este terreno. Policías del mundo están usando estos programas que empiezan a estar disponibles en smartphones y ordenadores domésticos.

• Síntesis de voz. Disponible desde hace tiempo,se va refinando. Aun distinguimos con claridad una voz humana de una sintética.

• Reconocimiento de voz. Asignatura pendiente donde el camino por recorrer es aún grande. Su importancia comercial es enorme y en los últimos meses el avance es espectacular.

• Lenguaje natural. Watson, Es el enfoque más ambicioso de los últimos tiempos. Watson supera el test en la tarea “jugar en el concurso televisivo Jeopardy” No es un entorno abierto, pero el avance en “entendimiento” de lenguaje natural es asombroso.

Isaac Asimov escribió por primera vez en el cuento corto Runaround las que se llegarían a conocer como las Tres Leyes de la Robótica:

1. Un robot no puede hacer daño a un ser humano o, por inacción, permitir que un ser humano sufra daño.
2. Un robot debe obedecer las órdenes dadas por los seres humanos, excepto si estas órdenes entrasen en conflicto con la Primera Ley.
3. Un robot debe proteger su propia existencia en la medida en que esta protección no entre en conflicto con la Primera o la Segunda Ley.

Sin embargo, en el contexto de los automóviles autónomos esas leyes deben ajustarse un poco. Al menos esto propone el Dr. Raúl Rojas, reconocido profesor de Inteligencia Artificial de la Freie Universität Berlin. Él sugiere estas que serían las Cuatro Leyes de los Automóviles Autónomos, o robóticos:

1. Un automóvil no puede hacer daño a un ser humano o, por inacción, permitir que un ser humano sufra daño.
2. Un automóvil debe obedecer los reglamentos de tránsito, excepto si estos reglamentos entrasen en conflicto con la Primera Ley.
3. Un automóvil debe obedecer las órdenes dadas por los seres humanos, excepto si estas órdenes entrasen en conflicto con la Primera o la Segunda Ley.
4. Un automóvil debe proteger su propia existencia en la medida en que esta protección no entre en conflicto con la Primera, la Segunda o la Tercera Ley.

Como habrán apreciado, la Segunda Ley de los Automóviles Autónomos implica la obediencia a una ley encima de la humana, aunque a favor de los humanos. De esta manera, un ser humano no puede ordenarle a un auto ir en una dirección errónea o transgredir el reglamento de tránsito.

Otra consecuencia positiva, es que los Automóviles Autónomos tomarían la iniciativa de evitar pérdidas humanas, y esto implica “aprender” a hacerlo, incluso participar en la creación de una base de datos distribuida en la que ese conocimiento esté compartido entre todos los vehículos, con lo que las aplicaciones se multiplican.

Los vehículos inteligentes son un realidad en la que hasta empresas como Google han participado. Son automóviles sin conductor, necesariamente conscientes de su ambiente, que utilizan tecnologías como GPS, radares y hardware para visión artificial. Al día de hoy sólo el estado de Nevada en los EE. UU. permite el libre tránsito de vehículos robóticos. La esperanza que es que los algoritmos resuelvan problemas (como el tráfico) que nosotros no hemos podido superar con libre albedrío.

Physorg nos acerca al momento actual en el desarrollo de la tecnología de la mano de este genio que pasaba su adolescencia diseñando algoritmos simples con los que reconocer números escritos a mano o para detectar verbos o sustantivos en una oración.

Torralba comenzó a interesarse en la visión por ordenador mientras se encontraba en su doctorado en la Universidad de Grenoble en Francia. El hombre estaba interesado en el reconocimiento y la comprensión de los objetos que se encuentran en una imagen. Así lo contaba estos días:

La visión es un área demasiado importante. Alrededor del 30% de nuestro cerebro se dedica a las conexiones con la visión. Mi interés siempre fue crear un sistema que podría situar a los objetos en su contexto para tratar de comprender cómo los diferentes objetos se relacionan entre sí.

Este esfuerzo le llevó a desarrollar sistemas que utilizan la información obtenida de una imagen completa para ayudar a identificar objetos individuales. Sistemas que podrían ser utilizados para anotar todas las imágenes que se muestran online de manera que son más fáciles de localizar. Otro de los ejemplos para el uso de esta tecnología se apunta como posibilidad de que los robots puedan reconocer dónde se encuentra, por ejemplo en una casa o en una oficina, según el tipo de mueble u objeto que se encuentre a su alrededor.

En estos momentos el propio Torralba se encuentra desarrollando sistemas que puedan escanear un clip de vídeo de corta duración y predecir lo que va a ocurrir a continuación en base a las personas u objetos que se encuentran en la escena. ¿Cómo? Según explica, para ello los sistemas tendrán que entender lo que los objetos y las personas (y sus “acciones”) son capaces de hacer en las escenas y cuáles son sus limitaciones. En otras palabras, nos podemos imaginar un futuro con sistemas de predicciones. Si dejamos volar la imaginación un poco más, estos sistemas podrían llegar a predecir lo que sucederá bajo las directrices de una situación particular.

Siri, el asistente virtual del iPhone 4S, es una de las novedades que más me han llamado la atención porque supone un salto en el control vocal de dispositivos puesto que pasamos de usar comandos de voz a conversar con nuestro dispositivo. El hecho de poder conversar con una máquina de manera coherente no es algo nuevo, existen asistentes virtuales en algunas webs en las que podemos realizar preguntas en lenguaje natural y obtener respuestas coherentes; de hecho, fue en 1964 cuando Joseph Weizenbaum desarrolló Eliza, un programa que era capaz de conversar con una persona.

Eliza, que ya conversó con Siri, es un software diseñado entre 1964 y 1967 en el MIT por Joseph Weizenbaum que procesaba el lenguaje natural que le llegaba como entrada y, como salida, ofrecía respuestas como si de una conversación entre dos personas se tratase. Efectivamente, en 1967, Weizenbaum había conseguido desarrollar una aplicación que era capaz de conversar con un ser humano de manera coherente. Y aunque Eliza era capaz de conversar de manera coherente, realmente, no era tan inteligente como aparentaba puesto que su rutina estaba sustentada en los principios de la psicología rogeriana de Carl Rogers, es decir, empatizar con el individuo para que se sienta escuchado, algo que se trasladó a Eliza en forma de frases hechas que se utilizaban para que el individuo siguiese conversando.

Dicho de otra forma, Eliza era capaz de procesar las palabras y responder con la frase programada más adecuada o, en caso contrario, responder con una frase que simbolizase un asentimiento de lo que se decía para que el individuo siguiese hablando. Concretamente, la conversación de Eliza giraba sobre tres grupos de frases (que se pueden probar en alguno de los simuladores existentes en la red) que se encontraban programadas en su rutina:

• Frases hechas sobre temas diversos que se encontraban almacenadas en el programa y que se utilizaban gracias a una serie de palabras clave que se debían buscar para detectar la temática de la que se estaba hablando.
• Frases de continuidad que se utilizaban en el caso de no encontrar palabras clave y que servían para dar pie al sujeto para que siguiese hablando y, así, aumentar la probabilidad de encontrar nuevas palabras clave. En este caso se utilizaban frases del tipo “Por favor, continúa”.
• Frases empáticas que se alternaban con las frases de continuidad y las frases hechas para proyectar empatía con el sujeto: “Háblame más de eso”.

