Por Michio Kaku
¿Acaso los robots heredaran la Tierra? Sí, pero serán nuestros hijos
Marvin Minsky
¿El final de la humanidad?
El titular del New York Times decía: “A los científicos les preocupa que las maquinas puedan sobrepasar en inteligencia al hombre. En 2009; los mayores expertos mundiales en inteligencia artificial (IA) se habían reunido en la Conferencia de Asilomar, en California, para debatir solemnemente sobre lo que sucederá cuando las maquinas por fin tomen el poder. Como en una escena de película de Hollywood, los delegados plantearon cuestiones de sondeo tales como ¿Qué cree usted que sucedería si un robot llegara a ser tan inteligente como su esposa?
Como prueba indiscutible de esta revolución robótica, la gente menciono el avión teledirigido Predator, una aeronave sin piloto que está ahora apuntando a terroristas con precisión en Afganistán y Pakistán; coches que se conducen solos, y ASIMO, el robot más avanzado del mundo, que puede caminar, correr, subir escaleras, bailar e incluso servir el café.
Uno de los organizadores de la conferencia, Eric Horvitz, de Microsoft, al percibir el nerviosismo que esta reunión había suscitado, dijo: “los tecnólogos están aportando unas visiones casi religiosas y sus ideas evocan en cierto modo la idea misma de éxtasis”.
A juzgar por los titulares de prensa y las marquesinas de los cines, parece como si la humanidad estuviera a punto de dar sus últimas boqueadas. Las lumbreras de la IA se preguntan solemnemente ¿Tendremos algún dia que bailar tras unos barrotes, mientras nuestras creaciones robóticas nos arrojan maníes, como hacemos ahora con los osos en el zoo?¿O tal vez nos convertiremos en los perritos falderos de nuestros robots?
El Predator, un avión teledirigido de unos 8 metros de largo, que dispara misiles está controlado por un ser humano que maneja una palanca de mando. Un humano, probablemente un joven veterano de los videojuegos, esta cómodamente sentado ante una pantalla de ordenador y selecciona los objetivos. Es el humano, no el Predator, quien realiza los disparos. Por otra parte, los coches que conducen a sí mismos no son independientes a la hora de tomar decisiones cuando exploran el horizonte y giran el volante, lo que hacen es seguir un GPS en su memoria.
Drone de EE.UU.
Drone Chino
ASIMO, el robot
Los investigadores de IA se refieren a veces al robot creado por Honda, llamado ASIMO (advanced step in innovative mobility), considerandolo una demostracion greafica de los avances revolucionarios que se han llevado a cabo en la robotica. Mide 130 cm de altura, pesa 54 kilos y parece un chico joven que tiene puesto un casco con una visera negra y lleva una mochila a la espalda. ASIMO es realmente un caso curioso; puede caminar, correr, subir escaleras y hablar con gran naturalidad. Puede ir de una habitacion a otra, agarrar tazas y bandejas, obedecer algunas ordenes sencillas e incluso reconocer algunos rostros. Posee un amplio vocabulario y habla varios idiomas. ASIMO es el resultado de veinte años de arduo trabajo realizado por un gran número de científicos de Honda, que han creado un prodigio de ingeniería.
En dos ocasiones ha tenido el privilegio de relacionarme personalmente con ASIMO en conferencias, cuando presentaba programas especiales de ciencia para la BBC/Discovery. Cuando le estreche la mano, respondió de una manera perfectamente humana. Cuando lo salude agitando la mano, me respondió igual. Cuando le pedí un jugo, se dio media vuelta y se dirigió a la mesa de los refrescos, con unos movimientos sorprendentemente humanos. De hecho, ASIMO se parecía tanto a un ser vivo que, al oírle hablar, casi esperaba que se quitara el casco y dejara ver al chico que estaba escondido allí adentro. Incluso podía bailar mejor que yo.
Al principio se tiene la sensación de que ASIMO es inteligente, capaz de responder a las órdenes de los seres humanos, de mantener una conversación y de caminar por una habitacion. Pero la realidad es muy diferente. Mientras interactuaba con ASIMO frente a la cámara de televisión, lo que de verdad sucedía era que todos sus movimientos, todos los matices de su actuación estaban escritos detalladamente en un programa. De hecho, nos llevó unas tres horas filmar una simple escena de cinco minutos con ASIMO. Y aun así para manejar a ASIMO fue necesario todo un equipo de personas que reprogramaban trabajosamente al robot mediante sus laptops después de cada escena que filmábamos. Desde luego, ASIMO habla en varios idiomas, pero en realidad es reproductor de cd´s. El repite como un loro todo lo que un ser humano ha programado. Aunque ASIMO se vuelve más sofisticado cada año que pasa, es incapaz de tener un pensamiento propio. Toda palabra, todo gesto, todo paso ha de ser ensayado por sus entrenadores.
Posteriormente tuve una conversación sincera con uno de los inventores de ASIMO, y este admitió que el robot, a pesar de su notable parecido con los humanos en cuanto a movimientos y actuaciones, tenía la inteligencia de un insecto. La mayoría de sus movimientos tenían que ser programados minuciosamente con antelación. ASIMO puede caminar exactamente igual que un ser vivo, pero sus pasos han de ser programados con todo detalle para que no se choque con muebles, ya que es incapaz de reconocer los objetos que hay en la habitacion.
El investigador de IA Thomas Dean de la Universidad Brown, ha admitido que los torpes y pesados robots que el está construyendo se encuentran “nada más en la fase de ser lo suficientemente fiables como para recorrer la sala sin dejar marcas de choques contra las paredes”. Como veremos más adelante, por el momento nuestros ordenadores más potentes apenas pueden simular las neuronas de un ratón, y eso solo durante unos pocos segundos. Serán necesarias muchas décadas de duro trabajo para conseguir que los robots lleguen a ser tan listos como un ratón, un conejo un perro o un gato y más tarde como un mono.
ASIMO en movimiento
Evolucion de ASIMO a través de los años
¿Es el cerebro un ordenador digital?
Un problema fundamental que han detectado ahora los matemáticos es que hace cincuenta años cometieron un grave error al pensar que el cerebro era como un gran ordenador digital. Pero ahora resulta terriblemente obvio que no lo es. El cerebro no tiene ningún chip Pentium, ni Windows, ni sistema operativo, ni software de aplicaciones. De hecho, la arquitectura de los ordenadores digitales es bastante diferente de la del cerebro, que es una máquina de aprender, una colección de neuronas que se renuevan constantemente cada vez que aprenden, una tarea nueva. Un ordenador no aprende nada hoy es tan tonto como ayer.
Así pues, hay al menos dos maneras de construir un modelo de cerebro. La primera, el tradicional modo de “arriba hacia abajo”, es tratar a los robots como ordenadores digitales y programarles desde el principio todas las reglas de la inteligencia. A su vez un ordenador puede descomponerse en algo llamado máquina de Turing, un hipotético aparato inventado por el gran matemático británico Alan Turing. Una máquina de Turing está formada por tres componentes básicos: una entrada de datos, un procesador central que los digiere, y una salida de resultados. Todos los ordenadores siguen este modelo. El objetivo de este planteamiento es disponer de un CD que contenga todas las reglas de inteligencia codificadas.
