El mundo del robot... el blog del chip inteligente

viernes, 25 de julio de 2008

La "Mujer Biónica" de la NASA



La "Mujer Biónica" de NASA utiliza inteligencia artificial para enseñar a los robots lo que deben hacer para comportarse de una manera más semejante a los exploradores humanos.

Mayo 29, 2001 -- Es posible que Ayanna Howard nunca ponga los pies en Marte, o conduzca una misión a Júpiter, pero el trabajo que ella está realizando sobre robots "inteligentes", ayudará, sin embargo, a revolucionar la exploración planetaria.
En su calidad de Científica de Proyecto, especializada en inteligencia artificial en el Laboratorio de Propulsión a Chorro de NASA (JPL), Ayanna es parte de un grupo que aplica energía creativa a una nueva generación de misiones espaciales -- exploración de la superficie de planetas y de la Luna por robots autónomos, capaces de "pensar" por sí mismos.
Arriba: Es posible que no se asemeje al androide Data de Viaje a las Estrellas, sin embargo, en el futuro, exploradores robóticos como éste poseerán inteligencia artificial que les permitirían explorar el terreno sin supervisión humana. Imagen cortesía de JPL.
Para recibir Noticias Científicas de Actualidad, Suscríbase AquíCasi todos los vehículos espaciales robóticos utilizados hoy son inflexibles en la manera como responden a las dificultades que encuentran (una importante excepción es el Deep Space 1 que emplea tecnología de inteligencia artificial). Estos robots sólo pueden ejecutar actividades que están explícitamente escritas es su software o a través de instrucciones enviadas por radio por un controlador humano en la Tierra.
Durante la exploración de planetas desconocidos, a millones de kilómetros de la Tierra, esta variedad de robot, como "perro obediente" requiere la atención constante de los humanos. En comparación, el objetivo final de Ayanna y sus colegas es de "colocar un robot en Marte y dejarlo que trabaje por sí solo sin intervención humana directa."
"Queremos darle instrucciones al robot para que piense sobre los posibles obstáculos que pueda encontrar, de igual manera que lo haría un astronauta en la misma situación," dice. "Nuestro trabajo es ayudar al robot para que piense en términos más lógicos respecto a girar a la derecha o a la izquierda, no simplemente cuantos grados de rotación."
¿Cómo es posible que un robot pueda hacer decisiones como un humano?
Los científicos han desarrollado técnicas apropiadas, aprendiendo de la habilidad visual y de observación de los humanos.
Los humanos no tienen un libro de reglas o un programa que consultar para cada movimiento que hacen, anota Ayanna -- somos mucho más ingeniosos que eso. El trabajo de su grupo es el diseño de robots que puedan emular, no solo el proceso de pensamiento y análisis de los humanos en determinar las características del terreno, sino también la habilidad humana para conducir un vehículo en tiempo real.
Arriba: Ayanna Howard recibió un doctorado en ingeniería eléctrica de la Universidad de California Sur, especializándose en inteligencia artificial y robótica. Ha trabajado en JPL desde 1993.




Para lograr esto, Ayanna y sus colegas cuentan con dos conceptos en el campo de la inteligencia artificial: "lógica confusa" (fuzzy logic, en inglés) y "redes neurales."
La lógica confusa permite a los computadores operar no sólo en términos de blanco y negro -- verdadero o falso -- sino también en términos de matices de gris. Por ejemplo, un computador tradicional tomaría la altura de un árbol y le asignaría la categoría de -- "alto". Pero un computador equipado con lógica confusa diría que el árbol tiene una probabilidad del 78 por ciento (por ejemplo) de estar en la categoría de "alto" y 22 por ciento de pertenecer a alguna otra categoría. La distinción exacta entre "alto" y "bajo" es ahora confusa.
Esta facultad del computador de definir categorías con base en un enfoque de probabilidades le permite al computador aprender de sus experiencias, puesto que la asignación de probabilidad puede ser modificada la próxima vez que encuentre un objeto similar. La lógica confusa ya es utilizada en software para programas de computadores en reconocimiento de voz y escritura manual, los cuales aprenden a mejorar su desempeño a través de "entrenamiento."
Arriba: La combinación de lógica confusa y de redes neurales permite que los nuevos robots detecten un obstáculo en un terreno desconocido (izquierda, una secuencia de una imagen siendo procesada), juzgar la seguridad relativa de varias rutas alternas, y establecer una ruta hacia su destino (derecha, un panorama con tres imágenes), todo esto sin que un humano los guíe en tiempo real.
Las redes neurales también tienen la habilidad de aprender de sus experiencias. Esto no debe ser una sorpresa puesto que el diseño de redes neurales duplica la manera que las células del cerebro -- llamadas "neuronas" -- procesan información




