CÓMO ENTRENAN A TU ROBOT. 4 ASIGNATURAS ROBÓTICAS

CÓMO ENTRENAN A LOS ROBOTS

Llegan las máquinas que aprenden solas

Cuatro asignaturas robóticas
Las redes neuronales emulan el modo en que las células nerviosas comparten información.
En esencia, la técnica de aprendizaje de máquinas que se utiliza para entrenar a los robots plantea que estos deben extraer por sí mismos la información que necesiten a partir de unos datos que se les proporciona. No obstante, existen distintas estrategias para lograrlo.
  1. Aprendizaje reforzado. Está inspirado en el conductismo de Iván Pávlov. Al igual que esté fisiólogo hacía con sus perros, la idea es entrenar a las máquinas con ayuda de estímulos positivos y negativos. Así, el algoritmo se programa para maximizar la recompensa. Una vez recibidas las instrucciones, el software simplemente se autoenseña a llevar acabo una tarea, cómo disputar una partida o un juego de mesa. Su premio sería ganarla.

2 Aprendizaje profundo. Se basa en imitar el funcionamiento del cerebro humano mediante redes neuronales artificiales. Estas se estructura en distintas capas; cada uno extrae un tipo de información que alimenta a la siguiente. Este es el enfoque que uso Facebook para idear un software de reconocimiento facial. La primera capa de ciberneuronas obtiene datos básicos sobre la imagen, como los colores; la siguiente analiza las formas, y así hasta captar sus más pequeños detalles.
3 árbol de decisiones. Consiste en crear un esquema a través del cual se van sucediendo las distintas posibilidades de un escenario con sus soluciones concretas. Funcionaría de forma similar a como lo hace el manual de respuestas que usan los equipos de atención al cliente. Cada situación se asocia a una reacción, y el algoritmo navega entre ellas aplicando la lógica para encontrar la más adecuada.
4 Optimización del software. Es la ley del mínimo esfuerzo. Se trata de entrenar a un software para que cuando se le plantee algo, lo solucione de la forma más eficiente posible. Da igual qué método emplee; el único requisito es que ha de hacerlo de modo más fácil. Este enfoque se utiliza para que los robots aprendan a levantarse cuando se caen, por ejemplo. En esencia, hace lo mismo que la mente de un bebé, que dedica mucho tiempo averiguar cómo desplazar su cuerpo y luego usa ese conocimiento para planificar nuevos movimientos.

Menuda jugada. La inteligencia artificial AlphaGo, diseñada por Google DeepMind, puede aprender de su experiencia y mejorar su estrategia. En marzo de 2016, va tío al campeón Lee Sedol en un torneo de go, un juego táctico en el que la intuición y creatividad son claves.

Ya existen autómatas que hablan, caminan y gesticulan. Ahora, los expertos en inteligencia artificial idean algoritmos de aprendizaje que les permitirá relacionar y asimilar conceptos.
Según los futurólogos de la IA creen que a mediados de siglo se desarrollarán las primeras máquinas conscientes y plenamente autónomas.

¿Dónde quedó la revolución de la robótica que se nos prometió?
Desde hace décadas, innumerables científicos y escritores de ciencia ficción han pronosticado un futuro en el que los humanos viviremos codo con codo con máquinas autónomas que no se entenderían y nos harían la vida más fácil. Pero lo cierto es que, a pesar de que cada vez hay un mayor número de humanoides capaces de hablar y cumplir las más diversas tareas, el único autómata que, hoy por hoy, parece haberse introducido de verdad en nuestra sociedad es sin duda alguna el vibrador, volvamos pues, unos minutos al pasado de la historia de la robótica.

Un médico de 1859 aseguró que una de cada cuatro mujeres estaba aquejada de histeria, lo que resulta razonable, teniendo en cuenta que el médico reunió 75 páginas de posibles síntomas y dijo que la lista no estaba completa; casi cualquier dolencia leve podía servir para diagnosticar histeria. Los médicos pensaban que la tensión de la vida moderna hacía a las mujeres más susceptibles a desórdenes nerviosos. En los Estados Unidos tales desórdenes de las mujeres confirmaron que estaban a la par con Europa; un médico estadounidense expresó su alegría porque el país estaba «alcanzando» a Europa en la prevalencia de la histeria.

