Òscar Vilarroya Oliver - Palabra de robot

Además, Steels ha organizado las categorías en árboles de discriminación que permiten fijar las categorías. En un árbol de discriminación, cada nudo contiene un discriminador que permite filtrar un conjunto de objetos en un subconjunto que satisface una determinada categoría y otro a su contrario. Por ejemplo, puede haber un discriminador basado en la posición horizontal (HPOS) del centro de un objeto (en una escala entre 0,0 y 1,0) que distribuye los objetos en un contexto como izquierda cuando el HPOS está entre 0 y 0,5 y otro que categoriza derecha cuando el HPOS está entre 0,5 y 1,0. Otras subcategorías se pueden crear mediante la restricción de las características de cada categoría. Por ejemplo, la categoría muy a la izquierda se aplica cuando un objeto tiene un valor HPOS entre 0,0 y 0,25.

Mecanismo de verbalización

Los AIBO tienen un mecanismo de verbalización y comprensión de formas verbales. Este sistema es evidentemente imprescindible; sin él no puede haber ningún juego lingüístico. Las palabras que entienden y utilizan los AIBO son combinaciones al azar de sílabas que los AIBO seleccionan de su repertorio léxico. Una vez elegida una forma silábica, cada agente asocia, en una relación bidireccional, la forma (que son las palabras individuales) y las categorías específicas. Una vez hecho esto, cada asociación se marca con un resultado que puede ir de 0,1 a 1.

Cuando un hablante necesita verbalizar una categoría, y ya dispone del léxico desarrollado, busca todas las palabras asociadas con esta categoría, las ordena y selecciona una que tiene el mejor resultado para la trasmisión al oyente. De igual manera, cuando el oyente necesita interpretar una palabra, busca todas las categorías, prueba cuáles son aplicables al contexto activo en ese momento, de tal manera que opta por un único referente, y elige como ganadora la palabra asociada con el resultado más alto. El hablante y el oyente comparan los resultados y actualizan los resultados de las palabras. Cuando el juego ha tenido éxito, incrementan el resultado de la asociación entre palabra y categoría con una cantidad fija (frecuentemente un 0,1) y disminuyen el de sus competidoras con la misma cantidad. Cuando el juego ha fracasado, disminuyen el resultado de la asociación utilizada en la misma cantidad fija.

Mecanismo de comunicación no verbal

Los AIBO también tienen mecanismos no verbales para conseguir sus interacciones verbales. El objetivo comunicativo de los agentes en los experimentos de los AIBO es orientar la atención de diferentes individuos hacia un objeto dentro de un contexto compartido. Steels y sus colaboradores han llegado a la conclusión de que es crucial que los agentes puedan hacerlo así para que la comunicación tenga éxito. El lenguaje verbal por sí mismo no es suficiente. Por ejemplo, cuando un hablante no tiene una forma para expresar una categoría que quiere comunicar y necesita reforzar su opción, o cuando el oyente escucha una palabra nueva que nunca había escuchado antes, las pistas extralingüísticas son de mucha ayuda. En estos casos, el oyente conserva una nueva asociación entre la palabra escuchada y la mejor hipótesis que puede encontrar como categoría posible. La hipótesis puede verse facilitada por las claves extralingüísticas que ha proporcionado el hablante, como un gesto de la cabeza señalando el tópico en cuestión.

Mecanismo de aprendizaje

Los AIBO tienen un mecanismo de aprendizaje de asociaciones entre palabras y significados. Este mecanismo permite asociaciones en doble sentido (de las palabras a los significados y de los significados a las palabras), el uso de asociaciones múltiples (una palabra con muchos significados y un significado con muchas palabras), y debe poder registrar el valor de las asociaciones a partir de su experiencia. Si lo comparásemos con los humanos, sería nuestro mecanismo de memoria.

Como el sistema de categorización de los AIBO está basado en el sistema de ejemplos y casos, el mecanismo de aprendizaje obtiene provecho de sus propiedades. Así, el AIBO identifica en su memoria las situaciones similares a las que experimenta en ese momento, las relaciona con algoritmos de vecindad, reúne situaciones similares y extrae una regularidad relevante. Por ejemplo, si la palabra dicha por un hablante siempre que juegan es maluwna, esta forma verbal se relacionará siempre con situaciones de juego.

Mecanismo de interacción social

Los AIBO tienen un sistema que les permite establecer interacciones coordinadas entre diferentes individuos. Esto quiere decir que han de ser capaces de compartir objetivos y motivaciones entre diferentes agentes para cooperar entre sí.

EL PROBLEMA

El grupo de Steels ha encontrado que, a pesar de haber diseñado estos robots, es incapaz de saber a qué corresponden las palabras que finalmente utilizan los AIBO. De entrada, resulta paradójico el hecho de que Steels haya diseñado unos sistemas y no sepa qué es lo que hacen. Para Luc Steels, sin embargo, eso no es tan paradójico. Siempre que puede, Steels insiste en que la opción que ha tomado dentro del mundo de la inteligencia artificial y de la robótica es completamente diferente de la que era tradicional en el pasado. La inteligencia artificial clásica quería construir sistemas que hicieran ciertas cosas de manera eficaz. Steels no quiere construir robots que cumplan una serie de funciones. No. Lo que este investigador belga quiere es comprender cómo nacen y se desarrollan la inteligencia y el lenguaje. Por eso lo que ha hecho es intentar saber cuáles son las capacidades básicas necesarias y suficientes que permiten el desarrollo de la inteligencia y el lenguaje. Steels ha diseñado sus robots con unos mecanismos sencillos de reglas locales, lo que permite a los sistemas buscar por sí mismos soluciones a sus problemas. Sus AIBO parecen ser la culminación de su esfuerzo. El hecho de que no entienda lo que dicen es para él un elogio y no un problema. AIBO ha demostrado que puede crear un lenguaje propio, que puede comunicarlo y adaptarse a su entorno. Es más, el problema para Luc Steels no es tanto saber cuál es el significado concreto de las palabras (piloto, verde, rojo, etc.), sino saber a qué corresponden los significados en general (¿a las propiedades perceptivas de los objetos de su entorno?; ¿a las reglas que determina cada categoría?). Porque una vez analizados los programas de los AIBO, Steels se ha percatado de que los AIBO ya no utilizan las palabras simplemente para referirse a cosas concretas, como la pelota o el color verde. Parece que los robots han ido más allá. Pero, ¿adónde? Para entender mejor a dónde van los AIBO es necesario que hagamos un pequeño repaso sobre el lugar de donde vienen.

1La 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.

Capítulo 2

EL CAMINO HACIA EL AIBO

Septiembre de 1948. Un grupo de investigadores se reúne en el Cambridge Institute of Technology para celebrar una conferencia bautizada con el nombre de «Mecanismos cerebrales en la conducta», pero que ha pasado a la historia como el Simposio Hixon (Gardner, 1985). Los investigadores provienen de campos de estudio muy diferentes, pero todos tienen como objetivo de su trabajo la arquitectura y el funcionamiento de la conducta perceptiva e inteligente.

El primer conferenciante es John von Neumann, el físico alemán considerado como el creador de los ordenadores y un genio de las matemáticas. Von Neumann dibuja en su conferencia de apertura la comparación entre los ordenadores electrónicos y el cerebro, comparación de la cual todavía no podemos desprendernos.