Robots exploradores Inteligentes

La NASA utiliza inteligencia artificial para enseñar a los robots lo que deben hacer para comportarse de una manera más semejante a los exploradores humanos.

Es posible que no se asemeje
al androide Data de Viaje a las
Estrellas, sin embargo, en 
el futuro, exploradores robóticos
como este, poseerán inteligencia
artificial que les permitirían
explorar el terreno sin
supervisión humana.

Es posible que Ayanna Howard nunca ponga los pies en Marte, o conduzca una misión a Júpiter, pero el trabajo que ella está realizando sobre robots "inteligentes", ayudará, sin embargo, a revolucionar la exploración planetaria.

En su calidad de Científica de Proyecto, especializada en inteligencia artificial en el Laboratorio de Propulsión a Chorro de NASA (JPL), Ayanna es parte de un grupo que aplica energía creativa a una nueva generación de misiones espaciales -- exploración de la superficie de planetas y de la Luna por robots autónomos, capaces de "pensar" por sí mismos.


Casi todos los vehículos espaciales robóticos utilizados hoy son inflexibles en la manera como responden a las dificultades que encuentran (una importante excepción es el Deep Space 1 que emplea tecnología de inteligencia artificial). Estos robots sólo pueden ejecutar actividades que están explícitamente escritas es su software o a través de instrucciones enviadas por radio por un controlador humano en la Tierra.

Durante la exploración de planetas desconocidos, a millones de kilómetros de la Tierra, esta variedad de robot, como "perro obediente" requiere la atención constante de los humanos. En comparación, el objetivo final de Ayanna y sus colegas es de "colocar un robot en Marte y dejarlo que trabaje por sí solo sin intervención humana directa."

"Queremos darle instrucciones al robot para que piense sobre los posibles obstáculos que pueda encontrar, de igual manera que lo haría un astronauta en la misma situación," dice. "Nuestro trabajo es ayudar al robot para que piense en términos más lógicos respecto a girar a la derecha o a la izquierda, no simplemente cuantos grados de rotación."

¿Cómo es posible que un robot pueda hacer decisiones como un humano?

Los científicos han desarrollado técnicas apropiadas, aprendiendo de la habilidad visual y de observación de los humanos.

Los humanos no tienen un libro de reglas o un programa que consultar para cada movimiento que hacen, anota Ayanna -- somos mucho más ingeniosos que eso. El trabajo de su grupo es el diseño de robots que puedan emular, no solo el proceso de pensamiento y análisis de los humanos en determinar las características del terreno, sino también la habilidad humana para conducir un vehículo en tiempo real.

Ayanna Howard recibió un
doctorado en ingeniería
eléctrica de la Universidad
de California Sur,
especializándose en
inteligencia artificial y
robótica. Ha trabajado en
JPL desde 1993.

Para lograr esto, Ayanna y sus colegas cuentan con dos conceptos en el campo de la inteligencia artificial: "lógica confusa" (fuzzy logic, en inglés) y "redes neurales."

La lógica confusa permite a los computadores operar no sólo en términos de blanco y negro -- verdadero o falso -- sino también en términos de matices de gris. Por ejemplo, un computador tradicional tomaría la altura de un árbol y le asignaría la categoría de -- "alto". Pero un computador equipado con lógica confusa diría que el árbol tiene una probabilidad del 78 por ciento (por ejemplo) de estar en la categoría de "alto" y 22 por ciento de pertenecer a alguna otra categoría. La distinción exacta entre "alto" y "bajo" es ahora confusa.

Esta facultad del computador de definir categorías con base en un enfoque de probabilidades le permite al computador aprender de sus experiencias, puesto que la asignación de probabilidad puede ser modificada la próxima vez que encuentre un objeto similar. La lógica confusa ya es utilizada en software para programas de computadores en reconocimiento de voz y escritura manual, los cuales aprenden a mejorar su desempeño a través de "entrenamiento."

La combinación de lógica confusa y de redes neurales permite que los nuevos robots detecten un obstáculo en un terreno desconocido (izquierda, una secuencia de una imagen siendo procesada), juzgar la seguridad relativa de varias rutas alternas, y establecer una ruta hacia su destino (derecha, un panorama con tres imágenes), todo esto sin que un humano los guíe en tiempo real.

Las redes neurales también tienen la habilidad de aprender de sus experiencias. Esto no debe ser una sorpresa puesto que el diseño de redes neurales duplica la manera que las células del cerebro -- llamadas "neuronas" -- procesan información.

"Las redes neurales permiten asociar entradas generalizadas con un resultado específico," dice Ayanna. "Cuando una persona observa cuatro patas y oye un ladrido (las entradas), su experiencia le permite concluir que esto es un perro (el resultado)." Esta facilidad de las redes neurales permitirá que un nuevo robot seleccione comportamientos o caminos a seguir de acuerdo a elementos generales de sus alrededores, de manera muy semejante a lo que hacen los humanos.

En este ejemplo simplificado de
una red neural, las señales de
entrada se conectan a la capa
amarilla de la izquierda, pasan a
través de dos capas de proceso,
y luego emergen a la derecha
como señales de salida. Esta
arquitectura puede ejecutar
problemas de lógica
sorprendentemente sofisticados,
 especialmente cuando se
agregan bucles de realimentación.

Para poder hacer esto, las redes neurales contienen varias capas de "nodos," que son análogas a las neuronas. Cada nodo en una capa está conectado a nodos en otras capas. Las señales viajan en esta red de conexiones, y cada nodo actúa como una compuerta, solo dejando pasar señales de cierta magnitud. La red "aprende" ajustando el umbral para cada nodo individual.

Este gráfico de redes neurales, que puede ser dibujado en una servilleta, puede parecer muy simple, pero en la práctica, estos cerebros artificiales pueden ejecutar problemas de lógica increíblemente complejos. Ayanna llama a las redes neurales "tecnología de caja negra" -- en otras palabras, lo que pasa entre la capa de entrada y la de salida es tan difícil de descifrar que los científicos la tratan como una "caja negra " que de una manera u otra convierte las entradas en salidas.

Combinando estas dos tecnologías, Ayanna y sus colegas en el JPL esperan poder crear un "cerebro" robot que por si solo pueda aprender a caminar sobre los terrenos desconocidos de otros planetas.

Si es posible que los
humanos algún día
lleguen a colonizar la
Luna y otros planetas,
los robots autónomos
se convertirán en una
herramienta invaluable
para ayudar a los
humanos en la
exploración de
nuevos mundos.

Este robot inteligente se parece más a las fantasías de ciencia-ficción de las tiras cómicas para niños que a un proyecto real de NASA. Sin embargo, Ayanna cree que el parecido con la ciencia-ficción contribuye a su importancia en la exploración del espacio.

Ayanna -- quien deseaba ser la "mujer biónica" de televisión cuando era joven, y más tarde decidió que lo que quería más bien era construirla -- dice que ella cree que los vuelos de la imaginación, muy comunes en la niñez, se convierten en éxitos científicos de los adultos."En verdad creo que la ciencia-ficción impulsa la ciencia real hacia adelante," dice. "Se debe tener imaginación para llegar hasta el nivel siguiente."