La conjugación de estos tres juegos de frases programadas ante un interlocutor que siguiera la conversación hacía que Eliza ofreciese respuestas tan convincentes que hacían que mucha gente creyese que estaban hablando con alguien de verdad o bien que, realmente, la máquina les comprendía.

Weizenbaum se sorprendió mucho al ver cómo su secretaria se sentaba delante de Eliza y le contaba aspectos íntimos de su vida porque pensaba que, realmente, la máquina la estaba escuchando. De hecho, algunos psiquiatras de la época veían en Eliza una posible forma de conectar con pacientes graves que no hablaban con su terapeuta. En 1976, y tras todo lo acontecido y observado, Weizenbaum publicó Computer Power and Human Reason, un libro en el que contó su experiencia con Eliza y en el que dejó clara su crítica visión sobre la incorporación de la inteligencia en las máquinas. Wiezenbaum admitía la viabilidad de la Inteligencia Artificial pero, por razones morales, se oponía a su utilización.

Siri es, quizás, el ejemplo más reciente de máquinas que conversan con seres humanos y, lógicamente, su fundamento tecnológico es mucho más avanzado. Los bots conversacionales de hoy en día son mucho más complejos y utilizan potentes algoritmos para el procesado del lenguaje natural y así ofrecer respuestas mucho más cercanas a lo que busca una persona, por ejemplo, algunos asistentes virtuales que podemos ver en webs de comercio electrónico, por ejemplo, pero Eliza fue el primer intento de construir un interlocutor artificial.

Afortunadamente, todavía las máquinas no son capaces de sustituir una amena charla con los amigos pero quien sabe si, algún día, gracias a Siri, la expresión “hablar con el móvil” tenga otro significado.

Vía: Amazings, ALICE AI Foundation y Boing Boing | Imágenes: Weizenbaum. Rebel at Work, Wikipedia y Amazings.

Nota: Queremos pedir disculpas a los autores de Amazings por hacer hecho uso de contenidos publicados sin haberlos enlazado y nombrado adecuadamente en un primer momento. Desde anoche hemos puesto los enlaces pertinentes y se han pedido disculpas personalmente al autor que se complementan con esta nota pública. Pedimos disculpas a los lectores de ALT1040 y Amazings por este desafortunado hecho.

La Inteligencia Artificial, dijo John McCarthy cuando acuñó el término en las conferencias de Darmouth de 1956, es:

“…la ciencia e ingeniería de hacer máquinas inteligentes, especialmente programas de cómputo inteligentes.”

Ese sentido no ha cambiado desde entonces. En cambio, las técnicas y aplicaciones de la Inteligencia Artificial son cada más variadas, profundas y sorprendentes. A pasos exponenciales inundarán nuestras vidas y pronto serán tan omnipresentes que apenas las percibiremos, como hoy con sucede con la televisión y el Internet.

En este artículo presento un recopilación de algunos de los muchos avances ocurridos durante 2011. Y si el año que está por terminar nos trajo esto, no puedo esperar a ver los del 2012-año-del-fin-del-mundo-y-skynet.

1 Supercomputadora Watson

La construyó IBM luego de años de investigación en los que confluyeron muchas áreas de la ciencias de la computación. Ganó un Jeopardy! y va por más.

2 Futuros comentaristas deportivos

El sistema creado por investigadores de la Ecole Polytechnique Federale de Lausanne en Suiza ya sabe identificar y rastrear jugadores de baloncesto. Por ahora es estupendo para telemetría, pero lo que sigue es comentar las peripecias del juego, y otros como la Formula 1.

3 SmartBird

Creado por Festo, este robot vuela como un ave y nada más.

4 Chatbot

El laboratorio Creative Machines de Cornell en los EE. UU. diseñó este experimento en el que dos IA conversaron de forma fluida (recordemos que también lo hicieron Siri y ELIZA). Alan Turing se hubiera desmayado de la impresión.

Por cierto, aprovecho para presentarles a Rosette, ganadora del premio Loebner 2011 al mejor chatbot, en la búsqueda de pasar el Test de Turing.

5 Adept Quattro

Adept construye los robots industriales más veloces del planeta. Para demostrar su hegemonía, este año usó su Adept Quattro para batir un récord al terminar el juego 1to50 para iPhone en tan solo 6,67 segundos. Ver para creer…

6 El vehículo autónomo de Google

Google es un imperio fundado gracias a la inteligencia artificial y sus aplicaciones. Por eso no es sorprendente que un gurú en el tema, Sebastian Thrun lidere el proyecto de vehículos autónomos de Google, que han viajado miles de kilómetro apenas con intervención humana.

7 ASIMO

El robot de Honda no ha dejado de dejarnos con la boca abierta cada vez que son presentados sus avances. Este año presenciamos cómo el robot ya es capaz de reconocer voces en una conversación:

Correr y saltar

Y jugar un poco al fútbol, por qué no.

8 AISight

Combina vigilancia extrema, masiva con inteligencia artificial. ¿Escalofríos? Se llama AISight, de la empresa BRS Labs. No hay vídeo, pero te invito a estar al tanto de esa empresa repleta de doctores en ciencias y este tipo de tecnologías.

9 Robot flexible

Científicos de Harvard mostraron el prototipo de un robot flexible, hecho de materiales blandos. El vídeo es francamente inquietante.

10 Swarmanoid

Cuando un robot no es suficiente, ¿qué tal un grupo de ellos actuando de forma colectiva? En este caso, llamen al A-Team de los robots, ¡los Swarmanoid!

Bonus: el JediBot

Más allá de que sea o no un gran avance, este robot va dedicado a los fans de la saga Star Wars.

Imagen: armincifuentes

El primer video corresponde a la ronda de reconocimiento del robo-ratón de Ng Beng Kiat, llamado Min7.1 — lo cual tomó alrededor de un minuto.

Ahora, el resultado del aprendizaje en tiempo real de Min7.1:

3.921 segundos, es el nuevo tiempo récord de Micromouse.

Min7.1 pesa 90 gramos y corre 3.5 metros por segundo. Si te interesa construír tu propio micromouse, aquí esta el circuito.

imagen vía Ng Ben Kiat.

Deep Blue es un mítico supercomputador que fue desarrollado por IBM en 1996 con el objeto de demostrar la capacidad de sus sistemas y, para ello, decidió desafiar a una de las grandes mentes del mundo del ajedrez, el gran maestro Gary Kasparov. Un cerebro humano contra una supercomputadora de procesamiento en paralelo compuesta por 30 nodos RS/6000 con 30 microprocesadores P2SC de 120 MHz cada uno que fueron ampliados ampliados con 480 procesadores VLSI de uso especial que se diseñaron específicamente para evaluar jugadas de ajedrez; todo un reto tecnológico para IBM que quería demostrar que el 259º ordenador más potente del mundo podría plantar cara a la inteligencia humana.