Rachael P. Maines, autor de The Technology of Orgasm: Hysteria, the Vibrator, and Women’s Sexual Satisfaction, ha observado que estos casos eran muy ventajosos para los médicos, dado que no había ningún riesgo de que la paciente muriese pero necesitaba tratamiento constante. El único problema era que los médicos no disfrutaban con la tediosa tarea del masaje. La técnica era difícil de dominar para un médico y podía tomar horas llegar al «paroxismo histérico». Derivarlas a las comadronas, una práctica por otra parte habitual, era una pérdida de oportunidades de negocio para el médico.

Una solución fue la invención de los aparatos para proporcionar masajes, lo que eliminaba la necesidad de recurrir a una comadrona. A finales del siglo XVIII en Bath se vendían dispositivos de hidroterapia y a mediados del siglo XIX eran un accesorio popular en los complejos de balnearios de lujo de Europa y los Estados Unidos.

Un anuncio de 1918 de Sears, Roebuck and Co. con muchos modelos de vibradores.

Desde 1870 los médicos dispusieron del primer vibrador mecánico y en 1873 se empleó el primer vibrador electromecánico en un asilo de Francia.

Aunque los médicos de la época reconocían que el desorden provenía de la insatisfacción sexual, parecían reticentes a admitir el propósito sexual de los dispositivos empleados para tratarlo. De hecho, la introducción del espéculo fue mucho más controvertida que la del vibrador, seguramente debido a su naturaleza más fálica.

A finales del siglo XIX la difusión de la electricidad en el hogar facilitó la llegada del vibrador al mercado de consumo. El atractivo de un tratamiento más barato en la intimidad del propio hogar hizo que el vibrador alcanzase una cierta popularidad. De hecho, el vibrador eléctrico llegó al mercado mucho antes que otros dispositivos «esenciales»: nueve años antes que el aspirador  y diez años antes que la plancha eléctrica.  Una página del catálogo de la compañía internacional Sears, Roebuck and Company  de electrodomésticos de 1918 incluye un anuncio para un vibrador portátil con accesorios, descrito como «muy útil y satisfactorio para el uso casero».

 

Operarios incansables para tareas de alto riesgo

Y eso que los avances en este campo no han cesado desde que Unimate, el primer robot industrial de la historia, comenzará a trabajar en montaje de General Motors en 1961 en el último medio siglo, se han ido mejorando las capacidades de este tipo de máquinas y el modo en que colaboran con los humanos. Sí todavía no nos hemos acostumbrado a verlas en nuestro día a día es porque, principalmente, se encuentran en fabricas. De hecho, Unimate era un brazo automatizado que pesaba casi 2.000 kilos. El gigante de la industria de la automoción lo empleaba para mover grandes piezas de metal calientes y soldarlas, una tarea que entrañaba riesgos para los operarios.
Fue la primera vez que una máquina sustituyo por completo a un hombre en el trabajo. Las nuevas tecnologías que emanaron de la Revolución Industrial, como los tractores y las segadoras, permitían reducir el número de empleados, pero no los eliminaban por completo, pues se trataba de dispositivos que tenían que ser manejados o supervisados por personas, pero el Unimate no era una simple máquina. Podía asumir una tarea concreta por si solo.
En el último medio siglo, el número de robots que desempeñan alguna labor en procesos industriales no ha dejado de crecer. En 2014, ya había 478 de ellos por cada 10.000 operarios humanos en Corea del Sur, lo que supone que casi el 5% de la fuerza de trabajo en este país está conformada por esos ingenios. Corea del Sur encabeza esta clasificación seguidas de Japón, con 315 autómatas, en idéntica proporción; le sigue Alemania, con 292, según los datos de la Federación Internacional de Robótica.
Sí ya hay tantas máquinas construyendo vehículos, manipulando componentes electrónicos y metales pesados, ¿por qué no pasa lo mismo en las tiendas, en los hoteles o incluso en nuestros hogares? ¿Por qué todavía no contamos con dependientes robóticos y androides que realicen las tareas domésticas?, al menos a nuestro alcance. La respuesta es que, para una máquina, no es fácil gestionar lo desconocido.
La mayor parte de los robots industriales suelen enfrentarse a tareas repetitivas donde, en general, no se topan con situaciones para las que no están preparados. En las cadenas de montaje, las piezas que manejan se encuentran siempre en el mismo sitio, tienen el mismo tamaño y siempre se manipulan de la misma forma. Para aprender a hacerlo, el robot solo necesita saber dónde debe actuar, a qué velocidad ha de hacerlo ya las acciones concretas que requiere la tarea. Así, al menos, funciona la programación convencional, que el catedrático de Robótica Carlos Balaguer, de la Universidad Carlos III de Madrid, describe como un proceso rudimentario en el que si cualquier detalle externo cambia, hay que empezar de nuevo.

