Tomando en cuenta los últimos avances en aprendizaje computacional, podemos divisar una nueva era en el horizonte, una en la que las máquinas sobrepasarán con creces la inteligencia humana.
Definiremos cultura como: los conjuntos de saberes, creencias y pautas de conducta de un grupo social, incluyendo los medios materiales que usan sus miembros para comunicarse entre sí y resolver necesidades de todo tipo. Tales conjuntos son transferidos de una generación a otra, asegurando la permanencia y perfeccionamiento del conocimiento. El aprendizaje social de esas informaciones es clave.
Hasta hace poco se creía que la cultura era exclusivamente un fenómeno humano. Sin embargo, se ha comprobado en repetidas ocasiones que ello es no necesariamente es cierto. Por ejemplo: los chimpancés son conocidos por usar tallos de hierbas y pequeñas ramas como herramientas para recolectar termitas. Tal conocimiento tiene un origen cultural, ya que suele ser enseñado por los primates más longevos a los jóvenes. Algunos especímenes incluso modifican los tallos en forma de brocha, lo que les permite cumplir su actividad con más efectividad.
De la misma manera, múltiples especies de peces han demostrado capacidades para resolver problemas, adaptarse a ambientes en constante devenir e identificación de depredadores, conocimientos que se aprenden socialmente.
Algunas especie de ballena han desarrollado tradiciones culturales propias, distintas dependiendo del lugar de donde provengan. En el transcurso de veintisiete años, un grupo de ballenas jorobadas comenzaron a practicar una nueva técnica de caza que les permitía cazar todo tipo de peces. Tal procedimiento es propio de esa pequeña comunidad de cetáceos.
Por su parte, las ballenas asesinas expresan distintas culturas: aprendiendo canciones y rutas de migración de otras ballenas y cantando en diferentes dialectos.
Dejando establecido que las prácticas culturales no son exclusivas de la humanidad queda preguntarnos: ¿podrían las máquinas, dotadas de inteligencia artificial, generar una cultura independiente de la humana? Recordemos que para que esto pueda pasar deberían ser capaces de aprender las unas de las otras y usar tales conocimientos para adaptarse a cambios inesperados en su ambiente. Programar un software capaz de realizar esto ha probado ser una tarea titánica a lo largo varias décadas. Sin embargo, un grupo de científicos del MIT parece estar progresando hacia la dirección correcta.
Los robots pueden aprender a través de dos métodos: por demostración, es decir, viendo cómo se hace una tarea para luego replicarla, o por técnicas de planeación de movimiento como la optimización o el muestreo, este último requiere de un programador para especificar explícitamente los objetivos y limitantes de una tarea.
El primer método hace difícil la posibilidad de adaptar secciones de una tarea para otras funciones. El segundo facilita tal adaptación, pero requiere de mucho tiempo y experticia en programación. Investigadores del Laboratorio de ciencias computacionales e inteligencia artificial del MIT han desarrollado un sistema que busca combinar ambas técnicas.
C-LEARN (“Constraints Learning”) es un software gráfico que permite, a personas desconocedoras de programación, enseñar tareas sencillas a un robot por medio de realizar un pequeño demo de la actividad; una simulación de qué constituye el éxito en el proceso a realizar. Lo más importante del asunto es que tales conocimientos luego pueden ser transferidos con facilidad a todo tipo de robots con diseños completamente diferentes.
Diseñado por Claudia Pérez-D’Arpino, el sistema consiste en primero programar al robot con la información base para interactuar con objetos básicos como tubos, manillas de puertas o cuerdas. A partir de ese conocimiento el robot está preparado para lidiar con las limitaciones del mundo. Con demostrar la acción una vez es suficiente para que la actividad sea aprendida.
Los investigadores probaron su invento usando a Optimus, un robot de dos brazos diseñado para desactivar bombas. Empezaron con un prototipo completamente en blanco, antes de ser programado para ninguna tarea. Lograron que aprendiera a abrir puertas, transportar objetos y extraerlos de contenedores. A través de simulaciones, comprobaron que las habilidades aprendidas por Optimus podían ser transferidas a Atlas, un robot humanoide de casi dos metros de altura y ciento ochenta kilos de peso; diferente en todo sentido al práctico Optimus.
El enfoque se asemeja bastante al aprendizaje humano, vemos como alguien hace algo y luego lo conectamos con lo que ya sabemos sobre nuestro entorno. Por eso es que el conocimiento básico de cómo interactuar con el mundo es la clave del proyecto.
Los robots que usan C-LEARN no aprenden una manera específica de realizar una acción, sino la idea general de ella. De esta manera pueden adaptarse a su ambiente si las condiciones no son las ideales. Si un robot corriente es entrenado para tomar un objeto de una mesa, no podrá hacer nada si de repente hay un obstáculo entre él y la mesa que podría requerir un movimiento extra. En el caso de C-LEARN, el robot debería poder solucionar la situación esquivando el obstáculo.
"Es bueno para el campo que estemos dejando de intentar imitar el movimiento directamente y en cambio nos dediquemos a propiamente dar a inferir los principios detrás del movimiento. Usando estos sistemas de aprendizaje con limitaciones en un simulador de movimiento, nosotros podemos hacer sistemas mucho más flexibles que los que solamente tratan de imitar los que está siendo demostrado". Dmitry Berenson
El desarrollo de tal software todavía está en su infancia. Es incapaz de enseñar tareas complejas. Pero lo más importante que nos deja su invención es el enfoque revolucionario que adopta, optando por darle prioridad a cómo aprendemos los seres humanos, a la intuición y la resolución de problemas en condiciones no ideales, elementos que no solían ser tomados en cuenta en este tipo de emprendimientos.
Por le momento el aprendizaje tiene que ser guiado por un ser humano, pero es fácil concebir la posibilidad futura de que esto deje de ser una necesidad; lo que significaría que las máquinas podrían aprender todo tipo de oficios y, más interesante aún, transferir ese conocimiento a cualquier tipo de máquina.
No se puede afirmar con seguridad que algún día una inteligencia artificial alcanzará un nivel de autoconciencia similar a la que poseemos los seres humanos, y en menor grado algunos animales. Pero lo que sí es seguro es que, suponiendo que la primera premisa se cumpliera, contaría con las herramientas y los precedentes necesarios para desarrollar su propia cultura, distinta de la nuestra, esperemos que no tanto.