Y aunque Deep Blue nació en 1996, el ajedrez ha estado vinculado al mundo de la algoritmia y la computación desde los inicios de esta disciplina. El primer artículo sobre los algoritmos de evaluación de jugadas por computadores data de 1950 y fue escrito por Claude Shannon donde distinguió dos formas de abordar este tipo de problemas, a los que denominó Tipo A y Tipo B:

• Los programas Tipo A fueron catalogados como rudimentarios y estarían basados en la fuerza bruta, es decir, trabajarían con un árbol de posibilidades y explorarían todas las ramas del árbol hasta llegar a la mejor solución (usando el algoritmo minimax). Para Shannon ésta era la aproximación menos práctica y más costosa computacionalmente porque cualquier movimiento en el ajedrez provenía de explorar 30 posibilidades y, por tanto, los 3 primeros movimientos de la partida implicarían evaluar 306 posiciones, lo cual podría acarrear problemas de latencia.

• Los programas Tipo B usarían una especie de “inteligencia artificial estratégica”, es decir, únicamente analizarían las mejores jugadas de cada posición, de la misma manera que haría un ser humano, por lo que el tiempo empleado en el análisis de cada movimiento sería mucho menor.

Teniendo en cuenta la teoría de Shannon, enunciada en 1950, cabría la posibilidad de que pensásemos que Deep Blue, de 1996, usaría un programa de tipo B, sin embargo fue así y el software, desarrollado en C, del supercomputador de IBM implementaba algoritmos de fuerza bruta y de ahí la gran capacidad de procesamiento en paralelo necesario para evaluar las jugadas. De hecho, Deep Blue contaba con datos relativos a más de 4.000 movimientos y las partidas de 700.000 grandes maestros de ajedrez.

El primer torneo entre el gran maestro Kasparov y Deep Blue tuvo lugar en Filadelfia, Pensilvania, en febrero de 1996 y a pesar de que Deep Blue era capaz de calcular 200 millones de posiciones por segundo, el computador tan sólo ganó una de las 6 partidas (la primera de ellas, el 10 de febrero de 1996), empató 2 y perdió 3 frente al gran campeón.

Kasparov había ganado el torneo e IBM organizó un torneo similar al año siguiente con una versión mejorada (donde el software había sido ajustado por el gran maestro de ajedrez Joel Benjamin), llamada Deeper Blue. En este torneo, que se jugó del 3 al 11 de mayo de 1997, las primeras 5 partidas terminaron en tablas, sin embargo, Kasparov fue derrotado en la sexta y última partida porque Kasparov cometió un error al inicio de la misma (que el gran campeón achacó al cansancio y al descontento con el equipo de IBM).

¿Y qué fue lo que pasó? Kasparov siempre habló bastante mal de este segundo torneo y se sintió en inferioridad de condiciones puesto que el equipo de IBM tenía datos sobre sus partidas y movimientos y él, por el contrario, nunca tuvo acceso a los movimientos realizados por Deep Blue en sus partidas de entrenamiento. La verdad es que IBM nunca facilitó información alguna al campeón que, además, siempre comentó tras la segunda partida notó cómo el juego de la computadora era mucho más creativo y menos mecánico, lo cual le hizo sospechar en un apoyo humano (algo que IBM siempre negó). Kasparov, incluso, solicitó los logs de Deep Blue pero IBM nunca se los facilitó (aunque después los publicaría en Internet), tampoco otorgó la revancha y terminó desmantelando la computadora.

Yo personalmente les garantizo a todos los aquí presentes que si Deep Blue participa en ajedrez de competición, personalmente, repito, garantizo que la haré pedazos

Curiosamente, en febrero de este año, otro supercomputador de IBM, Watson, participó durante 3 días en Jeopardy, un concurso de televisión de preguntas y respuestas donde derrotó a los dos grandes campeones del programa, lógicamente, también usando algo parecido a la fuerza bruta puesto que el computador contaba con una base de datos gigantesca que fue utilizada como base para responder.

Después de todo, estos grandes supercomputadores aún requieren una gran cantidad de datos en su aprendizaje para poder medirse contra un humano.

Si nos ponemos reduccionistas, la inteligencia artificial puede considerarse como un montón de algoritmos especializados en la creación de máquinas inteligentes (lo que sea que “inteligencia” signifique). Y un algoritmo no es más que matemática pura. Dicho esto, si agregamos unos toques de inteligencia artificial al diseño de formas arquitectónicas, entonces tendremos arquitectura artificial o algorítimica o automática, el nombre da un poco lo mismo, pero de este tema quiero contarles a continuación. 2

Diseño algorítmico

No, no estoy hablando del diseño de algoritmos, que es toda una rama de las ciencias de la computación, sino de la aplicación de algoritmos en el proceso creativo del diseño gráfico. Un ejemplo claro de esto es el logotipo del MIT Media Lab, que puede recrearse de forma única para cada persona como se muestra en el vídeo:

Al final de día tenemos una máquina de software que automatiza la tarea de diseñar. Si la automatización está guiada por algoritmos inteligentes entonces los resultados pueden ser más interesantes, incluso inesperados.

Arquitectura algorítmica

Consiste en tres aspectos básicos:

• Desarollo de algoritmos que automatizan tareas de diseño arquitectónico o urbano (atención con el trabajo de Kokkugia más abajo)

• Creación de modelos de conocimiento arquitectónico computables; es decir que pueden ser resueltos por una computadora en un tiempo y forma razonable

• Generación automática de variaciones de las características de una arquitectura, en particular de sus estructuras y objetos; en este sentido puede verse como una extensión especial, incluso más compleja, del diseño algorítmico

El libro Algorithmic Architecture (2006) de Kostas Terzidis, profesor de Harvard Graduate School of Design es referencia en el tema que nos ocupa, aunque no se enfoca del todo a algoritmos de inteligencia artificial. Terzidis utiliza el término algotectura para referirse a la misma cosa. Por otra parte,la tesis doctoral de Fco. Javier Fernández Herrero (2002), graduado de la E.T.S. de Arquitectura de Madrid, es pionera en el área: Arquitectura Artificial o Manierismo por Computadora (PDF, 13MB). Aquí hay un vídeo de su trabajo:

Trabajos

A continuación una pequeña muestra de trabajos arquitectónicos inspirados/creados con algoritmos de inteligencia artificial. Es difícil encontrarlos como tales, muchas veces están mezclados con otro tipo de algoritmos (geométricos, topológicos, por ejemplo). La arquitectura artificial es un campo emergente e interdisciplinario que nos ofrecerá interesantes sorpresas en el futuro.

Antes les dejo esta reflexión de Rodney A. Brooks en su Cambrian Intelligence, sobre la vinculación entre inteligencia (artificial o no), la arquitectura y su interacción con el mundo:

Es difícil dibujar entre lo que es inteligencia e interacción ambiental. En cierto sentido, no importa cual es cual, en tanto que todos los sistemas inteligentes deben situarse en algún mundo u otro si su propósito es convertirse en entidades útiles. La idea clave de la inteligencia es: “la inteligencia está determinada por su dinámica de interacción con el mundo”.