Metodo de arriba hacia abajo
Sin embargo nuestro cerebro es una red neuronal que sigue la regla de Hebb: siempre que se toma una decisión correcta, estas vías neuronales se refuerzan. Esto se produce simplemente porque cambia la fuerza de ciertas conexiones eléctricas entre neuronas cada vez que se consigue realizar correctamente una tarea (la regla Hebb se puede explicar mediante la vieja pregunta: ¿Cómo llega un músico a una sinfónica?, respuesta: práctica, práctica y más práctica. En el caso de una red neuronal, la perfección se consigue mediante la práctica. La regla de Hebb explica también porque los malos hábitos son tan difíciles de eliminar y es que la vía neuronal de un mal hábito está muy reforzada).
Regla de Hebb
Las redes neuronales se basan en el procedimiento “de abajo hacia arriba”. En vez de recibir las reglas de inteligencia como una aportación gratuita, las redes neuronales las aprenden del mismo modo que aprende un niño tropezando con las cosas y aprendiendo a partir de la experiencia. Las redes neuronales no son programadas sino que aprenden por el viejo método de “la letra con sangre entra”.
Las redes neuronales poseen una arquitectura completamente diferente de las ordenadores digitales. Basta con quitar un solo transistor de su procesador central para que el ordenador no funcione. Sin embargo, aunque se retiren grandes trozos de un cerebro humano, puede que este siga funcionando, porque otras partes asumen las tareas que faltan. Así pues se puede localizar con exactitud la parte con la que el ordenador digital “piensa”: su procesador central. No obstante, las exploraciones del cerebro humano muestran claramente que la actividad de pensar está dispersa por grandes zonas del mismo. Diferentes sectores se iluminan en una sucesión precisa, como si los pensamientos rebotaran de un lado a otro igual que una pelota de ping pong.
Reforzando vínculos entre neuronas
como refuerzan lazos entre neuronas, dependiendo si la respuesta es acertada (azul) o errada (rojo)
Los ordenadores pueden hacer cuentas a la velocidad de luz. Por el contrario el cerebro es increíblemente lento. Los impulsos nerviosos viajan a una velocidad desesperadamente lenta de unos 320 km/hora. Pero el cerebro compensa esto con mucho porque es masivamente paralelo, ya que tiene 100000 millones de neuronas operando al mismo tiempo y realizando cada neurona una pequeñísima parte del cálculo en conexión con otras 10000 neuronas. En una competición, un solo procesador ultrarrápido se queda a bastante distancia por detrás de un procesador en paralelo superlento. (Esto hace pensar en el viejo enigma: si un gato puede comerse un ratón en un minuto ¿Cuánto tardan un millón de gatos en comerse un millón de ratones? Respuesta: un minuto).
Además el cerebro no es digital. Los transistores son puertas que pueden abrirse o cerrarse, lo cual se representa mediante el 1 o el 0. También las neuronas son digitales (pueden disparar o no disparar) pero pueden ser asimismo analógicas, transmitiendo tanto señales continuas como señales discretas.
Dos problemas que plantean los robots
Dadas las limitaciones de los ordenadores en comparación con el cerebro humano, se puede entender porque los ordenadores no han sido capaces de realizar dos tareas que los seres humanos llevan a cabo sin esforzarse: reconocer patrones y usar el sentido común. Durante el último medio siglo, estos dos problemas se han resistido a todos los intentos de encontrarles una solución. Esta es la razón principal por la que no tenemos robots que hagan de doncellas, mayordomos y secretarios.
El primer problema es el reconocimiento de patrones. Los robots pueden ver mucho mejor que un ser humano, pero no comprenden lo que ven. Cuando un robot entra en una habitacion, convierte la imagen en un embrollo de puntos. Procesando esos puntos puede reconocer un conjunto de líneas rectas, círculos, cuadrados y rectángulos. Entonces el robot intenta confrontar este embrollo de figuras, una a una, con los objetos que están almacenados en su memoria, lo cual es una tarea extraordinariamente tediosa, incluso para un ordenador. Después de muchas horas de cálculos, el robot puede asociar estas líneas con sillas, mesas y personas. Por el contrario cuando nosotros entramos en una habitacion, en una fracción de segundo reconocemos sillas, mesas, escritorios y personas. En realidad nuestros cerebros son principalmente máquinas de reconocimiento de patrones.
El segundo problema es que los robots no tienen sentido común. Aunque pueden oír mucho mejor que un ser humano, no comprenden lo que oyen.
El problema con el procedimiento “de arriba hacia abajo” es sencillamente que son demasiadas las líneas de código del sentido común que son necesarias para imitar el pensamiento humano. Por ejemplo: para describir las leyes del sentido común que conoce un niño de seis años, se necesitan cientos de millones de líneas de código. Hans Moravec antiguo director del laboratorio de IA de Carnegie Mellon, se lamenta diciendo: “hasta la fecha, los programas de IA no muestran ni una pizca de sentido común. Por ejemplo, un programa de diagnóstico médico puede prescribir un antibiótico cuando se le presenta una bicicleta rota, porque carece de un modelo de persona , enfermedad o bicicleta.
Sin embargo, algunos científicos se aferran a la creencia de que los obstáculos para dominar el sentido común se superan únicamente trabajando al máximo. Piensan que un nuevo Proyecto Manhattan como el programa que fabrico la bomba atómica, resolvería con toda seguridad el problema del sentido común. El programa de choque para crear esta “enciclopedia de crecimiento” se llama CYC y se inició en 1984. Iba a ser el logro definitivo de la IA, el proyecto de codificar todos los secretos del sentido común en un solo programa. No obstante, después de varias décadas de duro trabajo el proyecto CYC no ha logrado conseguir sus objetivos.
El objetivo del CYC es sencillo: dominar “cien millones de cosas, más o menos el número de cosas que una persona media común conoce sobre el mundo, y conseguirlo para el 2007. Esta fecha limite como muchas otras anteriores, ha pasado ya sin éxito alguno. Cada uno de los hitos alcanzados por los ingenieros del CYC ha llegado y ha pasado sin que los científicos estén más cerca de dominar la esencia de la inteligencia.
CYC
El hombre contra la maquina
Una vez tuve la oportunidad de comparar mi ingenio con el de un robot en una competición con uno construido por Tomaso Poggio, que trabaja en el MIT. Aunque los robots no pueden reconocer patrones sencillos tal como los reconocemos nosotros, Poggio consiguió crear un programa informático que podía procesar rápidamente como los seres humanos en un área específica: “el reconocimiento inmediato”. Se trata de nuestra misteriosa habilidad para reconocer al instante un objeto, incluso antes de que seamos conscientes de su presencia (el reconocimiento inmediato ha sido importante para nuestra evolución, ya que nuestros antepasados tenían solo una fracción de segundo para determinar si un tigre acechaba tras los arbustos, incluso antes de ser plenamente consciente de su presencia). Por primera vez un robot conseguía una puntuación más alta que la de un ser humano en una prueba específica de reconocimiento visual.
Tomaso Poggio y su metodo
La competición entre la máquina y yo era sencilla. Primero me senté en una silla y me puse a mirar una pantalla de ordenador. Entonces una imagen surgió en la pantalla durante una fracción de segundo y yo tenía que pulsar una de dos teclas tan rápido como fuera posible, para indicar si lo que veía era animal o no. Fue bastante embarazoso ver que, de muchas pruebas rápidas, la máquina y yo teníamos más o menos la misma puntuación.
