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.
Arriba: Es posible que no se asemeje
al androide Data de Viaje a las Estrellas, sin embargo, en el
futuro, exploradores robóticos como éste poseerán
inteligencia artificial que les permitirían explorar el
terreno sin supervisión humana. Imagen cortesía
de JPL.
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.
Arriba: 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.»
Arriba: 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.
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.
Arriba: 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.
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.
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.
Derecha: 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.
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.»
Enlaces a la Red, en inglés |
Guía
Grupo
¿Qué es lógica
¿Qué es una red
Grupo de Investigación y Aplicaciones
Programa
Navegación Segura — proyecto de desarrollo de
Dr. Ayanna Howard — Página de Internet
Laboratorio
Las Formas de Vida Extraterrestre
Diseño Darvinista — Artículo de Science@NASA: La inteligencia artificial |