La idea es que las máquinas tomen decisiones por si solas

«Los robots tienen el potencial de mejorar la vida de la gente. Podrían asistir a los astronautas que viajen a Marte, a los pacientes de un hospital o a los trabajadores en las fábricas», según Stefanie Tellex, una experta en ciencias de la computación de la Universidad Brown, en EE. UU., que investiga cómo podrían estos ingenios comunicarse con nosotros mediante un lenguaje natural. La programación clásica les permite asumir tareas, pero no lidiar con accidentes, por ejemplo. Para ellos deberían ser capaces de entender el mundo y su entorno, de modo que pudieran reaccionar de forma autónoma ante cualquier situación.
En la industria del tratamiento de residuos, ya existen máquinas especializadas en la recuperación de botellas de tereftalato de polietileno (PET), un plástico que se utiliza en la fabricación de envases. Una de ellas es Wall-B – su nombre recuerda el del simpático robot de la película WALL-E, desarrollada por la empresa española Sadako technologies. El ingenio distingue los recipientes PET entre todos los desechos mediante un sistema de visión artificial que intenta reproducir lo que hace el cerebro humano cuando procesa las señales visuales que captan nuestros ojos.
Para ello, WALL-B cuenta con varias cámaras y unos algoritmos de inteligencia artificial que le permiten procesar las imágenes y entender lo que ve. » las botellas PET no se encuentran siempre en la misma posición y suelen llegar chafadas y entremezcladas con otros objetos». Por eso, este robot ha tenido que aprender a reconocer los envases que buscan a efectuar los movimientos necesarios para recuperarlos. Los autómatas  como WALL-B acaban sabiendo lo que tienen que hacer gracias a la técnica de entrenamiento robótico más empleada en la actualidad: el aprendizaje de máquinas. Esta consiste en mostrar le miles o millones de ejemplos, hasta que, a partir de ellos, llega a inferir un comportamiento. «Se trata de que el robot aprenda de la experiencia sin ser programado explícitamente por ello, y que su conocimiento aumente con cada nueva tarea, objeto o situación a la que se enfrente», esta información nos la aporta Balaguer y Belén Garnica.
Pasemos al funcionamiento del sistema de reconocimiento de caras en Facebook, por ejemplo. Su algoritmo fue expuesto a millones de fotografías que habían sido previamente etiquetadas a mano por personas. Estas habían marcado en cada una el área de la imagen en la que se encontraban la cara; el software las examinó hasta que logro distinguir a cada individuo con precisión.

Ciberprofesores para una clase global de roboalumnos

Gracias a esta estrategia, los robots van adquiriendo autonomía y una cierta capacidad de razonar. Pero si la idea es que acaben haciendo nuestra vida más cómoda, el hecho de que su aprendizaje depende de que haya un gran número de personas invirtiendo su tiempo en etiquetar millones de datos no resulta demasiado eficiente. Para acelerar este proceso, un equipo de investigadores de la Universidad de Stanford, en EE. UU., ha puesto en marcha el proyecto RoboBrain – una expresión que podría traducirse como RoboCerebro-, con el objetivo de que los robots se enseñen unos a otros.
RoboBrain funcionaría como una especie de Google para autómatas adónde cada máquina acudiría en busca de un conocimiento específico previamente adquirido por otra. Así, podría consultar, por ejemplo, cómo agarrar una taza correctamente por su asa o la mejor forma de manipular un picaporte para abrir una puerta. Tras descargar ese conocimiento concreto y emplearlo en resolver el problema al que se enfrenta, el robot devuelve su experiencia la base de datos de RoboBrain. Entonces el próximo y genio que utilice el servicio contará con más información.
«Cuantos más datos se aporten, mejor será el rendimiento de los robots», afirma el experto en ciencias de la computación Ashutosh Saxena, responsable de la iniciativa. Opina, qué un robot encuentre más o menos difícil aprender a hacer algo también depende del entorno. «Si un programador entrena para una determinada situación, puede que no funcione bien si algo cambia, aunque sea mínimamente». «Para llegar a hacer algo aparentemente tan sencillo como preparar una tortilla francesa, debería tener en cuenta decenas de variables, como el aspecto y la disposición de la cocina. Y no hay dos iguales».

