Òscar Vilarroya Oliver - Palabra de robot

A partir de estos datos, el oyente intentará adivinar qué tópico es el que está pensando el hablante. El oyente da su respuesta aproximándose y señalando el objeto en el que estaba pensando. El juego tiene éxito si el tópico supuesto por el oyente es el mismo que el seleccionado por el hablante. El juego fracasa si lo adivinado no coincide o el hablante y el oyente no se entienden en algún momento del juego. En caso de fallar, el hablante da una clave extralingüística señalando el tópico en el que estaba pensando, y ambos agentes intentan adecuar sus estructuras internas para ser más eficaces en el futuro.

En el caso de los AIBO, Steels ha logrado reproducir otro juego, denominado juego de clasificación (Steels, 1999; Steels, 2001a). El juego de clasificación es parecido al juego de las adivinanzas, con la diferencia de que sólo hay un objeto para clasificar. Como la cámara del AIBO no tiene un gran ángulo de visión, sólo un objeto puede ser focalizado. Los objetos de los que se va a servir Steels serán una pelota, una muñeca llamada Smiley y una imitación, en pequeño formato, de un AIBO, llamado poo-chi. Las palabras pelota, Smiley y poo-chi son las que utiliza el interlocutor humano en sus interacciones con el AIBO. El objetivo fundamental del robot es adquirir el uso adecuado de la palabra en relación con las imágenes. Un diálogo típico entre el interlocutor humano y el AIBO es el siguiente (figura 2):

HUMANO: ¡Levántate!

El AIBO ya tiene un léxico de acciones y de órdenes, y la orden de levantarse ha sido relacionada por el AIBO con la acción de comenzar un juego lingüístico. La conversación de un AIBO que comienza a jugar por primera vez sigue por lo general el siguiente proceso:

HUMANO: ¡Mira!

La palabra mira ayuda a orientar la atención y las señales que vienen del interlocutor. En estas situaciones, AIBO comienza a con centrarse en la pelota, a seguir sus trayectorias e intentar tocarla. Entonces el interlocutor humano acostumbra a decir:

Figura 2. Interacción entre el operador humano y el AIBO.

HUMANO: Pelota.

El AIBO todavía no conoce la palabra para este objeto. Con frecuencia, cuando ocurre esto, el AIBO pide la confirmación del interlocutor humano de que la palabra es la correcta:

AIBO: ¿Pelota? HUMANO: Sí.

El humano, entonces, puede comenzar a comprobar si el AIBO ha comprendido efectivamente la palabra.

HUMANO: ¿Qué es eso?

AIBO: Pelota.

HUMANO: ¡Bien!

El humano puede mover la pelota de un sitio a otro del entorno del AIBO y volver a preguntar:

HUMANO: ¿Qué es eso?

AIBO: Smiley.

HUMANO: No. Escucha. Pelota.

AIBO: ¿Pelota? HUMANO: Sí. ¿Es un Smiley?

AIBO: No. Pelota.

HUMANO: ¡Bien!

En definitiva, el AIBO se comporta como un niño de dos años: casi siempre está jugando, a medida que desarrolla su lenguaje.

EL CEREBRO DEL AIBO

¿Cómo consigue eso Steels? Su laboratorio ha diseñado los AIBO para establecer las bases necesarias que den lugar a un sistema capaz de aprender y hablar. Esto ha requerido muchos años de trabajo y muchos esfuerzos de diseños y de prueba/error, así como el desarrollo de una infraestructura experimental y teórica muy sofisticada. A partir de las investigaciones que ha hecho los últimos años, Steels ha identificado un número de criterios que definen las capacidades básicas a partir de las cuales ha diseñado sus robots parlantes:

Mecanismo de conceptualización

Los AIBO tienen un mecanismo para conceptualizar su entorno sin tener información de referencia sobre el mismo. En efecto, el punto básico del trabajo del grupo de Steels consiste en que las categorizaciones que hace un AIBO de su mundo, y el lenguaje que utiliza, no están programadas, sino que emergen de los sistemas que tiene el AIBO y de su interacción con otros AIBO. Ahora bien, para que haya conceptualizaciones es necesario que el AIBO disponga de algún mecanismo básico. ¿Cuál?

