La ingeniera civil electrónica, María José Escobar, investigadora colaboradora, asociada al Centro Nacional de Inteligencia Artificial, investigadora asociada del Centro Avanzado de Ingeniería Eléctrica y Electrónica (AC3E) y académica de la Universidad Técnica Federico Santa María, ha logrado que estos dispositivos logren aprender movimientos, en base a su estudio sobre las redes neuronales.
La experta resalta que el estudio del sistema nervioso, en particular del cerebro, entrega inspiración de cómo la información sensorial es manejada y procesada para la toma de decisiones o la generación de acciones.
La inteligencia artificial (IA) y el conocimiento de nuestro cerebro se entrelazan cada vez más, dando paso a novedosos desarrollos. Entre estos, está el desarrollo de algoritmos para el manejo de robots desarrollados por una científica chilena, que busca inspiración en ciertos comportamientos humanos. La ingeniera civil electrónica, María José Escobar, investigadora colaboradora, asociada al Centro Nacional de Inteligencia Artificial, investigadora asociada del AC3E y académica de la Universidad Técnica Federico Santa María, ha logrado que sus dispositivos logren aprender movimientos, en base a su estudio sobre las redes neuronales. Su trabajo será presentado este jueves en el Congreso Futuro, en el bloque 18, “Conectar la Caja Negra”.
Su exposición se centrará en la relación que existe entre la neurociencia con la inteligencia artificial y también con la llamada robótica cognitiva, que es tratar de hacer algoritmos para robots, que estén inspirados en algún proceso cognitivo observado en humanos.
Según comenta la especialista, el avance de la IA, el aprendizaje de máquina y redes neuronales es muy vertiginoso. Un ejemplo de avance importante es el programa, AlphaFold, que puede predecir de manera muy certera la estructura 3D de una proteína a partir de una cadena de aminoácidos. “Esto abre inigualables horizontes en el entendimiento de la vida, el cómo funcionan nuestros cuerpos, o el diseño de nuevos fármacos. Por otro lado, recientemente hemos sido maravillados por ChatGPT, que establece diálogos y que fácilmente podría desafiar el test de Turing utilizado para medir el desempeño de algoritmos de inteligencia artificial”, indica.
Robot “araña”
La investigadora del Cenia y AC3E, junto a su equipo, ha creado algoritmos para manejar robots especializados, con la forma similar a una araña, pero que en realidad tienen cuatro patas y no ocho, a diferencia del insecto. La idea central de su proyecto es hacer que los dispositivos se desplacen, de un punto a otro, mediante un conjunto de instrucciones o reglas (algoritmo). Ella resalta que la interacción de ellos con su entorno es clave para poder determinar la secuencia de movimientos que conforman su caminata. Es decir, son capaces de identificar la forma de su cuerpo para lograr un buen desplazamiento.
La investigadora detalla que, a diferencia de otras tecnologías clásicas en robótica, en ésta no se le entrega la información al algoritmo sobre la morfología del robot, sino que está “inferida” a partir del accionar de sus actuadores, que son los motores que conforman sus patas. Así, esta araña puede saber cómo es ella misma, mediante el movimiento. “Desarrollar instrucciones con esta mirada entrega soluciones más flexibles a posibles cambios en el entorno o en la misma composición de dichas máquinas, pudiendo el algoritmo adaptarse a este nuevo contexto, sin necesidad de modelar matemáticamente el nuevo escenario”, detalla.
Escobar comenta que también trabaja con un robot humanoide desarrollado por el IIT (Italia), “iCub”, para aprender más sobre IA. “Es como un niño de tres años, con una amplia cantidad de sensores y actuadores. En esta plataforma estamos desarrollando un algoritmo que le permite al robot, mediante la exploración táctil de sí mismo, construir un modelo matemático de cuál es su cuerpo. Si le cambias la ropa, él puede saber qué forma tiene y desplazarse en algunos espacios sin chocar o actuar de una mejor forma con una persona”, explica.
Cerebro y replicación
“El estudio del sistema nervioso, en particular el cerebro, entrega inspiración de cómo la información sensorial es manejada y procesada para la toma de decisiones o la generación de acciones”, resume la ingeniera. Según su análisis, por un lado, nos permite entender cómo procesar los datos de forma eficiente y qué características son o no importantes para cierta tarea en particular. Además, resalta que el estudio y relación entre diferentes estructuras corticales para ciertas tareas cognitivas, “puede utilizarse para el diseño de redes neuronales artificiales utilizadas en tareas similares, como, por ejemplo, la memoria”, expresa.
A raíz de estas observaciones y estudios, es que trabajó con su equipo en la generación de algoritmos para la caminata de robots araña. En cuánto a un sistema sensorial más específico, como es el visual, afirma que se puede entrenar una retina artificial, con los datos capturados de la retina de roedor, y así poder contar con un sensor visual artificial altamente eficiente y efectivo a la hora de extraer información de escenas visuales.
Maximizar la información
Para la investigadora, uno de los grandes problemas que enfrenta hoy la IA es la gran cantidad de cómputos requeridos para entrenar sus algoritmos, lo que se refleja en un tremendo consumo energético de los servidores que corren esas instrucciones de entrenamiento. “El problema se agrava aún más si es que dichos servidores se encuentran en lugares en donde el suministro de energía viene de fuentes no renovables, como en China”, resalta.
En el caso del cerebro humano, éste es altamente eficiente en el consumo energético, principalmente “por procesar la información de forma asíncrona (solamente cuando hay algo que procesar y no todo el tiempo, como un computador convencional), y porque la información es codificada en una serie de impulsos eléctricos llamados potenciales de acción”, enfatiza Escobar. Por eso, plantea, que contar con sistemas electrónicos que funcionen con estos principios, como los sistemas neuromórficos (computación modelada, a través del estudio del sistema nervioso y el cerebro), podría reducir el consumo energético de muchos algoritmos.
Por: Cristián Yáñez W. Agencia Inés Llambías Comunicaciones.