Pero hubo momentos en que la maquina tenia mejor resultado que yo. (Cuando me lo dijeron, me resulto consolador saber que el ordenador siempre conseguía un 82% de respuestas correctas y los seres humanos solo un 80% de media). El secreto de la máquina de Poggio es que copia las lecciones de la madre naturaleza. Muchos científicos están constatando que hay mucho de verdad en esa afirmación: “la rueda ya ha sido inventada, entonces “¿Por qué no copiarla?” Por ejemplo, cuando un robot mira una imagen, normalmente intenta dividirla en una serie de líneas rectas, círculos, cuadrados y otras figuras geométricas. Pero el programa de Poggio es diferente.
Cuando vemos una imagen, podríamos ver primero los esbozos de varios objetos, luego vemos varias características dentro de cada objeto, luego vemos el sombreado dentro de esas características etc. Por lo tanto estamos fragmentando la imagen en muchas capas. En cuanto. En cuanto al ordenador procesa una capa de la imagen, la integra con la siguiente, y así sucesivamente. De este modo paso a paso, capa a capa, imita el modo jerárquico en que nuestro cerebro procesa las imágenes.
Posteriormente, tuve la oportunidad de ver en acción ambos procedimientos, el “de arriba hacia abajo” y el de “abajo hacia arriba”. Fui primero al centro de inteligencia artificial de la Universidad de Stanford, donde conocí STAIR (Stanford artificial intelligence robot) que utiliza el procedimiento de “arriba hacia abajo”. STAIR mide un metro y 20 centímetros y tiene un enorme brazo que puede hacer girar los objetos que hay en una mesa y asirlos para llevárselos. STAIR es también móvil, con lo cual puede desplazarse por una oficina o una casa. Este robot tiene una cámara tridimensional que enfoca un objeto e introduce su imagen tridimensional en un ordenador, el cual a continuación guía el brazo mecánico para que este agarre el objeto. Desde la década de 1960 existen robots como este para asir objetos, y se ven en las fábricas de autos.
Pero las apariencias engañan. STAIR puede hacer mucho más. A diferencia de los robots de las fábricas de autos, STAIR no sigue un guion previo. Opera por sí mismo. Por ejemplo, si se le pide que agarre una naranja, puede analizar un conjunto de objetos que se encuentren sobre una mesa y compararlos con los miles de imágenes que están almacenadas en su memoria, para así identificar la naranja y agarrarla. También puede identificar objetos con mayor precisión asiéndolos y haciéndolos girar.
Dos versiones de STAIR
Para ponerlo a prueba, revolví unos cuantos objetos sobre una mesa y luego observe que sucedía tras pedirle que me diera un objeto determinado. Vi como STAIR analizaba la nueva disposición de los objetos y luego alcanzaba y retiraba el que yo le había pedido. El objetivo último es conseguir que STAIR se desplace por la casa y por la oficina, agarre diversos objetos y herramientas e interaccione con ellos, e incluso converse con las personas en un lenguaje simplificado. De este modo será capaz de hacer todo lo que hace el cadete en una oficina. STAIR es un ejemplo del procedimiento “de arriba hacia abajo”, todo está programado en este robot desde el principio.
Más tarde tuve ocasión de visitar la Universidad de Nueva York donde Yann LeCun está experimentando con un diseño totalmente diferente: el LAGR (learning applied to ground robots). El LAGR es un ejemplo del procedimiento de “abajo hacia arriba”, el robot tiene que aprender todo partiendo de cero y dando tropezones con las cosas. Es del tamaño de un carrito de golf y tiene dos cámaras de estéreo en color que exploran el entorno identificando los objetos que encuentra a su paso. Así, se mueve entre esos objetos, evitándolos cuidadosamente y aprendiendo a cada paso. Está equipado con un GPS y dos sensores de rayos infrarrojos que pueden detectar los objetos que haya frente a él. Contiene 3 chips Pentium y está conectado a una red Gigabit Ethernet. Fuimos a un parque cercano donde LAGR nos demostró como evitaba varios obstáculos situados en su camino. Cada vez que repetía el recorrido, sabia evitar los obstáculos mejor que la vez anterior.
LAGR
Una diferencia importante entre LAGR y el STAIR es que el primero está diseñado para aprender. Cada vez que LAGR se tropieza con algo, se mueve alrededor del objeto y aprende a evitarlo en el futuro.
Japón es uno de los líderes mundiales en robotica. Este país está gastando mucho dinero en robots para mitigar la crisis del sistema sanitario que se avecina. Visto en retrospectiva, no sorprende que Japón sea una de las naciones punteras en robotica, por varias razones. En primer lugar, en la religión sintoísta se cree que los objetos inanimados tienen en su interior espíritus, incluso los objetos mecánicos. En Japón no es raro encontrarse con robots recepcionistas que saludan a los clientes a la entrada de los shoppings. De hecho, el 30% de los robots comerciales del mundo están en Japón.
Robots modulares
A mediados de siglo puede que nuestro mundo esté lleno de robots pero también podría ser que no notáramos su presencia, porque la mayoría de estos robots no tendría forma humana. No estarán a la vista o irán disfrazados de serpientes, insectos y arañas, y realizaran tareas desagradables pero cruciales. Serán robots modulares, que podrán cambiar de forma según la tarea que realicen.
Robots cucarachas
He tenido la oportunidad de conocer a Weimin Shen, de la Universidad del Sur de California (USC), uno de los pioneros en el campo de robots modulares. Su idea es crear pequeños módulos cúbicos que pueden intercambiarse y montarse una y otra vez voluntad, como si fuera un rasti o un lego. Shen los llama robots polimórficos, porque pueden cambiar de forma, geometría y función. En su laboratorio pude ver al instante la diferencia entre su planteamiento y el de Stanford o el MIT. Estos dos últimos laboratorios parecen una juguetería por todos lados hay pequeños robots que caminan y hablan. Son aeroplanos, helicópteros, camiones e insectos, todos ellos con chips en su interior y todos dotados de movimiento autónomo.
Robots modulares polimorficos
En cambio en USC se ve algo diferente. Hay cajas de módulos cúbicos caras miden más o menos 13 cm cuadrados, estas cajas pueden unirse o separarse para formar toda una variedad de criaturas con aspecto de animales. Pueden crearse serpientes que se deslizan sobre una línea. O anillos que pueden rodar como un aro. Pero también es posible retorcer los cubos y engancharlos con juntas en formas de “Y” con lo que es posible crear un conjunto totalmente nuevo de artilugios que parecen pulpos, arañas, perros o gatos. Esto sería muy útil para atravesar barreras. Si un robot con forma de araña estuviera deslizándose por las alcantarillas y se encontrara con un muro, primero buscaría un pequeño orificio y luego se desmontaría a sí mismo, para que cada pieza pasara por el agujero. Después las piezas volverían a unirse por sí mismas del otro lado del muro.
Robots cirujanos y cocineros
La cirugía tradicional para una intervención cardiaca de bypass coronario requiere una incisión de unos 30 cm en el pecho, para lo cual es necesaria anestesia general. Abrir la cavidad torácica aumenta el riesgo de infección y la duración del periodo de recuperación del paciente, genera un dolor y un malestar intensos durante el proceso de cicatrización y deja una cicatriz desfiguraste. Pero el sistema robótico Da vinci puede aminorar considerablemente todo esto. El robot Da Vinci está dotado de cuatro brazos, uno para manipular una videocámara y tres para realizar cirugía de precisión. En vez de hacer una larga incisión en el tórax, solo realiza varias incisiones muy pequeñas en el costado. Hay 800 hospitales en Europa, Norteamérica y Sudamérica que utilizan este sistema, solo en 2006 se llevaron a cabo 48000 operaciones con este robot.