Aunque Steels ha probado muchos mecanismos de conceptualización a lo largo de los años que lleva desarrollando robots, le ha costado encontrar un sistema apropiado. El hecho es que en el momento actual hay muchas maneras de clasificar objetos, pero no siempre funcionan en la práctica. En el caso del AIBO, la decisión más importante que adoptó el equipo de Steels ha consistido en no segmentar objetos con rasgos distintivos. Ésta es la técnica habitual y tradicional (Lamberts y Shanks, 1997; Murphy y Medin, 1985), y consiste, en primer lugar, en dividir los objetos y las situaciones que pueden ser percibidas por el sistema con rasgos distintivos (por ejemplo, una silla podría tener estos rasgos distintivos: a) tener cuatro patas; b) tener una superficie plana sobre las cuatro patas; c) tener un respaldar; d) estar hecha de material duro...). Después se ha de dar al sistema la capacidad para construir representaciones de objetos y situaciones a partir de estos rasgos. Una vez que se ha conseguido esto, el sistema establecerá categorías de un grupo de objetos como grupo, y como categoría cuando comparten un determinado número de rasgos.

Steels desestimó esta opción porque es extremadamente difícil, e incluso se considera que puede ser imposible lograrla (Clancey, 1997). Cada rasgo de un objeto puede cambiar de un momento a otro. Es muy difícil establecer de entrada todos los rasgos y todas las situaciones posibles en las que el AIBO podrá percibir estos rasgos. La iluminación y el ángulo de visión cambian y modifican los rasgos que pertenecen a un objeto.

El sistema de categorización elegido por Steels es el de ejemplos y casos. Este es un sistema fuertemente contextual y específico para cada situación (Mel, 1997). Se basa en la utilización de muchas visiones diferentes de un objeto, situaciones que posteriormente se normalizan 1 1 La normalización es, en pocas palabras, el proceso de organizar los datos que aportan los sensores de manera eficaz. El proceso de normalización tiene dos objetivos: eliminar los datos redundantes y asegurar que las relaciones entre los datos tengan sentido. Hay muchos métodos de normalización, cuya explicación no tendría sentido en estas páginas. y se memorizan. La clasificación en diferentes categorías se hace mediante un algoritmo de vecindad. El resultado es un sistema que fundamenta la adquisición de conceptos en la propia experiencia del individuo (Hintzman, 1990; Medin y Schaffer, 1978).

Ahora bien, como este sistema se basa en la experiencia de cada AIBO, el proceso de conceptualización puede llegar a ser diferente para cada AIBO, de tal manera que se corre el riesgo de que los AIBO lleguen a tener un repertorio de conceptos diferentes. El caso es que hay muchas maneras de conceptualizar la realidad. Por ejemplo, en una situación en la que un AIBO tenga delante un triángulo rojo a la izquierda y un cuadrado azul a la derecha, pueden ser conceptualizadas por el AIBO tres distinciones diferentes: rojo/azul, triángulo/ cuadrado, izquierda/derecha.

Para conseguir reducir este repertorio y garantizar una cierta estabilidad entre diferentes AIBO, Steels ha utilizado dos mecanismos. Uno es la visibilidad: las diferencias sensoriales que se remarquen serán las preferidas para conceptualizar la escena, y se reducirá el espacio de búsqueda de las palabras que no se conozcan. Por lo tanto, si hay tres objetos con colores muy variados, dos a la izquierda y uno a la derecha, se preferirá el color antes que la ubicación, porque es más distintivo. La segunda restricción viene del hecho de tener en cuenta el léxico para el proceso de conceptualización. Aquí hay dos conceptos que son igualmente distintivos, pero a uno le corresponde una palabra que se ha utilizado más, y éste será el elegido.