Imagen: chrisharvey. Fuente: PhotoXpress.
Los bebés aprenden sobre el mundo que les rodea explorándolo, tocándolo todo, observando e imitando lo que hacen los adultos. Sin embargo, para enseñar a un robot cómo hacer una tarea, o bien se recurre al código o directamente se le mueve el brazo o el cuerpo para mostrarle cómo realizar la acción.
Ahora, una colaboración entre psicólogos del desarrollo e informáticos de la Universidad de Washington (UW) ha demostrado que los robots pueden "aprender" del mismo modo que los niños, acumulando información a través de la exploración. Al ver a una persona realizar una tarea, pueden determinar la mejor manera de llevarla a cabo por sí mismos.
"Se puede ver como un primer paso en la construcción de robots capaces de aprender de los humanos, de la misma manera que los niños aprenden de sus mayores", asegura el autor principal de la investigación, Rajesh Rao, en un comunicado de la UW. De esta forma, no sería necesario tener conocimientos de programación para enseñar a un androide, por ejemplo, a lavar los platos, doblar la ropa o hacer otras tareas del hogar. Bastaría con hacerle una demostración. Pero para lograr ese objetivo, debe ser capaz de entender las acciones y realizarlas de forma autónoma.
El estudio, que combina la investigación del desarrollo infantil con el aprendizaje automático, se publicó en noviembre en la revista científica PLoS ONE. Como resultado, el equipo de la UW ha desarrollado un nuevo modelo probabilístico dirigido a resolver un reto fundamental en robótica: construir robots que pueden aprender nuevas habilidades observando e imitando a la gente.
Ahora, una colaboración entre psicólogos del desarrollo e informáticos de la Universidad de Washington (UW) ha demostrado que los robots pueden "aprender" del mismo modo que los niños, acumulando información a través de la exploración. Al ver a una persona realizar una tarea, pueden determinar la mejor manera de llevarla a cabo por sí mismos.
"Se puede ver como un primer paso en la construcción de robots capaces de aprender de los humanos, de la misma manera que los niños aprenden de sus mayores", asegura el autor principal de la investigación, Rajesh Rao, en un comunicado de la UW. De esta forma, no sería necesario tener conocimientos de programación para enseñar a un androide, por ejemplo, a lavar los platos, doblar la ropa o hacer otras tareas del hogar. Bastaría con hacerle una demostración. Pero para lograr ese objetivo, debe ser capaz de entender las acciones y realizarlas de forma autónoma.
El estudio, que combina la investigación del desarrollo infantil con el aprendizaje automático, se publicó en noviembre en la revista científica PLoS ONE. Como resultado, el equipo de la UW ha desarrollado un nuevo modelo probabilístico dirigido a resolver un reto fundamental en robótica: construir robots que pueden aprender nuevas habilidades observando e imitando a la gente.
Aprender el modelo
De un lado, la investigación parte del estudio del profesor de psicología Andrew Meltzoff, quien ha demostrado que con sólo 18 meses un niño puede deducir el objetivo de las acciones de un adulto y desarrollar formas alternativas para alcanzar esa meta por sí mismo. De hecho, mantiene que una de las razones por la que los bebés aprenden tan rápido es porque son muy juguetones. "Los bebés se involucran en lo que parece un juego sin sentido, pero eso les permite el aprendizaje futuro", subraya Meltzoff.
Como ejemplo, el profesor explica que cuando tratan de averiguar cómo funciona un juguete nuevo, en realidad están utilizando conocimientos adquiridos al jugar con otros. “Durante el juego están aprendiendo un modelo mental de cómo sus acciones generan cambios. A partir de ahí pueden empezar a resolver problemas nuevos y predecir las intenciones de otra persona", añade.
Partiendo de esta investigación infantil, el equipo de Rao ha desarrollado algoritmos de aprendizaje automático que permiten a un robot averiguar cómo sus propias acciones dan lugar a diferentes resultados. A continuación, el autómata utiliza ese modelo probabilístico aprendido para deducir lo que una persona quiere hacer y completar la tarea, o incluso a pedir ayuda si no pudiera ejecutarla.
De un lado, la investigación parte del estudio del profesor de psicología Andrew Meltzoff, quien ha demostrado que con sólo 18 meses un niño puede deducir el objetivo de las acciones de un adulto y desarrollar formas alternativas para alcanzar esa meta por sí mismo. De hecho, mantiene que una de las razones por la que los bebés aprenden tan rápido es porque son muy juguetones. "Los bebés se involucran en lo que parece un juego sin sentido, pero eso les permite el aprendizaje futuro", subraya Meltzoff.
Como ejemplo, el profesor explica que cuando tratan de averiguar cómo funciona un juguete nuevo, en realidad están utilizando conocimientos adquiridos al jugar con otros. “Durante el juego están aprendiendo un modelo mental de cómo sus acciones generan cambios. A partir de ahí pueden empezar a resolver problemas nuevos y predecir las intenciones de otra persona", añade.