"Las redes neurales permiten asociar entradas generalizadas con un resultado específico," dice Ayanna. "Cuando una persona observa cuatro patas y oye un ladrido (las entradas), su experiencia le permite concluir que esto es un perro (el resultado)." Esta facilidad de las redes neurales permitirá que un nuevo robot seleccione comportamientos o caminos a seguir de acuerdo a elementos generales de sus alrededores, de manera muy semejante a lo que hacen los humanos.
Para poder hacer esto, las redes neurales contienen varias capas de "nodos," que son análogas a las neuronas. Cada nodo en una capa está conectado a nodos en otras capas. Las señales viajan en esta red de conexiones, y cada nodo actúa como una compuerta, solo dejando pasar señales de cierta magnitud. La red "aprende" ajustando el umbral para cada nodo individual.
Arriba: En este ejemplo simplificado de una red neural, las señales de entrada se conectan a la capa amarilla de la izquierda, pasan a través de dos capas de proceso, y luego emergen a la derecha como señales de salida. Esta arquitectura puede ejecutar problemas de lógica sorprendentemente sofisticados, especialmente cuando se agregan bucles de realimentación.
Este gráfico de redes neurales, que puede ser dibujado en una servilleta, puede parecer muy simple, pero en la práctica, estos cerebros artificiales pueden ejecutar problemas de lógica increíblemente complejos. Ayanna llama a las redes neurales "tecnología de caja negra" -- en otras palabras, lo que pasa entre la capa de entrada y la de salida es tan difícil de descifrar que los científicos la tratan como una "caja negra " que de una manera u otra convierte las entradas en salidas.
Combinando estas dos tecnologías, Ayanna y sus colegas en el JPL esperan poder crear un "cerebro" robot que por si solo pueda aprender a caminar sobre los terrenos desconocidos de otros planetas.

Robots Inteligentes







La "Mujer Biónica" de NASA utiliza inteligencia artificial para enseñar a los robots lo que deben hacer para comportarse de una manera más semejante a los exploradores humanos.

Mayo 29, 2001 -- Es posible que Ayanna Howard nunca ponga los pies en Marte, o conduzca una misión a Júpiter, pero el trabajo que ella está realizando sobre robots "inteligentes", ayudará, sin embargo, a revolucionar la exploración planetaria.
En su calidad de Científica de Proyecto, especializada en inteligencia artificial en el Laboratorio de Propulsión a Chorro de NASA (JPL), Ayanna es parte de un grupo que aplica energía creativa a una nueva generación de misiones espaciales -- exploración de la superficie de planetas y de la Luna por robots autónomos, capaces de "pensar" por sí mismos.
Arriba: Es posible que no se asemeje al androide Data de Viaje a las Estrellas, sin embargo, en el futuro, exploradores robóticos como éste poseerán inteligencia artificial que les permitirían explorar el terreno sin supervisión humana. Imagen cortesía de JPL.
Casi todos los vehículos espaciales robóticos utilizados hoy son inflexibles en la manera como responden a las dificultades que encuentran (una importante excepción es el Deep Space 1 que emplea tecnología de inteligencia artificial). Estos robots sólo pueden ejecutar actividades que están explícitamente escritas es su software o a través de instrucciones enviadas por radio por un controlador humano en la Tierra.
Durante la exploración de planetas desconocidos, a millones de kilómetros de la Tierra, esta variedad de robot, como "perro obediente" requiere la atención constante de los humanos. En comparación, el objetivo final de Ayanna y sus colegas es de "colocar un robot en Marte y dejarlo que trabaje por sí solo sin intervención humana directa."
"Queremos darle instrucciones al robot para que piense sobre los posibles obstáculos que pueda encontrar, de igual manera que lo haría un astronauta en la misma situación," dice. "Nuestro trabajo es ayudar al robot para que piense en términos más lógicos respecto a girar a la derecha o a la izquierda, no simplemente cuantos grados de rotación."

jueves, 17 de julio de 2008

Los robots inteligentes tendrán tres niveles de conciencia


Los conocimientos interdisciplinares de la Ciencia Cognitiva Corporizada y la Nueva Inteligencia Artificial permiten concebir sistemas avanzados con capacidad de autogobernarse. El máximo nivel de estos sistemas lo representa la así llamada Arquitectura de Tres Capas, que incluye tres procesos diferentes afines a la teoría de Freud sobre la integración del Ello, el Super-yo y el Yo. Los niveles reactivo, deliberativo y reflexivo serán las características futuras de los robots inteligentes. Por Sergio Moriello.

Los agentes pueden definirse de varias maneras y no existe a la fecha ninguna definición universalmente aceptada. En su forma más simple, un agente es un sistema complejo adaptativo que puede sensar y actuar sobre su entorno (que puede ser real o simulado) [Moriello, 2005, p. 137].