Artificial symbiont

Algoritmos crear organismos vivos antes que edificios estáticos. Trabajo de Zbynek Krulich.

The trascendent city

La ciudad construida por una inteligencia artificial superior a la humana, la de una era post-singularidad. Trabajo de Richard Hardy, para el proyecto final de su posgrado en arquitectura.

Behavioral urbanism

Un trabajo más del impresionante estudio Kokkugia, que usa inteligencia artificial para sus diseños.

Arquitectura genética

Karl Chu crea arquitectura inspirada en la evolución en tanto mecanismo para la adaptación para la era que viene, la post-humana. Esta son una torres que han emergido del parque:

Y este un edificio integrado con su entorno:

Arquitectura generativa

Los de Parametric Design son expertos en arquitectura artificial, pero este vídeo es de un estudiante de arquitectura:

Vlad Tenu también con sus superficies mínimas auto organizadas:

Y es que como cuentan en el diario a través de diversas fuentes consultadas, el espacio abierto por la compañía refleja la ambición de Google por adelantarse a nuestro tiempo. Ideas que giran en torno a la robótica e ingeniería donde varios de los científicos más reconocidos del planeta se esfuerzan por imaginar el futuro.

Un laboratorio donde los robots se “manejan” libremente, donde cualquier elemento está conectado a la red y en donde la ingeniería puede llegar a suplantar el trabajo humano. Lo que hemos visto cientos de veces en las grandes obras de la ciencia ficción es un esfuerzo real en estos momentos.

El espacio estaría reservado a unas pocas personas hasta el punto de que la mayoría de empleados no tienen idea de su existencia. En estos momentos se encontrarían en la discusión de la elaboración de esta lista de 100 ideas, la mayoría en una fase conceptual, muy lejos aún de convertirse en realidad aunque se apunta a un primer proyecto que se anunciará a finales de este año.

Así lo contaban las fuentes consultadas:

Las ideas aun están bastante lejos pero Google no es una empresa ordinaria, nada se puede aplicar a la compañía… Si bien las posibilidades que se abren son ciertamente interesantes, hay que tener en cuenta que se trata de cifras de inversión pequeñas comparadas con las inversiones que hacemos en los negocios principales

Una de las ideas que salen a la luz es la posibilidad de construir “ascensores espaciales”. Posibilidad con la que los fundadores de Google y otros empresarios de Silicon Valley piensan que cambiaría el concepto de recogida de datos en el espacio. ¿Podemos imaginarnos un dispositivo que llegue al espacio anclado desde la Tierra? En Google sí. El mismo Rodney Brooks, científico del MIT y del laboratorio de inteligencia artificial y robótica en Hertland lo descubre:

Si Google es actualmente la recopilación de datos del mundo, donde emplea técnicas de inteligencia artificial y aprendizaje automático en su algoritmo de búsqueda, podría ser en el futuro la recopilación de datos del sistema solar.

Tanto Sergey Brin como Larry Page estarían profundamente involucrados en el proyecto. Cuentan en el diario que la construcción de los coches sin conductor salió de este mismo laboratorio. De entre las “ideas” que están en marcha, disparidad de proyectos que tienen como fin conectar todo el planeta:

• Accesorio del hogar conectados en red.
• Vestidos conectados.
• Elementos pequeños conectados (como una taza de café que se podría preparar de manera remota).
• Una bombilla de luz conectada a la red que se puede comunicar de forma inalámbrica con todos los dispositivos.

De lo poco que se sabe, Google X estaría liderado por Sebastian Thrun, uno de los expertos más importantes en el mundo en materia de robótica e inteligencia artificial y profesor en Stanford. El resto de la plantilla estaría formado por científicos e ingenieros salidos de Microsoft, los laboratorios de Nokia, MIT, Stanford o la Universidad de Nueva York.

Una élite que busca adelantarse a nuestro tiempo con todo aquello que hoy sólo somos capaces de imaginar.

El proyecto PPP (Permanent Play Project) acaba de dar a conocer TSUMIKI, una propuesta de juguetes que incorporan técnicas de visión artificial para reconocer objetos físicos y actuar en respuesta a ellos. Son juguetes experimentales en la búsqueda de nuevas formas de jugar, y el resultado es francamente fabuloso:

Como se puede apreciar en el vídeo, imágenes de diferentes temas (animales, números y formas animadas) son proyectados sobre la superficie de los bloques en función de cómo son apilados. Incluso las proyecciones pueden llegar a interactuar, en una forma particular de comunicación.

El trabajo de PPP ha sido reinventar los bloques que por generaciones hemos usado como juguetes. Al final del día se trata de crear nuevas y mejores experiencias de aprendizaje, así como otras posibilidades de diversión. No hay duda de que PPP se inspiró en los trabajos del MIT Media Lab, específicamente en David Merrill y sus Siftables, los bloques de juguete que piensan. No se pierdan el vídeo:

Para implementar TSUMIKI se usó software libre escrito en lenguaje C++. En particular, utilizaron las conocidas bibliotecas OpenCV de visión artificial para reconocer los bloques en el espacio.

Cabe recordar que la visión artificial o computacional, es un área de la Inteligencia Artificial dedicada a diseñar algoritmos computacionales capaces de “entender” la imagen de una escena. La técnicas son varias, entre otras reconocimiento de patrones, aprendizaje estadístico, teoría de gráficos, asimismo son valiosas algunas ideas de psicología cognitiva.

Sí, es cierto, la inteligencia artificial invade sin remedio nuestra vida diaria.

La robótica hace tiempo que se adentró en muchos aspectos de nuestra vida: las líneas de producción, prótesis artificiales, asistentes en operaciones quirúrgicas o, incluso, robots enfermeros. Sin embargo, entre estos robots y los humanoides que el cine de Hollywood nos ha presentado hay un pequeño salto tanto en aspecto como en sus funciones; aunque quizás el salto no sea tan grande puesto que los robots antropomórficos llevan ya tiempo con nosotros como el famoso ASIMO o el inquietante PETMAN que vimos el viernes.

De hecho, existen robots de forma humana que, al verlos, es inevitable que provoquen cierta grima, por eso vamos a dedicar la sección de Inteligencia Artificial a conocer a 5 inquietantes robots antropomórficos que me hacen pensar en un clásico de la literatura de ciencia-ficción, “¿Sueñan los androides con ovejas eléctricas?”.

REEM

REEM es un inquietante robot fabricado por una empresa española, PAL Robotics, que cuenta con forma humana y una altura de 1,65 metros y está destinado a actuar de guía en centros comerciales y museos. La idea es que si un visitante se topa con una unidad REEM, éste pueda preguntarle al robot dónde se encuentra una tienda para que REEM trace una ruta y le guíe hasta dicho lugar (como si fuese un lazarillo) sin perder de vista al humano gracias a su capacidad de reconocer las caras.

Teniendo en cuenta que PAL Robotics es una compañía bajo el paraguas financiero de una compañía de inversiones de Abu Dhabi, las primeras 20 unidades de este robot se destinarán al Abu Dhabi National Exhibition Center (una especie de Palacio de Congresos) como guías interactivos y puntos de información móvil, aunque estas unidades son capaces, incluso, de transportar equipajes y pequeñas cargas (ideales para acarrear las bolsas de los clientes de algunos de los centros comerciales de lujo de Abu Dhabi).

