_
_
_
_
_
Reportaje:

La evolución, aplicada a la inteligencia artificial. Programas que se adaptan generación tras generación

La inteligencia artificial (IA), que durante mucho tiempo consistió en transferir la capacidad humana a unos algoritmos, vive una pequeña revolución. Unos investigadores se inspiran en la teoría de la evolución para hacer aparecer, en programas o sistemas de control de robots, comportamientos adaptados a la tarea requerida. Simulaciones y cambios en la programación permiten conservar, generación tras generación, sólo los más aptos.

Más información
Darwin, fecunda fuente de inspiración para la robótica EL PAÍS, HERVÉ MORIN Darwin, genio tutelar de los biólogos, ¿extiende su impronta al mundo de los informáticos? Su teoría de la evolución, según la cual (para simplificar) la selección natural conduce a la supervivencia del más apto y, en la generación siguiente, a la transmisión de los caracteres más adaptados al medio, es una fecunda fuente de inspiración para un número creciente de investigadores en inteligencia artificial y robótica. Estos informáticos realizan la programación evolucionista, utilizan algoritmos genéticos, y propician mutaciones, híbridos, cruces y recombinaciones de cromosomas numéricos. El entusiasmo es tal que algunos investigadores no dudan en poner en tela de juicio las definiciones clásicas de la inteligencia artificial (IA). Ya que, si bien estos sistemas que se derivan de ella "resuelven problemas, no resuelven el problema de saber cómo se resuelve un problema", lamentan los informáticos Kumar Chellapilla y David Fogel que exhortan a sus colegas a inspirarse de un modelo trivial, la vida, que es el origen de las "formas más comunes de inteligencia". En efecto, ¿por qué no suscitar azar y necesidad, provocar la aparición de programas inteligentes multiplicando las generaciones y seleccionando a los más capaces, como hace la naturaleza? El principio es sencillo, e incluso fue esbozado a finales de los años cuarenta por Alan Turing, que abandonó esta vía considerada entonces demasiado lenta. Pero hoy, se puede disponer de la potencia de los ordenadores y ésta permite simular siglos de evolución en pocos segundos. Los resultados están ahí, surgen de forma casi mágica, como en el Laboratorio de Informática de París 6 (LIP6), donde un robot evolucionista hexápodo empezó por desplazarse torpemente antes de que su sistema interno de control (20 neuronas únicamente) se ajustase a lo largo de un millar de generaciones, ofreciendo un sugerente atajo para adquirir la marcha trípode en los insectos. Otros sistemas evolucionan de forma diferente y se desplazan como reptiles, combinan nadar con caminar, pero pueden igualmente aprender a estabilizar el vuelo de un helicóptero o a gestionar una cartera de acciones. La red Evonet, que agrupa a los investigadores europeos de evolución artificial, censa toda una serie de aplicaciones ya operativas: generación de bactericidas, mejora de la gestión de yacimientos petrolíferos y de gas, diseño de suspensiones para automóviles, definición de tratamientos de radioterapia y programación de paneles publicitarios móviles. El método, que presenta la ventaja de combinarse con la programación clásica, es atractivo, pero tiene sus límites, que los especialistas en inteligencia artificial no ocultan. "Es bastante fácil crear un algoritmo genético", subraya Evelyne Lutton, investigadora del Instituto Nacional de Investigación en Informática y Automatización (INRIA), que los utiliza para poner a punto motores de búsqueda de datos. "Pero es más difícil comprender por qué y cómo funciona". El resultado obtenido es una especie de "caja negra", que habrá que abrir si se desea comprender el mecanismo (una precaución reclamada por los empresarios preocupados por evitar que surja cualquier comportamiento imprevisto). "Extraer conocimientos a partir de las soluciones o de las representaciones internas que construye el sistema para resolver el problema planteado es muy difícil", confirma Frédéric Alexandre, del Laboratorio de Investigación en Informática y Aplicaciones de Lorena-Loria (Nancy), que utiliza la programación evolucionista para dirigir el comportamiento de robots, ajustar máquinas industriales o prever la posición de las antenas de teléfono en el territorio. Otra dificultad consiste en determinar la "función de fitness (idoneidad)" que sirve para evaluar si el objetivo buscado ha sido alcanzado o si está más cerca y si se puede permitir al programa reproducirse. Para un juego como las damas, es bastante fácil de definir, pero es completamente distinto cuando se trata de soltar un robot en un entorno complejo con la única misión de sobrevivir. Una objeción clásica está resumida en la fórmula "los aviones a reacción no baten las alas": la evolución por sí sola no ha encontrado forzosamente las soluciones más ingeniosas. "No copiamos las formas sino los principios de organización", replica Jean-Arcady Meyer, del LIP6. "No desembocamos obligatoriamente en lo que ha realizado la naturaleza", aunque sea grande la tentación de empezar por aspectos elementales del comportamiento y reconstruir paso a paso la evolución artificial, los comportamientos animales y humanos más logrados. Los mejores robots construidos siguiendo este principio aún están en el estadio de los reflejos y los balbuceos, pero hacer evolucionar una máquina hasta la perfección del cerebro humano no es, sin duda, algo totalmente utópico. Haciendo de puente entre los biólogos que, como Antonio Damasio, piensan que la inteligencia también está forjada por las emociones, algunos aguardan ya la primera muestra de emoción de los robots evolucionistas. Ajedrez El principio básico que rige la mayoría de los algoritmos del juego del ajedrez es la teoría del minimax, elaborada en 1950 por Claude Shannon, investigador de la compañía Bell Telephone y pionero de la teoría de la información y de la comunicación. Ésta lleva al ordenador a pasar revista a todas las posibilidades de un número limitado de movimientos y a asignarles un valor que tome en cuenta los beneficios para el jugador y para su adversario. La mejor alternativa era entonces aquella que maximizase lo primero a la vez que minimizaba lo segundo. Pero es difícil contemplar todas las opciones. En 1953, otro pionero de la ciencia informática, Alan Turing, introdujo la idea de posición muerta. Una configuración que, dos movimientos después del realizado, no ofrece ninguna salida, eximiendo al ordenador de explorar las opciones siguientes. En 1958, Allan Newel y su equipo de la universidad Carnegie Mellon, en Pittsburgh, mejoraron todavía más este principio, mediante otro modo de eliminación que simplifica la elección del movimiento siguiente.