Una revolución que llegará antes de una década
Pero si un robot aprende a manipular un huevo sin romperlo, esta experiencia podría servirle a otro que necesite cambiar una bombilla, por ejemplo. Este todavía tendría que discutir ciertas cosas, entre ellas, como enroscar la y desenroscar la, pero, al menos, sabría como sujetarla con cuidado. Saxena piensa que estos conocimientos compartidos multiplicarán enormemente las capacidades de estas máquinas, lo que se observa antes de 10 años. El enorme potencial de esta estrategia ha despertado el interés de muchos expertos. El Instituto Tecnológico de Massachusetts, a través de su publicación MIT Technology Review, la ha considerado una de las diez tecnologías emergentes más destacadas del año 2016.
Stefanie Tellex a lanzado una iniciativa similar, el desafío UN MILLÓN DE OBJETOS. La idea es que todas las unidades de un tipo concreto de robots denominado Baxter que hay repartidas en distintas cadenas de montaje por todo el mundo compartan sus habilidades y formen una gran base de datos sobre el manejo de muy distintas piezas.
Una de las empresas más interesadas en que los robots sean capaces de identificar y manipular cosas es Amazon. En sus enormes almacenes, miles de productos de diferentes formas y tamaños se apilan a la espera de que alguien los compre. Y cuando sucede, un operario debe recorrer la instalación para localizarlos y empaquetarlos. La compañía, consciente de la poca eficiencia del proceso y de la pérdida de tiempo que supone para sus empleados, organiza un concurso para mozos de almacén robóticos. Los ingenios que participaron debían encontrar, recoger y embalar veinticinco objetos diversos, desde paquetes de galletas hasta patitos de goma.

El juego de estrategia más complejo, dominado por un ordenador

Pero ninguno de los 31 robots candidatos logro completar todas las pruebas con éxito. Por ejemplo, los libros de bolsillo supusieron un gran problema para la máquina representada por la Universidad de Alberta (Canadá), que estaba equipada con una mano de tres dedos. Al ser tan finos, la cámara del robot apenas podía detectarlos, y, cuando por fin lo conseguía, no lograba sujetarlos bien con sus gruesas extremidades.
El encuentro, denominado Amazon Picking Challenge, demostró que por muy sofisticado que sea el hardware de un robot, de nada sirve si el software que lo controla no entiende el entorno. «Existen robots increíbles, pero no pueden funcionar al máximo de sus capacidades, porque aún carecemos de los algoritmos necesarios», asegura el neurocientífico Demis Hassabis, siendo el líder del programa de investigación en inteligencia artificial de Google. En 2010, Hassabis fundó la compañía de DeepMind, especializada en este tipo de tecnologías, que luego sería adquirida por el gigante de las búsquedas online.
En marzo de 2016, su sistema AlphaGo, concebido para disputar partidas de go, un milenario juego de estrategia ideado en China, derrotó al campeón surcoreano Lee Sedol, uno de los mejores jugadores del mundo. Para entrenarse, la máquina se enfrentó a sí misma millones de veces. » No sentí que llevara la ventaja en ningún momento», confesor Sedol tras su derrota.
Su historia recuerda a la del celebré ajedrecista Garry Kaspárov. En 1997, fue batido por el ordenador Deep Blue, del IBM. Era la primera vez que una computadora se imponía a un campeón del mundo en las mismas condiciones en las que se disputan los torneos de ajedrez. Pero el logro de Google es mucho más complejo. Un ajedrecista tiene que lidiar con una media de 35 movimientos posibles en cada turno, mientras que el go asciende a 250. «El ajedrez es un juego de cálculo, pero el go resulta demasiado complejo; en buena parte se basa en la intuición». La de IBM poseía una gran potencia de cálculo, pero la máquina de Google consiguió imitar un proceso intuitivo. Es un avance espectacular que los expertos no esperaban que sucediera hasta dentro de un par de décadas.
Por lo tanto, el objetivo de Google no es que las máquinas nos dominen en los juegos de mesa, al igual que Amazon no pretende que un robot se para coger patitos de goma. Al final, este tipo de iniciativas persiguen el desarrollo de una inteligencia artificial capaz de comprender el mundo y enfrentarse a él.