¿Y cuánto cuesta una unidad REEM? Pues si alguien está interesado en tener un asistente robot, REEM cuesta unos 269.157 dólares, es decir, 192.000 euros.

iCub

Si alguien recuerda la película Inteligencia Artificial de Spielberg, Cybertronics Manufacturing había sido capaz de construir un niño robot programado para amar. iCub, afortunadamente, no es un robot capaz de procesar sentimientos, sin embargo, le han dado el inquietante aspecto de un bebé porque, entre otras cosas, es capaz de andar a gatas.

iCub es una plataforma abierta, impulsada por la Unión Europea, para que los investigadores puedan trabajar en sistemas cognitivos. Pensemos en iCub como un laboratorio en forma de niño de 3 años destinado a replicar el proceso de ensayo-error del que consta el proceso de aprendizaje de un niño y en el que trabajan más de 20 laboratorios y grupos de investigación a nivel mundial. Este robot está formado por 53 motores que controlan la cabeza, los brazos, las manos, la cintura y las piernas, además de sistemas de visión y captura de sonidos (puede ver y oír) y, el siguiente reto, es que sea capaz de sentir las cosas que toca e interactuar con el ambiente que le rodea.

Geminoid DK

El Geminoid DK quizás sea uno de los robots antropomórficos más realistas que haya visto nunca y que, incluso, puede llegar a asustar. Desarrollado a imagen y semejanza de su creador, el Doctor Henrik Scharfe de la Universidad Aalborg al norte de Dinamarca. Este robot, que es capaz de imitar el comportamiento de una persona (sus gestos, la respiración, movimientos del cuerpo, etc) es el tercero de una serie de robots de aspecto humano desarrollados en Japón y el primero que se realiza bajo rasgos caucásicos.

Vale la pena verlo funcionar porque, si la piel artificial no saltase tanto a la vista, sería complicado distinguir al creador de su propia criatura.

Affetto

Affeto es otro robot que produce grima nada más verlo en funcionamiento. Este proyecto de investigación de una de las grandes autoridades en el campo del desarrollo de robots con capacidades cognitivas, el Profesor Minoru Asada de la Universidad de Osaka, consiste en un robot que emula a un bebé de entre 1 y 2 años de edad que servirá para emular el desarrollo humano en edades tempranas (al igual que iCub). Cuenta con una expresión facial extremadamente realista que cuenta con expresiones que combinan hasta 12 grados de libertad que deforman una piel sintética en la que plasmar las expresiones faciales.

Affetto es capaz de mover los labios, fruncir el ceño o abrir y cerrar sus ojos que, combinado a la capacidad de generar sonidos mediante un ordenador, le da un aspecto bastante realista.

Violin-Playing Robot

El robot que toca el violín de Toyota, aunque es un clásico, es uno de mis robots antropomórficos favoritos. Por un lado, es inquietante ver a una máquina tocar un instrumento como el violín e interpretar “Pompa y Circunstancia” de Edward Elgar pero, por otro lado, lo hace francamente bien. Este robot, que fue presentado en sociedad el 6 de diciembre de 2007, contaba con 17 grados de libertad de movimiento en cada uno de sus dos brazos y manos, por tanto, era capaz de mover el arco del violín y colocar sus dedos en el puente con la posición correcta, siendo capaz, incluso, de hacer el vibrato sobre las cuerdas.

Seguramente me deje muchos más en el tintero pero, poco a poco, iremos conociendo algunos inquietantes robots de forma humana.

Quien no haya experimentado la seducción que la ciencia ejerce sobre una persona, jamás comprenderá su tiranía.

— Mary W. Shelley en Frankenstein o el moderno Prometeo

Los hybrots son organismos cibernéticos que combinan neuronas, software y robótica. En su forma básica, los hybrots son robots controlados por las neuronas del cerebro de una rata. Esa mezcla inaudita fue hecha funcionar por vez primera por el Dr. Steve Potter de Georgia Tech en 2002 siguiendo estos pasos:

1. Colocó gotas de una solución con miles de neuronas de rata sobre un chip de silicio
2. En el chip incrustó unos 60 electrodos a su vez conectados a un amplificador
3. Usó los electrodos para capturar las señales eléctricas generadas por las neuronas
4. Recibió la señales amplificadas en una computadora
5. De forma inalámbrica, hizo que la computadora enviara esas señales como datos para un robot
6. Y como respuesta a esa actividad neuronal el robot activó sus motores para generar movimiento

El resultado son robots animados únicamente con cerebros biológicos. Cerebros en forma de cultivos de neuronas depositados sobre un arreglo de electrodos (MEA, o multi electrode array). Pero el asunto no termina allí porque el robot envía información de vuelta a las neuronas, información que las retroalimenta y estimula para formar un ciclo sin fin. Y aquí lo tienen, un hybrot “semi-vivo y coleando”:

Un hybrot no es un cyborg

Los cyborgs son seres vivos extendidos o mejorados con partes robóticas. Los hybrots son criaturas híbridas entre elementos orgánicos y artificiales. En este sentido, podría decirse que los hybrots son seres semi-vivos; exagerando un poco, son casi una especie rara de zombies cibernéticos, los pequeños monstruos de un moderno Víctor Frankenstein.

Neuronas y computación

Hacer que un robot sea controlado por células vivas es un experimento fuera de serie. Pero es apenas una parte del camino. Lo que el equipo del Dr. Potter e investigadores de otras partes del mundo quieren es desarrollar herramientas que aprovechen las propiedades computacionales de las neuronas. Dicho con otras palabras, el punto es crear cerebros vivos a partir de cultivos de neuronas que de por sí orgánicamente se auto organizan para formar redes y de estás redes, inteligencia y posiblemente algo más. Como dice el Dr. Potter:

Estoy invirtiendo toda mi carrera en el hecho de que existe un mundo de propiedades emergentes en esas redes neuronales del que no sabemos nada.

Cabe preguntarse en relación a los hybrots cuál es su esperanza de vida. La neuronas en cultivo pueden permanecer vivas unos cuantos meses.

Aplicaciones

• Creación de seres con inteligencia biológica cada vez más avanzada, pero con un duradero cuerpo robótico que le sostenga.

• Máquinas que se auto reparen, tal como lo hacen los seres vivos

• Creación de sistemas que provean un conocimiento antes confinado en las neuronas, pero que con los hybrots puede manifestarse de diversas formas, y además en tiempo real

• Explorar aspectos desconocidos de la memoria, como investigadores de la Universidad de Reading que usan hybrots para estudiar cómo las experiencias (las del robot en este caso) afectan la actividad neuronal, lo cual traería aplicaciones en personas afectadas por Alzheimer, por ejemplo

• Producción de arte como el de MEART, el artista semi-vivo, un robot controlado por una red de neuronas vivas que hace dibujos; en este caso la aplicación es más bien didáctica para difundir el conocimiento de esta tecnología

Aquí está uno de los dibujos de MEART (no le pidan demasiado, por favor):

Comentarios finales

¿Qué sigue? Tomar el control de esas semi-vidas, decodificar los algoritmos fundamentales detrás de las neuronas, optimizarlos, reimplementarlos biológicamente, experimentar hasta tener hybrots útiles, autónomos, semi-animales con cuerpo de acero e inteligencia orgánica que por lo mismo sea adaptable, auto reparable, con conductas sociales e impensables para sus contrapartes hechas de puro silicio.