Esta selección artificial ha permitido a dos investigadores estadounidenses ver un algoritmo capaz de jugar a las damas inglesas de forma muy decorosa. Los juegos de estrategia, en los que el hombre trata de resistir a la potencia del ordenador, ofrecen un banco de pruebas para esta programación evolucionista, que apasiona a los especialistas en robótica y empieza a seducir a los empresarios.David Fogel, de la empresa Natural Selection, de La Jolla (California), y Kumar Chellapilla, de la Universidad de California San Diego, han hecho evolucionar un programa informático capaz de disputar una partida de damas inglesas de alto nivel. Tan sólo introdujeron en el ordenador las indicaciones que se dan a un jugador principiante y luego le dejaron crear diversos algoritmos (conjuntos de datos que permiten decidir el siguiente movimiento). Para ajustar estos algoritmos, procedentes de redes neuronales que imitan el funcionamiento del cerebro humano, hicieron que se enfrentasen en una lucha en la que sobrevivió el mejor.

El resultado es impresionante: tras 250 generaciones surgidas de una población inicial de 15 redes neuronales, el mejor de estos programas jugó contra todos los adversarios humanos deseosos de aceptar el desafío a través de Internet. En 80 partidas, la red neuronal se colocó en el nivel A de la clasificación estándar de los jugadores de damas, sólo por detrás de los expertos y de los maestros. Mejor aún: consiguió derrotar a un adversario experimentado. Una victoria más notable todavía porque el conjunto del proceso evolucionista sólo requirió unos cuantos días de cálculos en un ordenador doméstico (de 133 megahercios), con una potencia incomparablemente menor a la de los supercalculadores a menudo utilizados en inteligencia artificial.

Pero el programa de Fogel y Chellapilla no derrotó a Chinook, puesto a punto en la universidad de Alberta en Canadá. Desde el fallecimiento en 1995 de Marion Tinsley, considerado como el mejor jugador de todos los tiempos, no tiene rival. Sin embargo, si bien el juego de las damas inglesas tiene unas reglas más sencillas que el ajedrez, no deja de tener una complejidad sorprendente. El número de combinaciones de movimientos posibles es del orden de 500 millones de millones de millones, una cifra demasiado colosal para que un ordenador sea capaz de hallar la mejor ficha a mover.

La primera máquina que jugaba al ajedrez fue ideada por el barón Van Kampelen, un ingeniero austríaco. El jugador era un autómata con la apariencia de un turco, manipulado desde el interior por un experto en el juego. Chinook, los mejores programas informáticos de ajedrez, funcionan siguiendo el mismo espíritu, en la medida en que están dirigidos por la habilidad y la experiencia humanas programadas en el algoritmo. Basados en la inteligencia artificial tradicional, en realidad no son más que un simple calco de la habilidad humana que los creó, con unos mecanismos mentales más rápidos y un riesgo de error menor. Por lo tanto, su capacidad mejora sobre todo gracias a la sofisticación de los mecanismos que realizan una criba de las opciones. Unos mecanismos que los programadores idearon y construyeron en los algoritmos.

Es precisamente lo que Chellapilla y Fogel quieren ahora evitar. Su método consiste en dejar a unos algoritmos mediocres mejorar su capacidad únicamente a través de la experiencia. Los dos investigadores se limitan a decir a sus programas que apliquen la estrategia de un jugador modesto (un sistema de alternativas elementales que los programadores conocen por el nombre de teoría Minimax). Sus programas son capaces de aprender porque están incorporados a unas redes neuronales que funcionan como el cerebro humano. En vez de indicar paso a paso cómo lograr el resultado buscado, simplemente se proporcionan unos datos a estas redes que, a través de un proceso de aprendizaje, comparan su resultado con el buscado, para a continuación intentar acercarse a él lo más posible.

Este modo de funcionamiento es posible gracias a la estructura de las redes neuronales que están unidas entre sí por varias capas de células, formando una telaraña. Esta red es capaz de ajustar la fuerza de sus propias interconexiones, exactamente como ocurre con las de las neuronas del cerebro humano en su juventud, durante su aprendizaje. De este modo, las redes neuronales pueden adquirir todo tipo de habilidades, como reconocer las caras y las voces, las reglas de las damas o las del ajedrez. Chellapilla y Fogel les hicieron dar un paso decisivo poniéndolos a competir entre sí y seleccionando a los más dotados con el fin de mejorar su capacidad. En ello radica todo el atractivo del proceso: sin introducir ningún dato especializado, el ordenador fabricó su propio jugador de primera categoría.

Regístrate gratis para seguir leyendo

Si tienes cuenta en EL PAÍS, puedes utilizarla para identificarte
_

Archivado En

Recomendaciones EL PAÍS
Recomendaciones EL PAÍS
Recomendaciones EL PAÍS
_
_