Pasará mucho tiempo antes de que podamos convivir con androides

Eso sí, aún nos encontramos lejos de conseguirlo. Puede verse en los coches autónomos, en los que también trabaja Google. A pesar de haber sido entrenados para entender las señales de tráfico, a veces algunos vehículos no dejan de dar vueltas en las rotondas porque no saben salir de ellas. Algo parecido le ocurría a las primeras versiones de la y ciberaspiradora Roomba cuando alguna mascota se subía encima y tapaba su cámara. Son solo dos ejemplos que muestran los muchísimos retos de la robótica aún tiene por delante antes de que se enfrente a lo que el catedrático Carlos Balaguer considera el auténtico gran desafío: el desarrollo de robots-compañeros que convidan con nosotros, algo que las máquinas aún tienen que aprender.

Aquí tiene su pedido
En la Universidad Técnica de Berlín tienen un robot que se llama cibermozo; puede encontrar objetos en estanterías y depositarlos en un contenedor, por ejemplo, sirve para los aeropuertos.

Niños biónicos
Los androides ¡Cub son capaces de reconocer y manipular objetos y expresar emociones. Parecen niños. De hecho, se les puede enseñar nuevos conceptos del mismo modo que se haría con un niño pequeño de año y medio.

El poder de la repetición  Los programas de reconocimiento facial se entrenan analizando millones de imágenes de rostros que previamente han sido catalogadas.

Un plan ético contra los robots malvados
¿Cómo van alzarse los robots contra la humanidad si todavía no son capaces de limpiarnos la casa al completo, ni tan siquiera planchar la ropa por si solos?. Según los expertos aún queda muchísimo camino por recorrer antes de que pueda resultar una amenaza para la humanidad.
Sin embargo, ninguno de ellos niega que esto pueda ocurrir. «No nos encontramos ni remotamente cerca de cualquier cosa que nos lleva preocupar, pero eso no quiere decir que no lleguemos a esa situación algún día», según Demis Hassabis, que a fecha de hoy dirige los programas de Ia de Google.
El físico Stephen Hawking y Elon Musk, cofundador de las compañías SpaceX y Tesla Motors, también han alertado sobre los posibles riesgos que entrañaría el desarrollo de la IA. ¿Qué pasaría si una máquina se volviera tan inteligente que fuera capaz de diseñar y usar por si sola armas de destrucción masiva? ¿Qué pasaría si una empresa decidiera crear una que fuera directamente malvada?
En mayo de 2016, las autoridades estadounidenses organizaron una reunión para analizar las leyes que deberían asegurar que la IA será segura, controlable y predecible a medida que se vuelva más potente.
Musk, en colaboración con otros pesos pesados del mundo tecnológico, han decidido crear OpenAl, una organización sin ánimo de lucro destinada al desarrollo de un software de este tipo que tenga por objetivo beneficiar a la humanidad. Los responsables del proyecto destinarán algo más de 900 millones de euros a generar un corpus ético y de conocimiento sobre este asunto. Afirma que tiene buenas razones para hacerlo, porque la conducción autónoma, un campo que está explorando, es uno de los que más problemas éticos suscita. Y es que si algún día los coches llegan a conducirse solos, puede que tengan que enfrentarse a decisiones duras, como elegir entre atropellar a un niño o que los pasajeros se estrellen.
Para algunos gurús de la tecnología, la creación de máquinas inteligentes precipitará la extinción de la humanidad.

¡Venga muévete, al tajo!  Los robots colaborativos, como Sawyer que dispone la empresa DHL, perciben cambios en el entorno y se adaptan a ellos como haría una persona. Este posee una interfaz que muestra expresiones. Así, los operarios se encuentran más cómodos con él.

Fuente: Diversos estudios e investigaciones. Disculpen, pues estoy en plena crisis de amnesia; no estoy en esta dimensión estos días. Regresaré cuando gane de nuevo una batalla más mi cerebro.

Entonces les pido colaboración; hay una película sobre el origen del vibrador, por más que trato de recordar no lo consigo. Solo recuerdo el psiquiatra que lo invento. Les pido a los lectores y seguidores que por favor si ustedes la han visto o pueden acceder a buscarla, lo comenten aquí o en mi correo, si ustedes me mandan el título y me dan permiso, añadiré su colaboración a este artículo.