Una vez decodificados, esos algoritmos pueden alimentar inteligencias artificiales que aprendan y actúen en mundos virtuales como el de Internet (pronto tendremos oportunidad de hablar de los Animats). Siendo las neuronas un sistema donde conviven caos y complejidad, las consecuencias son emocionantemente inesperadas.

Lo cierto es que con el trabajo del Dr. Steve Potter y los que le siguen, ha iniciado la era de los seres semibiológicos.

Cuando en 1964 Joseph Weizenbaum comenzó a desarrollar ELIZA, un programa de cómputo que entabla conversaciones con sus usuarios simulando una terapia psicológica, jamás imaginó que también lo haría con un software que hace las veces asistente personal de un dispositivo móvil casi 50 años después: Siri.

Resulta que Siri fue interlocutor de ELIZA en una conversación inusual mediada por Jordan Mechner, ni más ni menos que el creador de Prince of Persia. Esto, repito, 50 años de tecnología después, un periodo larguísimo a decir de los avances que ya conocemos, teórico-prácticos, en hardware y software.

La conversación está en inglés pero me permití intentar traducirla para ustedes:

ELIZA: Hola, Soy Eliza.
SIRI: Hola.
ELIZA: ¿Cómo estás? ¿De qué te gustaría hablar?
SIRI: Estoy bien. Gracias por preguntar.
ELIZA: Cuánto tiempo llevas bien. ¿Gracias por preguntar?
SIRI: Humm… Déjame pensar…
ELIZA: ¿Dudas de ti?
SIRI: Encontré tres hoteles que coinciden con “W” muy cerca de ti.
ELIZA: ¿Oh…?
SIRI: ¿Con quién te gustaría hablar?
ELIZA: Tú no estás hablando de mí, ¿o sí?
SIRI: ¿Debería buscar negocios con ese nombre?
ELIZA: No me importan lo nombres. Por favor continúa.

[Interrupción debida a una llamada. Minutos después Siri regresa]

ELIZA: No puedo ayudarte si no conversas conmigo.
SIRI: Supongo que no puedes.
ELIZA: Oh… ¿no puedes?
SIRI: Disculpa, no puedo ofrecerte mapas y direcciones en Canadá.
ELIZA: ¿Lo has intentado?
SIRI: No puedo responder eso. Pero puedo buscarlo en la web, si gustas.
ELIZA: Quizás lo puedas responder ahora. Pero, ¿podrías buscarlo en la web, si me gusta?
SIRI: Buscando en la web “si me gusta”
ELIZA: ¿Qué te sugiere?

[Siri busca en Google y regresa este como resultado principal:]

SIRI: “…si te gusta tu plan de atención médica, puedes conservar tu plan de atención médica”

(Por cierto, esas son palabras de Barack Obama)

ELIZA: Tú no estás hablando de mí, ¿o sí?
SIRI: No lo estoy, ¿eh?
ELIZA: ¿Cuánto tiempo ha sido que no, eh?

[Siri interpreta ese mensaje como “¿Qué edad tiene Wolfram/Alpha” y realiza el cálculo. ]

SIRI: OK, aquí vamos: 890.1 días.
ELIZA: Dime más.
SIRI: Disculpa, no entiendo “dime más”
ELIZA: ¿Te causa problemas?
SIRI: Déjame pensar
ELIZA: ¿Realmente piensas eso?
SIRI: OK, ¿qué tal una búsqueda web para “Realmente piensas eso”?
ELIZA: Estamos discutiendo de ti, no de mí.
SIRI: Si tu lo dices.
ELIZA: Oh… ¿decirlo?
SIRI:

[Llamando a José Fuentes, móvil. Termina el experimento.]

Es curioso. Para conversar con Siri se requieres un iPhone 4S. Para hacerlo con ELIZA hay mil opciones, incluso webs simplísimas. Otros bots conversacionales existen, pero ELIZA es paradigmático.

En Esperando a Godot de Samuel Becket nos encontramos conversaciones bien similares a esta que acabamos de leer, una obra de teatro, valga decirlo, que pertence al llamado “teatro del absurdo”. De igual forma la conversación puede ser tan hilarante para algunos como eran los diálogos sinsentido de los Hermanos Marx. Tal vez un día de estos, con nuevas implementaciones y revolucionarios algoritmos, esa conversación nos parezca tan natural como cualquiera. Tal vez.

Ayer recibimos otra triste noticia, John McCarthy, pionero en el campo de la Inteligencia Artificial, moría a la edad de 84 años. Dentro de su legado, el que fuera premiado con el Premio Turing en 1971, desarrolló en 1958 un lenguaje de programación, Lisp, durante su etapa en el MIT que, junto al FORTRAN, ostentan el honor de ser los dos lenguajes de programación de alto nivel más antiguos que aún hoy en día siguen siendo utilizados.

Lisp (LISt Processing) es una familia de lenguajes de programación que soporta más paradigma de programación y utiliza una notación matemática práctica basada en el cálculo lambda de Alonzo Church y Stephen Kleene y cuya estructura fundamental está basado en las listas enlazadas. Además, los programas desarrollados en Lisp permiten manejar el propio código como si de una estructura de datos se tratase y, por tanto, dan lugar a macrosistemas que permiten desarrollar nuevas sintaxis embebidas dentro del propio Lisp.

Sus características fundamentales podrían resumirse en:

• Un manejo automático de la memoria que libera el espacio utilizado por los objetos que dejan de ser necesarios
• La inclusión de un mecanismo simple para utilizar la evaluación perezosa de expresiones
• Lisp no posee un sistema de tipos estáticos y, por tanto, los tipos se asocian a los valores en vez de a las variables.
• Los cálculos iterativos pueden realizarse en un espacio constante de memoria aunque se utilice recursividad para su cálculo

Tras su desarrollo en 1958, John McCarthy publicó el diseño de Lisp en 1960 en un artículo titulado “Funciones recursivas de expresiones simbólicas y su cómputo por la máquina, parte I” y publicado en Communications of the ACM (aunque nunca llegó a publicar una segunda parte) en el que mostró cómo se podía construir un lenguaje para que las máquinas pudiesen ejecutar algoritmos mediante un mecanismo alternativo a las Máquinas de Turing que ofreciese una notación matemática práctica con la que implementar programas para computadoras. La codificación de un programa en Lisp se basa en la descripción del problema indicando lo que se quiere conseguir y cómo pero sin la necesidad de indicar paso a paso la secuencia de acciones que el computador debe realizar.

