¿Puede una máquina tener o desarrollar consciencia? Es una pregunta que ha preocupado a filósofos, matemáticos, informáticos o neurocientíficos durante siglos. La pregunta, en el siglo XX, nace a la par que la creación de los primeros agentes inteligentes en los años 40 y 50, lo cual culminó con la creación del campo de la Inteligencia Artificial en una conferencia de la Universidad de Dartmouth en 1956. Grandes científicos y filósofos como Marr, Pinker, Dennett o el propio Turing han intentado solventar esta pregunta con diversas teorías. Tal vez la respuesta este detrás del propio término consciencia, que es inherentemente humano y, por ende, definido por nosotros mismos.
En lo que puede ser un hito de la inteligencia artificial, científicos de DeepMind liderados por Daan Wierstra y entre los que se encuentran los expertos españoles Oriol Vinyals y Adria Puigdomènech Badia, han dotado de “imaginación” o por lo menos un proxy de lo que consideramos imaginación humana a un agente artificial: en esencia un robot, un programa informático.
Poder imaginar es de vital importancia para las capacidades cognitivas de los humanos, nos permite evaluar las consecuencias de nuestras acciones antes de realizarlas. Por ejemplo, al tener que volver a casa en hora punta y observar desde la ventana de nuestra oficina que la carretera en cuestión está congestionada nos paramos a pensar qué plan de acción tiene más sentido: entrar al atasco que resultará en un dolor de cabeza, buscar una ruta alternativa con sus consecuentes riesgos, ir en metro o seguir trabajando una hora más con la esperanza de que se calme la operación salida. A estas ponderaciones las solemos llamar “imaginación” y constituyen una capacidad muy humana que es esencial en nuestro día a día y en multitud de situaciones.
Uno de los objetivos de la inteligencia artificial desde sus inicios es el desarrollo de programas, robots o agentes que imiten el razonamiento humano y que actúen o piensen de manera similar a nosotros. Con este objetivo en mente, los científicos de Google DeepMind buscan en este trabajo generar algoritmos y programas que puedan adquirir la capacidad de “imaginar” el futuro y tomar decisiones basadas en ello. DeepMind ha mostrado en los últimos años resultados espectaculares en programas como AlphaGo, que recientemente ganó al campeón mundial del juego Go. Estos programas se basan en una “representación interna” capaz de analizar cómo distintas acciones llevan a distintas consecuencias y, basado en esas predicciones, crear un plan de acción y actuar en consecuencia. No obstante, hasta ahora algoritmos similares a AlphaGo funcionan muy bien en entornos “perfectos” como el del juego Go (que es extremadamente complejo), donde siguen una serie de reglas y patrones previamente detallados. Estas reglas y patrones permiten que en este tipo de entornos los algoritmos sean capaces de adaptarse y generar predicciones con gran exactitud. Sin embargo, como todos sabemos, el mundo real no está tan claramente definido, es muy variable y no siempre existe un patrón concreto. Incluso para los algoritmos más avanzados, poder generar una interpretación de estos entornos, que encontramos en la vida real, supone un proceso muy largo y computacionalmente costoso.
En dos artículos publicados recientemente por DeepMind se presentan dos arquitecturas diferentes que dotan de “imaginación” a estos agentes artificiales. La primera, los I2As o “Imagination-Augmented Agents” (Agentes Aumentados por Imaginación) utilizan una compleja estructura de redes neuronales para analizar el modelo de su entorno y producir una serie de trayectorias “imaginarias”. Estas trayectorias son posteriormente combinadas con las experiencias reales previas para así decidir estratégicamente el siguiente movimiento. La segunda, los IBPs o “Imagination-Based Planners” (Planificadores basados en imaginación) crean proyecciones sobre el efecto de diferentes acciones basándose en su modelo del entorno y experiencias previas, tanto imaginadas como reales. Una vez evaluadas las diferentes opciones, el agente crea un plan y toma una decisión. Las consecuencias de dicha acción son entonces añadidas a la memoria del agente para uso futuro en la “imaginación”.
Entre los experimentos realizados por DeepMind para estudiar la capacidad de planificación de estos algoritmos destaca el clásico videojuego de origen japonés Sokoban. Como se muestra en el video, en cada nivel el agente debe empujar las cajas a unas determinadas casillas. La dificultad de este rompecabezas reside en que algunos movimientos son irreversibles y condicionan que el agente pueda completar la tarea. Es en situaciones como esta, en las que un agente con capacidad para imaginar adquiere ventaja y así se demuestra. Los I2As de DeepMind dieron mejores resultados que cualquier otro programa de inteligencia artificial hasta el momento.
Mediante estos algoritmos y agentes, los equipos han demostrado que sus algoritmos son capaces de lidiar con entornos “imperfectos”, más similares a los que nos encontramos en la vida real, y adaptar una estrategia basada en un modelo de “imaginación” interna del propio agente artificial que les permite adaptarse a estos entornos “imperfectos”. Aunque bien es cierto que los modelos de Deep Reinforcement Learning (aprendizaje por refuerzo profundo) basados en modelos han tenido resultados espectaculares y tanto Google DeepMind como otras empresas del sector seguirán trabajando en ello. Estos nuevos agentes, capaces de “imaginar”, podrían ser muy valiosos para entornos complejos y no regulares, más similares a los que nos encontramos los humanos en nuestro día a día. Normalmente, el coste computacional de agentes de inteligencia artificial tradicionales en estos entornos es muy alto, pero estos nuevos sistemas podrían, a priori, usar sus capacidades de “imaginación” para generar planes sobre acciones futuras de manera mucho más eficiente y similar a como lo haríamos nosotros, los humanos.
Si te ha gustado este artículo, por favor, “recomiéndalo” pulsando el botón verde con el corazón para que otros puedan encontrarlo también. Para más artículos como este sigue a nuestra cuenta VISION.
Ignacio Pérez Pozuelo y Sergio Pascual Diaz son estudiantes de post-grado en las universidades de Berkeley y Cambridge respectivamente. Con el objetivo de informar al público hispano-parlante lanzaron VISION (www.medium.com/VISION-AI) a finales de verano de 2017. VISION busca nuevos escritores/editores con experiencia en Inteligencia Artificial, Machine Learning, Neurociencia, Ciencia de Datos o Automatización. Si estás interesado/a o puedes conocer a alguien que lo esté, contáctanos y cuéntanos tu experiencia e interés: vision.corppublishing@gmail.com