Partiendo de esta investigación infantil, el equipo de Rao ha desarrollado algoritmos de aprendizaje automático que permiten a un robot averiguar cómo sus propias acciones dan lugar a diferentes resultados. A continuación, el autómata utiliza ese modelo probabilístico aprendido para deducir lo que una persona quiere hacer y completar la tarea, o incluso a pedir ayuda si no pudiera ejecutarla.
El equipo utilizó la investigación sobre cómo los bebés siguen la mirada de un adulto para enseñar a un robot a realizar la misma tarea. Fuente: UW
Dos pruebas
El modelo se probó en dos escenarios diferentes. Por un lado un experimento de simulación por ordenador, en el que el robot aprende a seguir la mirada de una persona, y por otro una prueba en la que imita acciones humanas que implican mover unos juguetes con forma de alimentos en una mesa.
En el primero, el robot aprende un modelo de sus propios movimientos de cabeza y entiende que la cabeza humana se rige por las mismas normas. El robot rastrea los puntos iniciales y finales de los movimientos de la cabeza de la persona mientras está mirando y utiliza esa información para averiguar si está buscando algo. Entonces utiliza el modelo de movimientos que ha aprendido para fijar su atención en el mismo punto que la persona.
Además, también recrearon una de las pruebas de Meltzoff que demostró que los niños no se interesaban por buscar en los mismos sitios donde lo hacía un adulto con los ojos vendados, pues entendían que la persona no podía ver. Una vez que el robot aprendió las consecuencias de tener los ojos vendados, ya no siguió el movimiento de cabeza de esa persona para buscar en el mismo lugar. "Los bebés usan su propia experiencia para interpretar el comportamiento de los demás, y nuestro robot también lo hizo", destaca el profesor.
En el segundo experimento, se puso a prueba cogiendo y soltando diferentes objetos y moviéndolos en torno a una mesa. El robot utilizó ese modelo para imitar a una persona que movía las piezas o las retiraba de la mesa. Pero no lo hizo de forma estricta, sino que en algunos casos se permitió hacerlo de otra forma para conseguir los mismos fines.
Aunque los experimentos iniciales perseguían aprender a deducir objetivos e imitar comportamientos simples, el equipo pretende explorar cómo el mismo modelo puede ayudar a los robots a aprender tareas más complicadas. "Si los bebés aprenden a través de su propia obra y la de otros a los que miran, ¿por qué no diseñar robots que aprenden tan fácilmente como un niño?”, se cuestiona Meltzoff.
El primer paso ya lo han dado. Pero si algo diferencia a los hombres de las máquinas es que estas aprenden mucho más rápido, por lo que un robot dejaría de ser un niño en poco tiempo.
El modelo se probó en dos escenarios diferentes. Por un lado un experimento de simulación por ordenador, en el que el robot aprende a seguir la mirada de una persona, y por otro una prueba en la que imita acciones humanas que implican mover unos juguetes con forma de alimentos en una mesa.
En el primero, el robot aprende un modelo de sus propios movimientos de cabeza y entiende que la cabeza humana se rige por las mismas normas. El robot rastrea los puntos iniciales y finales de los movimientos de la cabeza de la persona mientras está mirando y utiliza esa información para averiguar si está buscando algo. Entonces utiliza el modelo de movimientos que ha aprendido para fijar su atención en el mismo punto que la persona.
Además, también recrearon una de las pruebas de Meltzoff que demostró que los niños no se interesaban por buscar en los mismos sitios donde lo hacía un adulto con los ojos vendados, pues entendían que la persona no podía ver. Una vez que el robot aprendió las consecuencias de tener los ojos vendados, ya no siguió el movimiento de cabeza de esa persona para buscar en el mismo lugar. "Los bebés usan su propia experiencia para interpretar el comportamiento de los demás, y nuestro robot también lo hizo", destaca el profesor.
En el segundo experimento, se puso a prueba cogiendo y soltando diferentes objetos y moviéndolos en torno a una mesa. El robot utilizó ese modelo para imitar a una persona que movía las piezas o las retiraba de la mesa. Pero no lo hizo de forma estricta, sino que en algunos casos se permitió hacerlo de otra forma para conseguir los mismos fines.
Aunque los experimentos iniciales perseguían aprender a deducir objetivos e imitar comportamientos simples, el equipo pretende explorar cómo el mismo modelo puede ayudar a los robots a aprender tareas más complicadas. "Si los bebés aprenden a través de su propia obra y la de otros a los que miran, ¿por qué no diseñar robots que aprenden tan fácilmente como un niño?”, se cuestiona Meltzoff.
El primer paso ya lo han dado. Pero si algo diferencia a los hombres de las máquinas es que estas aprenden mucho más rápido, por lo que un robot dejaría de ser un niño en poco tiempo.