Da Vinci
Los japoneses se han destacado por la creación de robots que interactúan con la gente. En Nagoya hay un robot chef que puede preparar una cena estándar de comida rápida en unos pocos minutos. Basta con señalar lo que queremos con el puntero en un menú para que el robot chef prepare ese plato ante nosotros. Este robot, que fue construido por la empresa de robotica Aisei, puede cocinar unos tallarines en 1 minuto y 40 segundos y servir 80 raciones en un dia de mucho trabajo.
Robot cocinero RAMEN de Aisei
Ingeniería inversa del cerebro
A mediados de siglo tendríamos que estar ya en disposición alcanzar el hito siguiente en la historia de la IA: aplicar una ingeniería inversa al cerebro humano. Los científicos, frustrados por no haber podido crear un robot mediante silicio y acero, intentan el procedimiento inverso: desmontar el cerebro, neurona a neurona (del mismo modo que un mecánico desmontaría un motor, tuerca a tuerca y luego hacer una simulación de esas neuronas en un enorme ordenador. Estos científicos intentan sistemáticamente simular la activación de las neuronas en animales, comenzando con ratones y gatos para luego ascender en la escala evolutiva. Se trata de un objetivo claramente definido y tendría que ser posible a mediados de siglo. Fred Hapgood, del MIT, escribe lo siguiente: “Descubrir cómo funciona el cerebro, saberlo con exactitud, igual que sabemos cómo funciona un motor, obligaría a reescribir prácticamente todos los textos que tenemos en la biblioteca”.
El primer paso en el proceso de aplicar una ingeniería inversa al cerebro es comprender su estructura básica. Incluso esta sencilla tarea ha sido un largo y penoso. Históricamente las diversas partes del cerebro se identificaron haciendo autopsias, sin tener ni idea de la función que dichas partes realizaban. Esto empezó a cambiar de manera gradual cuando los científicos examinaron a personas que tenían daños cerebrales y observaron que las lesiones localizadas en ciertas partes del cerebro se correspondían con determinados cambios de comportamiento.
La mosca de la fruta tiene aproximadamente 150000 neuronas en el cerebro. La optogenética permite a los científicos en los cerebros de la moscas de la fruta ciertas neurona que se corresponden con determinados comportamientos. Por ejemplo, cuando se activan dos neuronas específicas, la mosca de la fruta recibe la señal de huida. Entonces la mosca, automáticamente estira sus patas, despliega sus alas y emprende el vuelo. Unos científicos consiguieron criar genéticamente una cepa de moscas de la fruta cuyas neuronas de huida se activaban siempre que se encendía un rayo láser. Cada vez que se les dirigía un rayo láser, estas moscas de la fruta emprendían el vuelo.
mosca de la fruta
Fileteador de cerebros de mosca
Las implicaciones de esto en cuanto a determinar la estructura del cerebro son importantes. No solo conseguiremos desenmarañar poco a poco las vías neuronales correspondientes a ciertos comportamientos, sino que también podremos utilizar esta información para ayudar a las víctimas de apoplejías y a los pacientes que sufren enfermedades cerebrales y lesiones por accidentes.
Cerebro de mosca
Foto receptores de la mosca
Gero Miesenbock, de la Universidad de Oxford, y sus colegas han logrado de este modo identificar los mecanismos neuronales de distintos animales. No solo han podido estudiar las vías para el reflejo de huida en las moscas de la fruta, sino también los reflejos relacionados con la percepción de olores. Han estudiado las vías que gobiernan la búsqueda de alimento en las ascárides. Han estudiado las neuronas que intervienen en la toma de decisiones de los ratones, y han descubierto que, mientras que solo dos neuronas intervienen para inducir comportamientos en la mosca de la fruta, son casi 300 neuronas las que se activan en los ratones para la toma de decisiones.
raton controlado por luz
Los instrumentos básicos que han estado utilizando son unos genes que controlan la producción de ciertos tintes, así como unas moléculas que reaccionan ante la luz. Por ejemplo, hay un gen de las medusas que puede producir una proteína verde fluorescente. Existe también una variedad de moléculas, como la rodopsina, que, cuando se exponen a la luz, responden permitiendo que los iones atraviesen las membranas celulares. De este modo, la proyección de luz sobre estos organismos puede inducir ciertas reacciones químicas. Utilizando estos tintes y estas sustancias químicas sensibles a la luz, Miesenbock y sus colegas han sido los primeros en conseguir diferenciar los circuitos neuronales que gobiernan ciertos comportamientos.
Construir un modelo de cerebro
Hay dos formas de construir un cerebro, una es fuerza bruta con supercomputadoras para simular el comportamiento de miles de millones de neuronas, cada una de las cuales está conectada a otros miles de neuronas. Otra es localizar todas las neuronas que hay en el cerebro.
Para la primer opción existe un ordenador capaz de semejante tarea hercúlea se llama Blue Gene de IBM uno de los más potentes del planeta.
Tuve ocasión de visitar este ordenador gigantesco cuando hacia un recorrido por el Laboratorio Nacional Lawrence Livermore en California, donde diseñan ojivas de hidrogeno para el pentágono. Es el laboratorio de armas secretas más importante de EE.UU., un complejo de 320 hectáreas que ha crecido desordenadamente en medio de explotaciones agrícolas, tiene un presupuesto anual de 1200 millones de dólares y da empleo a 6800 personas. Es el centro vital de la industria de armamento nuclear de EE.UU. Para visitarlo, tuve que pasar muchos filtros de seguridad ya que se trata de uno de los laboratorios de armamentos más secretos del mundo.
Finalmente, después de pasar una serie de controles, llegue a la entrada del edificio que alberga el ordenador Blue Gene ofrece un aspecto impresionante. Es enorme, ocupa más de 1000 metros cuadrados y está formado por filas y filas de armarios de acero negro que miden unos dos metros y medio de altura por cuatro y medio de ancho.
Blue Gene
Armando un modulo
rack y su arquitectura
Fue toda una experiencia caminar entre aquellos armarios. A diferencia de las películas de Hollywood, donde los ordenadores tienen discos que giran, luces deslumbrantes y rayos eléctricos que chisporrotean por el aire, estos armarios son totalmente inactivos, salvo por unas luces diminutas que parpadean. Se sabe que el ordenador está realizando billones de cálculos complejos, pero no se ve ni se oye nada mientras funciona.
Lo que me interesaba era el hecho de que Blue Gene simulaba el proceso reflexivo del cerebro de un ratón, que posee unos 2 millones de neuronas (poca cosa en comparación con los 100000 millones de neuronas que tenemos los humanos). Simular el proceso reflexivo de un ratón es más difícil de lo que parece, porque cada neurona está conectada a muchas otras, formando una densa red de neuronas. Pero mientras caminaba entre aquellas filas y filas de consolas que formaban Blue Gene, no pude evitar sentirme asustado ante la idea de que aquella supercomputadora pudiera simular por segundos el cerebro de un ratón. (Esto no significa que Blue Gene puede simular el comportamiento de un ratón. Actualmente los científicos pueden simular el comportamiento de una cucaracha. Lo que esto significa es que Blue Gene puede simular la activación de las neuronas de un ratón, no el comportamiento de este animal).