Para Stuart Russell y Peter Norvig, un “agente” es todo aquello que puede verse como percibiendo su entorno a través de sus sensores y actuando sobre dicho entorno por medio de sus efectores [Russell y Norvig, 1996, p. 33]. Es decir, su característica principal es que “está situado” (situatedness): está inmerso dentro de un entorno local, con el cual interacciona y el cual influye –de forma directa– sobre su comportamiento [Florian, 2003] [Muñoz Moreno, 2000] [Innocenti Badano, 2000].

Un “agente autónomo” es aquel que interactúa –por sí mismo– con su entorno circundante. Para eso, debe ser capaz de percibir, razonar y actuar. En otras palabras, debe poseer adecuados sensores que le permitan recolectar la información proveniente tanto de su intorno como de su entorno (percibir); tiene que ser capaz de convertir esa información en conocimiento y poder utilizarlo para alcanzar sus objetivos (razonar); y debe disponer de apropiados efectores que le permitan modificar dicho medio ambiente (actuar) [Moriello, 2005, p. 221/2].

Agentes Inteligentes

Un “agente inteligente autónomo” es aquel que puede descubrir y registrar si una acción hecha en una situación dada fue favorable [Fritz, García Martínez y Marsiglio, 1990, p. 3] [García Martínez, 1997, p. 3]. De esta manera, puede acumular experiencias y ajustar su comportamiento a medida que va aprendiendo.

Los animales perciben su entorno (y su intorno) a través de sus sistemas sensoriales; procesan dicha información (asimilándola, clasificándola e interpretándola) a través de los circuitos neuronales de su corteza cerebral; y actúan –hacia afuera– gracias a su aparato óseomuscular y –hacia adentro– gracias a sus mecanismos homeostáticos. Pero el proceso global no es unidireccional y lineal, sino circular y cíclico: la percepción reinterpreta la realidad a través de la acción, del movimiento del cuerpo [Moriello, 2005, p. 233].

Por último, conviene mencionar que, aunque no necesariamente, un agente inteligente autónomo “está corporizado” (embodiment): tiene un cuerpo físico apto para experimentar su entorno de manera directa. Sus acciones tienen una realimentación inmediata sobre sus propias percepciones [Florian, 2003] [Muñoz Moreno, 2000] [Innocenti Badano, 2000].

Agentes Inteligentes



Un “agente inteligente autónomo” es aquel que puede descubrir y registrar si una acción hecha en una situación dada fue favorable [Fritz, García Martínez y Marsiglio, 1990, p. 3] [García Martínez, 1997, p. 3]. De esta manera, puede acumular experiencias y ajustar su comportamiento a medida que va aprendiendo.

Los animales perciben su entorno (y su intorno) a través de sus sistemas sensoriales; procesan dicha información (asimilándola, clasificándola e interpretándola) a través de los circuitos neuronales de su corteza cerebral; y actúan –hacia afuera– gracias a su aparato óseomuscular y –hacia adentro– gracias a sus mecanismos homeostáticos. Pero el proceso global no es unidireccional y lineal, sino circular y cíclico: la percepción reinterpreta la realidad a través de la acción, del movimiento del cuerpo [Moriello, 2005, p. 233].

Por último, conviene mencionar que, aunque no necesariamente, un agente inteligente autónomo “está corporizado” (embodiment): tiene un cuerpo físico apto para experimentar su entorno de manera directa. Sus acciones tienen una realimentación inmediata sobre sus propias percepciones [Florian, 2003] [Muñoz Moreno, 2000] [Innocenti Badano, 2000].

Regulaciones y Controles




Se puede definir el concepto de “gobernanza” (traducción del vocablo inglés “governance”) como la manera en que un sistema complejo se auto-gobierna (se auto-guía y se auto-dirige) hacia un objetivo definido con anterioridad.

El objetivo fundamental intrínseco (o sea, el “atractor” principal) de todo sistema es su propia supervivencia; no obstante, también existen varios sub-objetivos. Así, según el psicólogo norteamericano Abraham Maslow, en el ser humano hay una jerarquía de objetivos que se intentan satisfacer: fisiológicos, de seguridad, de pertenencia, de estima y de realización personal.

Un agente autónomo presenta diferentes mecanismos de regulación que le permiten mantener su equilibrio dinámico. Dichos mecanismos están compuestos, a su vez, por diferentes circuitos de realimentación (tanto negativos como positivos).

Cuanto más complejo sea el agente, dispondrá de una mayor cantidad de mecanismos de regulación y de diferentes niveles de regulación. El conjunto de los diferentes mecanismos de regulación constituye una jerarquía y cada nivel oficia de “árbitro” sobre los mecanismos de regulación de los niveles inferiores.

Los bailes de hoy

Mascota del Mundo del Robot