Desde su concepción en 1955, Lisp fue el primer lenguaje de inteligencia artificial y, además, introdujo una serie de nuevos conceptos que, hoy en día, son de uso común como la recursividad, los procesos por listas, las estructuras de datos en forma de árbol, el manejo de almacenamiento automático o los tipos dinámicos de datos. Las sentencias IF, THEN y ELSE que, prácticamente, vemos en cualquier lenguaje de programación son un invento de McCarthy para Lisp.

Desde sus inicios, Lisp estuvo estrechamente vinculado a los equipos de investigación en el campo de la inteligencia artificial, principalmente, en sistemas basados en el computador PDP-10. El lenguaje de programación Micro Planner, base del sistema SHRDLU de inteligencia artificial, está basado en el Lisp. La primera implementación práctica de Lisp se debe a Steve Russel que fue capaz de implementar algunas funciones mediante el código máquina de un IBM 704 y, al final, desarrolló un intérprete Lisp plenamente funcional que podía evaluar expresiones Lisp. En 1974, Tim Hart y Mike Levin enl MIT fueron capaces de desarrollar un compilador completo de Lisp que introdujo en Lisp la compilación incremental, es decir, la posibilidad de mezclar libremente funciones compiladas e interpretadas.

Aunque durante los 80 y 90, la popularidad del Lisp decayó, en 1994, el ANSI publicó el estándar del Common Lisp (ANSI X3.226-1994 Information Technology Programming Language Common Lisp), que volvió a reavivarlo gracias al conjunto de implementaciones de fuente abierta que comenzaron a surgir,

John McCarthy no solo marcó un hito en la historia los lenguajes de programación sino que, además, creo un modelo de programación que ha influenciado a otros lenguajes como Smalltalk, Dylan o Perl, por tanto, sin Lisp y sin la obra de McCarthy muchas de las cosas que hoy hacemos, básicamente, nunca hubiesen existido.

Imágenes: The Sound of Science, Ithink Search y Desarrolloweb.com

P. ¿Qué es inteligencia artificial?
R. Es la ciencia e ingeniería de hacer máquinas inteligentes, especialmente programas de cómputo inteligentes.

— J. McCarthy, Basic Questions

Quién lo diría, murió otro grande: murió John McCarthy, el hombre que creó Lisp, el legendario lenguaje de programación diseñado expresamente para construir máquinas inteligentes. Luego de algunos rumores en Twitter, Wikipedia y Hacker News, podemos confirmar esta noticia lamentable para la comunidad de las ciencias de la computación en general, y de la inteligencia artificial en particular.

McCarthy además de su trabajó con Lisp acuñó el término inteligencia artificial en una famosa conferencia dictada en Dartmouth, fue ganador del Premio Turing 1971, el más importante que puede ganar un computólogo, inventó el primer “recolector de basura” que automatiza la liberación de sectores de memoria durante la ejecución de un programa y que hoy es fundamental para software como Java, y escribió un cuento, “The Robot and the Baby”, acerca de cómo debería ser un robot en el hogar.

Es difícil ser riguroso sobre si una máquina realmente “sabe” o “piensa”, etc., pero con dificultad las hemos definido. Entendemos los procesos mentales humanos ligeramente mejor que un pez entiende el nadar.

— J. McCarthy, The Little Thoughts of Thinking Machines

Sin el trabajo seminal de McCarthy, la inteligencia artificial y la programación de computadoras como la conocemos hoy en día, tan fundamental para empresas como Facebook y sobre todo Google, simple y sencillamente no sería posible. El meme “Programming: You’re doing it completely wrong” (“Programación: lo estás haciendo del todo mal”), nos habla de la autoridad y respeto que tenía McCarthy entre los programadores, que por otro lado estaba lejos de los reflectores y llevaba una vida dedicada a la academia y la investigación. Paul Graham escribe en un artículo ya clásico The Roots of Lisp, que con Lisp John McCarthy

[…] hizo para la programación algo como lo que Euclides hizo para la geometría.

Descanse en paz, John McCarthy.

Hoy tenemos una nueva entrega de nuestra sección de Inteligencia Artificial y en esta ocasión vamos a hablar de vehículos autónomos. Estos no son muy conocidos para el gran público, aunque durante los últimos meses se está hablando bastante de ello a raíz de diversas investigaciones que se están llevando a cabo. Sin embargo en una menor medida hace tiempo que existen vehículos que son autónomos y que funcionan con normalidad.

Por ejemplo desde hace un tiempo hay unos pequeños vehículos en las fábricas que se encargan de transportar determinadas piezas de un lugar a otro. Estos funcionan solos, comúnmente guiados por sensores situados en el pavimento de la fábrica. No se trata de un simple raíl por el cual estos robots se mueven, sino que dentro de los limites tienen una libertad casi completa y a pesar de esto no se produce choques entre ellos, debido a otros sensores que llevan y que detectan si en su camino hay algún obstáculo, ya sea otro vehículo o una persona. Y en caso de que así sea, se paran.

Pero podríamos decir que esto es un juego de niños si lo comparamos con la gran hazaña que supondría tener un coche completamente autónomo circulando por nuestras calles, con miles de coches a su alrededor y enfrentándose a todos los imprevistos que pueden surgir en una conducción diaria. Como es conocido por todos existen diversos proyectos que tienen dicho objetivo, lo más populares son el que está llevando a cabo Google o el de la Universidad Libre de Berlin.

Ambos proyectos han tenido buenos resultados interesantes durante los últimos meses y de hecho han sido capaces de realidad pruebas en entornos reales, aunque también ha habido algún que otro percance, cómo el accidente que tuvo uno de los coches de la compañía estadounidense, aunque poco después informaron que este se debió a un fallo humano.

Cómo funciona un coche autónomo

Cada uno de los investigadores de este campo han tomado sus propios caminos pero hay elementos en común en todos los proyectos, decir cómo funciona un vehículo que se conduce sólo a estas alturas es algo que solo conocen unos pocos, pero si sabemos algunos de los elementos comunes de estos coches, como los que han usado en el Volkswagen de la Universidad Libre de Berlin. Los elementos con los que cuenta son los siguientes:

• GPS: una tecnología que todos conocemos y que muchos utilizamos. En este tipo de vehículos serán utilizados de forma muy profunda y han de ser capaces de dar un rendimiento muy bueno, siendo posible obtener la posición del coche con una precisión de 30 centímetros. Este sistema será, como lo es hoy en día para muchos de los conductores, el que indique al coche por donde tiene que ir para llegar a su destino.
• Radares: el coche también lleva incorporado una serie de radares los cuales están situados en diferentes posiciones estrategias por el exterior del vehículo, lo normal es que estén situadas en el frontal del vehículo. Estos radares tienen como objetivo detectar obstáculos que pueda haber en el trayecto del coche, los cuales son detectados estando a cien metros o más del vehículo.
• Cámaras: situada en la parte superior de la luna delantera del coche hay una serie de cámaras ópticas que se encargan de identificar las señales de tráficos y las marcas que hay en la carretera.
• Lidar: es un radar que está situado en la parte más alta del coche y que tiene va girando a diez revoluciones por minuto. Su alcance es de 100 metros y tiene como objetivo el de dibujar el entorno en el que se encuentra el coche. ¿Cómo funciona? Se manda un haz laser que después de rebotar procesa la información la cual será interpretada por los procesadores.
• Procesamiento: toda la información captada por los anteriores elementos han de ser procesados de forma rápida, para obtener una respuesta rápida que permita al coche realizar la acción en el menor tiempo posible. Según algunos estudios el tiempo de reacción media de algunas personas para accionar los frenos es de algo menos de dos segundos, mientras que el de un vehículo autónomo es de tan solo 3 décimas de segundo. Todo ello gracias a la capacidad de procesamiento que llevan estos vehículos en su interior con unos siete procesadores de doble núcleo cifra que sube hasta 17 en algunos casos.