De hecho varios grupos se han centrado en simular el cerebro de un ratón. Un ambicioso intento es el proyecto Blue Brain de Henry Markram, que trabaja en la Ecole Polytechnique Federale de Lausana, en Suiza. Comenzó en 2005, cuando consiguió obtener una pequeña versión de Blue Gene que solo tenía 16000 procesadores, pero al cabo de un año logro hacer un modelo de la columna neocortical de una rata, una parte del neocortex que contiene 10000 neuronas y 100 millones de conexiones. Fue un estudio crucial, ya que implicaba que era biológicamente posible analizar de manera completa, neurona a neurona, la estructura de un componente importante del cerebro. (el cerebro del ratón está formado por millones de columnas como esta, repetidas una y otra vez. Por lo tanto, haciendo el modelo de una de estas columnas, se puede empezar a comprender como funciona el cerebro de un ratón).
Creando un cerebro Blue Brain
Existe un grupo que también está abordando el tema montando la última versión de Blue Gene, llamada Dawn y está también en Livermore. Dawn consta 147456 procesadores con 150000 gigas de memoria. Es unas 100000 veces más potente que el ordenador que tiene en su escritorio. Este grupo está dirigido por Dharmendra Modha y ha logrado muchos éxitos. En 2006 consiguió simular el 40% del cerebro de un ratón. En 2007 simulo el 100% del cerebro de una rata. (que contiene 55 millones de neuronas, muchas más que el cerebro de un ratón). Además en 2009 este grupo batió otro record mundial.
Logro simular el 1% de la corteza del cerebro humana, lo que equivaldría a la corteza cerebral de un gato, que tiene 1600 millones de neuronas con 9 billones de conexiones. Sin embargo, esta simulación funcionaba con mucho lentitud, más o menos a 1/600 de la velocidad del cerebro humano. (Cuando simulaba solo 1000 millones de neuronas, iba mucho más rápido, aproximadamente a 1/83 de la velocidad del cerebro humano). “ Es un telescopio Hubble de la mente, un acelerador lineal del cerebro”, dice Modha henchido de orgullo, subrayando el altísimo nivel de su hazaña. Dado que el cerebro tiene 100000 millones de neuronas, lo que estos científicos ven ahora es la luz final del túnel. Piensan que la simulación plena del cerebro humano está ya a la vista “No es solo que sea posible, es que resulta inevitable. Va a suceder” dice Modha.
Proyecto DAWN
No obstante, la construcción de un modelo del cerebro humano plantea problemas serios, especialmente en cuanto a energía y calor. El ordenador Dawn devora 1 millón de vatios de energía y genera tanto calor que necesita una instalación de aire de 6675 toneladas de peso que bombea casi 76500 m3 de aire helado cada minuto. Para conseguir un modelo del cerebro humano habría que multiplicar estas cifras por 1000.
Es una tarea monumental. El consumo de energía de este hipotético ordenador sería de 1000 megavatios, lo cual equivale a la producción de una central nuclear. Para refrigerarlo sería necesario desviar un rio y canalizar sus aguas a través del ordenador, el propio ordenador ocuparía varias manzanas dentro de la ciudad.
Sorprendentemente, el cerebro humano consume, por el contrario, solo 20 vatios, y el calor que genera apenas es perceptible.
Pero ¿qué hay del segundo método, es decir localizar cada neurona dentro del cerebro?. Este procedimiento es también una tarea de titanes y puede llevar muchas décadas de penosa investigación. Los científicos adoptan un planteamiento de “trocear y picar”, comenzando por hacer la disección del cerebro de una mosca de la fruta, partiéndolo en fetas de un máximo de 50 nanómetros de ancho (unos 150 átomos de diámetro). Esto produce millones de fetas. Después, un microscopio electrónico de barrido toma una fotografía de cada una de ellas con una velocidad y una resolución de casi 1000 millones de pixeles por segundo. La cantidad de datos que salen del microscopio electrónico es asombrosa, pues viene a ser de unos 1000 millones de bytes, lo suficiente para llenar un almacén, y todo ello para un único cerebro de mosca de la fruta.
Procesar estos datos, con la tediosa reconstrucción del cableado neuronal en tres dimensiones para cada neurona del cerebro de la mosca, llevaría aproximadamente cinco años. Para conseguir una imagen más precisa, habría que filetear muchos cerebros.
Gerry Rubin, del instituto Médico Howard Hughes, uno de los científicos punteros en este campo, piensa que, en conjunto, un mapa detallado de todo el cerebro de la mosca de la fruta tardara 20 años en llegar. “Yo diría que, cuando hayamos resuelto esto, habremos recorrido una quinta parte del camino hacia la compresión de la mente humana”, afirma Rubin. El científico reconoce la enormidad de la tarea a la que se enfrenta.
Por ejemplo aunque nos proporcionen la ubicación de cada gen dentro de una hormiga, esto no significa que sepamos cómo se crea un hormiguero. De manera similar, el hecho de que los científicos conozcan ya los más o menos 25000 genes que configuran el genoma humano, no significa que sepan cómo funciona nuestro cuerpo. El proyecto Genoma Humano es como un diccionario sin definiciones. Cada uno de los genes del cuerpo humano se nombra explícitamente en este diccionario, pero lo que hace cada gen sigue siendo en gran medida un misterio. Cada gen lleva el código de determinada proteína, pero no se sabe cómo funciona la mayoría de estas proteínas dentro del cuerpo.
Fusión humana y robots
Actualmente se persigue otra idea herética, contenida en un libro “The merger of flesh and Machines” de Rodney Brooks. Observa que los viejos laboratorios del MIT, que solían diseñar componentes de silicio para robots industriales y militares, están siendo sometidos a una limpieza para hacer sitio a una nueva generación de robots hechos de tejidos vivos, así como de silicio y acero. Brooks prevé una generación totalmente nueva de robots que compaginaran sistemas biológicos y electrónicos, con lo cual dichos robots estarán dotados de arquitectura radicalmente innovadoras.
Brooks escribe: “mi predicción es que para el año 2100 tendremos unos robots muy inteligentes que estarán presentes en todos los momentos de nuestras vidas cotidianas. Pero no seremos algo aparte con respecto a ellos, sino que en parte seremos robots y estaremos conectados con los robots”.
Su idea es que esto avanzara por etapas. Actualmente se está produciendo una revolución en las prótesis, ya que se insertan aparatos electrónicos directamente en el cuerpo humano con el fin de crear sustitutos reales para la audición, la visión y otras funciones.
Insectos Cyborgs
Por ejemplo la cóclea artificial ha revolucionado el campo de la audiología, devolviendo la capacidad auditiva a sordos. Estas cócleas artificiales funcionan conectando dispositivos electrónicos con “dispositivos” biológicos, es decir, con neuronas. El implante coclear consta de varios componentes. En el exterior del oído se coloca un micrófono. Este recibe ondas sonoras, las procesa y transmite las señales por radio al implante que se ha colocado quirúrgicamente dentro del oído. El implante recibe los mensajes de radio y los convierte en corrientes eléctricas que se envían mediante electrodos al interior del oído. La cóclea reconoce estos impulsos eléctricos y los transmite al cerebro. Estos implantes pueden utilizar hasta 24 electrodos y pueden procesar media docena de frecuencias, lo cual es suficientes para reconocer la voz humana. Hay ya 150000 personas en todo el mundo a las que se ha realizado un implante coclear.