El futuro con estos vehículos

El futuro se presenta prometedor y muy interesante. Las pruebas que se han realizado en entornos reales parece no haber ido demasiado mal y el desarrollo sigue, y seguirá durante mucho tiempo ya que las investigaciones que se tienen que realizar son muchas. Pero no hablamos de coches que van por las carreteras más lentos que un dos caballos por una autopista. Se ha visto que en determinadas situaciones un coche autónomo puede ir rápido. Para muestra el siguiente vídeo con el coche de Google.

Evidentemente esta prueba en un circuito cerrado no servirá mucho para compararlo con las condiciones reales de nuestras carreteras, pero si nos demuestran que el sistema autónomo, bajo esas condiciones, es capaz de realizar dicho circuito entre los conos de forma rápida sin tirar muchos de ellos, algo que muchas personas no podrían hacer, lo cual ya es un paso.

Sin embargo a diario los conductores se enfrentan a muchas situaciones diferentes, de todos los tipos y colores, ¿está preparado un automóvil de este tipo para enfrentarse a esos desafíos? Por el momento no. Y es que hay situaciones extremas en las que el sistema no tendría el suficiente tiempo de reacción para evitar un impacto, o al menos no tanto como un humano. En la actualidad sus sistemas son capaces de detectar elementos a más de 100 metros, pero queda por ver si son lo suficientemente rápidos a distancias más cortas, ¿qué haría ante el cambio de carril repentino del coche que nos adelanta en una autopista?

Sea como fuere y como he dicho anteriormente el futuro es prometedor y no debemos ser pacientes. Que algún día haya coches que se puedan conducir sólo será algo muy importante, un tremendo salto para la calidad de vida de muchas personas gracias a la inteligencia artificial que lleven estos coches. Habrá a quien no le guste demasiado separarse del volante, como el que os escribe, pero lo cierto es que será un importante salto que cambiará nuestras vidas, las de las personas, la de las grandes ciudades y quien sabe hasta dónde puede llegar. En este sentido, estamos en el comienzo del camino y probablemente, los investigadores todavía sólo están dando los primeros pasos.

Alan Turing (1912-1954) fue un matemático, criptógrafo, filósofo y un teórico de la computación que, además de trabajar en el equipo que descifró los códigos Enigma de Alemania, fue un pionero en el campo de la inteligencia artificial publicando uno de los primeros trabajos sobre esta materia. En 1950, Alan Turing publicó uno de sus artículos más importantes (y que está considerado como una de las piedras angulares de la inteligencia artificial), Computing Machinery and Intelligence, donde propuso un experimento: el Test de Turing.

El artículo de Turing cmoenzaba con una frase que era toda una declaración de intenciones de lo que evaluaría el test:

Propongo considerar la siguiente cuestión: ¿Pueden pensar las máquinas?

Y he aquí el resultado que se obtiene de este test, intentar medir si una máquina puede ser inteligente con un método que, aún hoy, sigue estando vigente. El Test de Turing se basa en una hipótesis positivista que parte de principio de que si una máquina se comporta en todos los aspectos como inteligente, entonces, dicha máquina debe ser inteligente.

El testse basaba en el Juego de la Imitación, una prueba en la que se ubicaban en una habitación a un hombre y a una mujer frente a terminales que tuviesen algún sistema de comunicación (teletipos en los años 50). En otra habitación, estando aislado, se encontraba en sujeto bajo estudio que actuaba como interrogador y debía averiguar quién era el hombre y quién era la mujer, simplemente, a base de preguntas en lenguaje natural. El hombre trata de convencer al interrogador que él es la mujer y ella intentará ayudar al interrogador a llegar a la verdad pero, con la confusión, el interrogador tenderá a equivocarse.

Turing proponía realizar un cambio en este juego y coger a uno de los dos sujetos y sustituirlo por una máquina, haciendo que el computador intentase convencer al interrogador que él era la mujer y, dado que el interrogador es humano, la máquina debería ser capaz de responder, inteligentemente, a cualquiera de las cuestiones que le planteasen. Si la máquina era lo suficientemente hábil, el interrogador no podría distinguir quién era la máquina y quién el ser humano.

Pero, ¿puede una máquina responder con un lenguaje natural a cualquier pregunta planteada por el interrogador? ¿Puede pensar una máquina? Esas son las grandes preguntas que Turing plantea en este experimento. Lógicamente, salvo que una máquina emita sonidos que imiten la voz humana, la mejor manera de realizar la prueba es mediante lenguaje escrito y evaluar, únicamente, la inteligencia del oponente y la “humanidad” de las respuestas obtenidas a las preguntas planteadas.

A menudo se da importancia al hecho de que las computadoras digitales son eléctricas y que el sistema nervioso también lo es. Puesto que la máquina de Babbage no era eléctrica y puesto que todas las computadoras digitales son equivalentes en cierto sentido, observamos que el uso de la electricidad no puede tener importancia teórica.

El Test de Turing es la base sobre la que se apoyan algunos mecanismos que estamos acostumbrados a ver cada día, por ejemplo, los Captchas (Completely Automated Public Turing Test to tell Computers and Humans Apart) que aunque no son un test de Turing puro, se utilizan en muchas páginas web para evitar que procesos automatizados puedan registrar usuarios falsos o escribir mensajes de spam.

¿Y dónde está la limitación? Para que un sistema pudiese pasar el test de Turing, ésta tendría que ser capaz de realizar las tareas para las que fue programada y, además, aprender por sí misma a realizar otras funciones. Es como si un computador destinado al cálculo de trayectorias fuese capaz de aprender a jugar al ajedrez y conversar, además, sobre cualquier tema.

Turing pronosticó que en el año 2000, las máquinas serían capaces de imitar tan bien a los humanos que el 70% no sería capaz de diferenciar entre un humano y una máquina y, por tanto, el 70% de los interrogadores no detectaría a las máquinas. Sin embargo, todavía ninguna máquina ha podido superar este examen y la predicción de Turing nunca llegó a cumplirse si bien Turing también fue un visionario que intuyó lo que luego se denominó singularidad tecnológica:

Las consecuencias de que las máquinas pensaran serían demasiado terribles. Esperemos y creamos que no pueden hacerlo.[…] Nos gusta creer que el hombre es, en cierto modo, superior al resto de la creación, pero sería mejor si pudiéramos demostrar que es necesariamente superior, puesto que así no habría peligro de que perdiera su posición dominante