EXTRAIDO DEL LIBRO "EL FUTURO DE LA FISICA"
¿Acaso los robots heredaran la Tierra? Sí, pero serán nuestros hijos
Marvin Minsky
¿El final de la humanidad?
El titular del New York Times decía: “A los científicos les preocupa que las maquinas puedan sobrepasar en inteligencia al hombre. En 2009; los mayores expertos mundiales en inteligencia artificial (IA) se habían reunido en la Conferencia de Asilomar, en California, para debatir solemnemente sobre lo que sucederá cuando las maquinas por fin tomen el poder. Como en una escena de película de Hollywood, los delegados plantearon cuestiones de sondeo tales como ¿Qué cree usted que sucedería si un robot llegara a ser tan inteligente como su esposa?
Como prueba indiscutible de esta revolución robótica, la gente menciono el avión teledirigido Predator, una aeronave sin piloto que está ahora apuntando a terroristas con precisión en Afganistán y Pakistán; coches que se conducen solos, y ASIMO, el robot más avanzado del mundo, que puede caminar, correr, subir escaleras, bailar e incluso servir el café.
Uno de los organizadores de la conferencia, Eric Horvitz, de Microsoft, al percibir el nerviosismo que esta reunión había suscitado, dijo: “los tecnólogos están aportando unas visiones casi religiosas y sus ideas evocan en cierto modo la idea misma de éxtasis”.
A juzgar por los titulares de prensa y las marquesinas de los cines, parece como si la humanidad estuviera a punto de dar sus últimas boqueadas. Las lumbreras de la IA se preguntan solemnemente ¿Tendremos algún dia que bailar tras unos barrotes, mientras nuestras creaciones robóticas nos arrojan maníes, como hacemos ahora con los osos en el zoo?¿O tal vez nos convertiremos en los perritos falderos de nuestros robots?
El Predator, un avión teledirigido de unos 8 metros de largo, que dispara misiles está controlado por un ser humano que maneja una palanca de mando. Un humano, probablemente un joven veterano de los videojuegos, esta cómodamente sentado ante una pantalla de ordenador y selecciona los objetivos. Es el humano, no el Predator, quien realiza los disparos. Por otra parte, los coches que conducen a sí mismos no son independientes a la hora de tomar decisiones cuando exploran el horizonte y giran el volante, lo que hacen es seguir un GPS en su memoria.
Drone de EE.UU.
Drone Chino
ASIMO, el robot
Los investigadores de IA se refieren a veces al robot creado por Honda, llamado ASIMO (advanced step in innovative mobility), considerandolo una demostracion greafica de los avances revolucionarios que se han llevado a cabo en la robotica. Mide 130 cm de altura, pesa 54 kilos y parece un chico joven que tiene puesto un casco con una visera negra y lleva una mochila a la espalda. ASIMO es realmente un caso curioso; puede caminar, correr, subir escaleras y hablar con gran naturalidad. Puede ir de una habitacion a otra, agarrar tazas y bandejas, obedecer algunas ordenes sencillas e incluso reconocer algunos rostros. Posee un amplio vocabulario y habla varios idiomas. ASIMO es el resultado de veinte años de arduo trabajo realizado por un gran número de científicos de Honda, que han creado un prodigio de ingeniería.
En dos ocasiones ha tenido el privilegio de relacionarme personalmente con ASIMO en conferencias, cuando presentaba programas especiales de ciencia para la BBC/Discovery. Cuando le estreche la mano, respondió de una manera perfectamente humana. Cuando lo salude agitando la mano, me respondió igual. Cuando le pedí un jugo, se dio media vuelta y se dirigió a la mesa de los refrescos, con unos movimientos sorprendentemente humanos. De hecho, ASIMO se parecía tanto a un ser vivo que, al oírle hablar, casi esperaba que se quitara el casco y dejara ver al chico que estaba escondido allí adentro. Incluso podía bailar mejor que yo.
Al principio se tiene la sensación de que ASIMO es inteligente, capaz de responder a las órdenes de los seres humanos, de mantener una conversación y de caminar por una habitacion. Pero la realidad es muy diferente. Mientras interactuaba con ASIMO frente a la cámara de televisión, lo que de verdad sucedía era que todos sus movimientos, todos los matices de su actuación estaban escritos detalladamente en un programa. De hecho, nos llevó unas tres horas filmar una simple escena de cinco minutos con ASIMO. Y aun así para manejar a ASIMO fue necesario todo un equipo de personas que reprogramaban trabajosamente al robot mediante sus laptops después de cada escena que filmábamos. Desde luego, ASIMO habla en varios idiomas, pero en realidad es reproductor de cd´s. El repite como un loro todo lo que un ser humano ha programado. Aunque ASIMO se vuelve más sofisticado cada año que pasa, es incapaz de tener un pensamiento propio. Toda palabra, todo gesto, todo paso ha de ser ensayado por sus entrenadores.
Posteriormente tuve una conversación sincera con uno de los inventores de ASIMO, y este admitió que el robot, a pesar de su notable parecido con los humanos en cuanto a movimientos y actuaciones, tenía la inteligencia de un insecto. La mayoría de sus movimientos tenían que ser programados minuciosamente con antelación. ASIMO puede caminar exactamente igual que un ser vivo, pero sus pasos han de ser programados con todo detalle para que no se choque con muebles, ya que es incapaz de reconocer los objetos que hay en la habitacion.
El investigador de IA Thomas Dean de la Universidad Brown, ha admitido que los torpes y pesados robots que el está construyendo se encuentran “nada más en la fase de ser lo suficientemente fiables como para recorrer la sala sin dejar marcas de choques contra las paredes”. Como veremos más adelante, por el momento nuestros ordenadores más potentes apenas pueden simular las neuronas de un ratón, y eso solo durante unos pocos segundos. Serán necesarias muchas décadas de duro trabajo para conseguir que los robots lleguen a ser tan listos como un ratón, un conejo un perro o un gato y más tarde como un mono.
ASIMO en movimiento
Evolucion de ASIMO a través de los años
¿Es el cerebro un ordenador digital?
Un problema fundamental que han detectado ahora los matemáticos es que hace cincuenta años cometieron un grave error al pensar que el cerebro era como un gran ordenador digital. Pero ahora resulta terriblemente obvio que no lo es. El cerebro no tiene ningún chip Pentium, ni Windows, ni sistema operativo, ni software de aplicaciones. De hecho, la arquitectura de los ordenadores digitales es bastante diferente de la del cerebro, que es una máquina de aprender, una colección de neuronas que se renuevan constantemente cada vez que aprenden, una tarea nueva. Un ordenador no aprende nada hoy es tan tonto como ayer.
Así pues, hay al menos dos maneras de construir un modelo de cerebro. La primera, el tradicional modo de “arriba hacia abajo”, es tratar a los robots como ordenadores digitales y programarles desde el principio todas las reglas de la inteligencia. A su vez un ordenador puede descomponerse en algo llamado máquina de Turing, un hipotético aparato inventado por el gran matemático británico Alan Turing. Una máquina de Turing está formada por tres componentes básicos: una entrada de datos, un procesador central que los digiere, y una salida de resultados. Todos los ordenadores siguen este modelo. El objetivo de este planteamiento es disponer de un CD que contenga todas las reglas de inteligencia codificadas.
Metodo de arriba hacia abajo
Sin embargo nuestro cerebro es una red neuronal que sigue la regla de Hebb: siempre que se toma una decisión correcta, estas vías neuronales se refuerzan. Esto se produce simplemente porque cambia la fuerza de ciertas conexiones eléctricas entre neuronas cada vez que se consigue realizar correctamente una tarea (la regla Hebb se puede explicar mediante la vieja pregunta: ¿Cómo llega un músico a una sinfónica?, respuesta: práctica, práctica y más práctica. En el caso de una red neuronal, la perfección se consigue mediante la práctica. La regla de Hebb explica también porque los malos hábitos son tan difíciles de eliminar y es que la vía neuronal de un mal hábito está muy reforzada).
Regla de Hebb
Las redes neuronales se basan en el procedimiento “de abajo hacia arriba”. En vez de recibir las reglas de inteligencia como una aportación gratuita, las redes neuronales las aprenden del mismo modo que aprende un niño tropezando con las cosas y aprendiendo a partir de la experiencia. Las redes neuronales no son programadas sino que aprenden por el viejo método de “la letra con sangre entra”.
Las redes neuronales poseen una arquitectura completamente diferente de las ordenadores digitales. Basta con quitar un solo transistor de su procesador central para que el ordenador no funcione. Sin embargo, aunque se retiren grandes trozos de un cerebro humano, puede que este siga funcionando, porque otras partes asumen las tareas que faltan. Así pues se puede localizar con exactitud la parte con la que el ordenador digital “piensa”: su procesador central. No obstante, las exploraciones del cerebro humano muestran claramente que la actividad de pensar está dispersa por grandes zonas del mismo. Diferentes sectores se iluminan en una sucesión precisa, como si los pensamientos rebotaran de un lado a otro igual que una pelota de ping pong.
Reforzando vínculos entre neuronas
como refuerzan lazos entre neuronas, dependiendo si la respuesta es acertada (azul) o errada (rojo)
Los ordenadores pueden hacer cuentas a la velocidad de luz. Por el contrario el cerebro es increíblemente lento. Los impulsos nerviosos viajan a una velocidad desesperadamente lenta de unos 320 km/hora. Pero el cerebro compensa esto con mucho porque es masivamente paralelo, ya que tiene 100000 millones de neuronas operando al mismo tiempo y realizando cada neurona una pequeñísima parte del cálculo en conexión con otras 10000 neuronas. En una competición, un solo procesador ultrarrápido se queda a bastante distancia por detrás de un procesador en paralelo superlento. (Esto hace pensar en el viejo enigma: si un gato puede comerse un ratón en un minuto ¿Cuánto tardan un millón de gatos en comerse un millón de ratones? Respuesta: un minuto).
Además el cerebro no es digital. Los transistores son puertas que pueden abrirse o cerrarse, lo cual se representa mediante el 1 o el 0. También las neuronas son digitales (pueden disparar o no disparar) pero pueden ser asimismo analógicas, transmitiendo tanto señales continuas como señales discretas.
Dos problemas que plantean los robots
Dadas las limitaciones de los ordenadores en comparación con el cerebro humano, se puede entender porque los ordenadores no han sido capaces de realizar dos tareas que los seres humanos llevan a cabo sin esforzarse: reconocer patrones y usar el sentido común. Durante el último medio siglo, estos dos problemas se han resistido a todos los intentos de encontrarles una solución. Esta es la razón principal por la que no tenemos robots que hagan de doncellas, mayordomos y secretarios.
El primer problema es el reconocimiento de patrones. Los robots pueden ver mucho mejor que un ser humano, pero no comprenden lo que ven. Cuando un robot entra en una habitacion, convierte la imagen en un embrollo de puntos. Procesando esos puntos puede reconocer un conjunto de líneas rectas, círculos, cuadrados y rectángulos. Entonces el robot intenta confrontar este embrollo de figuras, una a una, con los objetos que están almacenados en su memoria, lo cual es una tarea extraordinariamente tediosa, incluso para un ordenador. Después de muchas horas de cálculos, el robot puede asociar estas líneas con sillas, mesas y personas. Por el contrario cuando nosotros entramos en una habitacion, en una fracción de segundo reconocemos sillas, mesas, escritorios y personas. En realidad nuestros cerebros son principalmente máquinas de reconocimiento de patrones.
El segundo problema es que los robots no tienen sentido común. Aunque pueden oír mucho mejor que un ser humano, no comprenden lo que oyen.
El problema con el procedimiento “de arriba hacia abajo” es sencillamente que son demasiadas las líneas de código del sentido común que son necesarias para imitar el pensamiento humano. Por ejemplo: para describir las leyes del sentido común que conoce un niño de seis años, se necesitan cientos de millones de líneas de código. Hans Moravec antiguo director del laboratorio de IA de Carnegie Mellon, se lamenta diciendo: “hasta la fecha, los programas de IA no muestran ni una pizca de sentido común. Por ejemplo, un programa de diagnóstico médico puede prescribir un antibiótico cuando se le presenta una bicicleta rota, porque carece de un modelo de persona , enfermedad o bicicleta.
Sin embargo, algunos científicos se aferran a la creencia de que los obstáculos para dominar el sentido común se superan únicamente trabajando al máximo. Piensan que un nuevo Proyecto Manhattan como el programa que fabrico la bomba atómica, resolvería con toda seguridad el problema del sentido común. El programa de choque para crear esta “enciclopedia de crecimiento” se llama CYC y se inició en 1984. Iba a ser el logro definitivo de la IA, el proyecto de codificar todos los secretos del sentido común en un solo programa. No obstante, después de varias décadas de duro trabajo el proyecto CYC no ha logrado conseguir sus objetivos.
El objetivo del CYC es sencillo: dominar “cien millones de cosas, más o menos el número de cosas que una persona media común conoce sobre el mundo, y conseguirlo para el 2007. Esta fecha limite como muchas otras anteriores, ha pasado ya sin éxito alguno. Cada uno de los hitos alcanzados por los ingenieros del CYC ha llegado y ha pasado sin que los científicos estén más cerca de dominar la esencia de la inteligencia.
CYC
El hombre contra la maquina
Una vez tuve la oportunidad de comparar mi ingenio con el de un robot en una competición con uno construido por Tomaso Poggio, que trabaja en el MIT. Aunque los robots no pueden reconocer patrones sencillos tal como los reconocemos nosotros, Poggio consiguió crear un programa informático que podía procesar rápidamente como los seres humanos en un área específica: “el reconocimiento inmediato”. Se trata de nuestra misteriosa habilidad para reconocer al instante un objeto, incluso antes de que seamos conscientes de su presencia (el reconocimiento inmediato ha sido importante para nuestra evolución, ya que nuestros antepasados tenían solo una fracción de segundo para determinar si un tigre acechaba tras los arbustos, incluso antes de ser plenamente consciente de su presencia). Por primera vez un robot conseguía una puntuación más alta que la de un ser humano en una prueba específica de reconocimiento visual.
Tomaso Poggio y su metodo
La competición entre la máquina y yo era sencilla. Primero me senté en una silla y me puse a mirar una pantalla de ordenador. Entonces una imagen surgió en la pantalla durante una fracción de segundo y yo tenía que pulsar una de dos teclas tan rápido como fuera posible, para indicar si lo que veía era animal o no. Fue bastante embarazoso ver que, de muchas pruebas rápidas, la máquina y yo teníamos más o menos la misma puntuación.
Pero hubo momentos en que la maquina tenia mejor resultado que yo. (Cuando me lo dijeron, me resulto consolador saber que el ordenador siempre conseguía un 82% de respuestas correctas y los seres humanos solo un 80% de media). El secreto de la máquina de Poggio es que copia las lecciones de la madre naturaleza. Muchos científicos están constatando que hay mucho de verdad en esa afirmación: “la rueda ya ha sido inventada, entonces “¿Por qué no copiarla?” Por ejemplo, cuando un robot mira una imagen, normalmente intenta dividirla en una serie de líneas rectas, círculos, cuadrados y otras figuras geométricas. Pero el programa de Poggio es diferente.
Cuando vemos una imagen, podríamos ver primero los esbozos de varios objetos, luego vemos varias características dentro de cada objeto, luego vemos el sombreado dentro de esas características etc. Por lo tanto estamos fragmentando la imagen en muchas capas. En cuanto. En cuanto al ordenador procesa una capa de la imagen, la integra con la siguiente, y así sucesivamente. De este modo paso a paso, capa a capa, imita el modo jerárquico en que nuestro cerebro procesa las imágenes.
Posteriormente, tuve la oportunidad de ver en acción ambos procedimientos, el “de arriba hacia abajo” y el de “abajo hacia arriba”. Fui primero al centro de inteligencia artificial de la Universidad de Stanford, donde conocí STAIR (Stanford artificial intelligence robot) que utiliza el procedimiento de “arriba hacia abajo”. STAIR mide un metro y 20 centímetros y tiene un enorme brazo que puede hacer girar los objetos que hay en una mesa y asirlos para llevárselos. STAIR es también móvil, con lo cual puede desplazarse por una oficina o una casa. Este robot tiene una cámara tridimensional que enfoca un objeto e introduce su imagen tridimensional en un ordenador, el cual a continuación guía el brazo mecánico para que este agarre el objeto. Desde la década de 1960 existen robots como este para asir objetos, y se ven en las fábricas de autos.
Pero las apariencias engañan. STAIR puede hacer mucho más. A diferencia de los robots de las fábricas de autos, STAIR no sigue un guion previo. Opera por sí mismo. Por ejemplo, si se le pide que agarre una naranja, puede analizar un conjunto de objetos que se encuentren sobre una mesa y compararlos con los miles de imágenes que están almacenadas en su memoria, para así identificar la naranja y agarrarla. También puede identificar objetos con mayor precisión asiéndolos y haciéndolos girar.
Dos versiones de STAIR
Para ponerlo a prueba, revolví unos cuantos objetos sobre una mesa y luego observe que sucedía tras pedirle que me diera un objeto determinado. Vi como STAIR analizaba la nueva disposición de los objetos y luego alcanzaba y retiraba el que yo le había pedido. El objetivo último es conseguir que STAIR se desplace por la casa y por la oficina, agarre diversos objetos y herramientas e interaccione con ellos, e incluso converse con las personas en un lenguaje simplificado. De este modo será capaz de hacer todo lo que hace el cadete en una oficina. STAIR es un ejemplo del procedimiento “de arriba hacia abajo”, todo está programado en este robot desde el principio.
Más tarde tuve ocasión de visitar la Universidad de Nueva York donde Yann LeCun está experimentando con un diseño totalmente diferente: el LAGR (learning applied to ground robots). El LAGR es un ejemplo del procedimiento de “abajo hacia arriba”, el robot tiene que aprender todo partiendo de cero y dando tropezones con las cosas. Es del tamaño de un carrito de golf y tiene dos cámaras de estéreo en color que exploran el entorno identificando los objetos que encuentra a su paso. Así, se mueve entre esos objetos, evitándolos cuidadosamente y aprendiendo a cada paso. Está equipado con un GPS y dos sensores de rayos infrarrojos que pueden detectar los objetos que haya frente a él. Contiene 3 chips Pentium y está conectado a una red Gigabit Ethernet. Fuimos a un parque cercano donde LAGR nos demostró como evitaba varios obstáculos situados en su camino. Cada vez que repetía el recorrido, sabia evitar los obstáculos mejor que la vez anterior.
LAGR
Una diferencia importante entre LAGR y el STAIR es que el primero está diseñado para aprender. Cada vez que LAGR se tropieza con algo, se mueve alrededor del objeto y aprende a evitarlo en el futuro.
Japón es uno de los líderes mundiales en robotica. Este país está gastando mucho dinero en robots para mitigar la crisis del sistema sanitario que se avecina. Visto en retrospectiva, no sorprende que Japón sea una de las naciones punteras en robotica, por varias razones. En primer lugar, en la religión sintoísta se cree que los objetos inanimados tienen en su interior espíritus, incluso los objetos mecánicos. En Japón no es raro encontrarse con robots recepcionistas que saludan a los clientes a la entrada de los shoppings. De hecho, el 30% de los robots comerciales del mundo están en Japón.
Robots modulares
A mediados de siglo puede que nuestro mundo esté lleno de robots pero también podría ser que no notáramos su presencia, porque la mayoría de estos robots no tendría forma humana. No estarán a la vista o irán disfrazados de serpientes, insectos y arañas, y realizaran tareas desagradables pero cruciales. Serán robots modulares, que podrán cambiar de forma según la tarea que realicen.
Robots cucarachas
He tenido la oportunidad de conocer a Weimin Shen, de la Universidad del Sur de California (USC), uno de los pioneros en el campo de robots modulares. Su idea es crear pequeños módulos cúbicos que pueden intercambiarse y montarse una y otra vez voluntad, como si fuera un rasti o un lego. Shen los llama robots polimórficos, porque pueden cambiar de forma, geometría y función. En su laboratorio pude ver al instante la diferencia entre su planteamiento y el de Stanford o el MIT. Estos dos últimos laboratorios parecen una juguetería por todos lados hay pequeños robots que caminan y hablan. Son aeroplanos, helicópteros, camiones e insectos, todos ellos con chips en su interior y todos dotados de movimiento autónomo.
Robots modulares polimorficos
En cambio en USC se ve algo diferente. Hay cajas de módulos cúbicos caras miden más o menos 13 cm cuadrados, estas cajas pueden unirse o separarse para formar toda una variedad de criaturas con aspecto de animales. Pueden crearse serpientes que se deslizan sobre una línea. O anillos que pueden rodar como un aro. Pero también es posible retorcer los cubos y engancharlos con juntas en formas de “Y” con lo que es posible crear un conjunto totalmente nuevo de artilugios que parecen pulpos, arañas, perros o gatos. Esto sería muy útil para atravesar barreras. Si un robot con forma de araña estuviera deslizándose por las alcantarillas y se encontrara con un muro, primero buscaría un pequeño orificio y luego se desmontaría a sí mismo, para que cada pieza pasara por el agujero. Después las piezas volverían a unirse por sí mismas del otro lado del muro.
Robots cirujanos y cocineros
La cirugía tradicional para una intervención cardiaca de bypass coronario requiere una incisión de unos 30 cm en el pecho, para lo cual es necesaria anestesia general. Abrir la cavidad torácica aumenta el riesgo de infección y la duración del periodo de recuperación del paciente, genera un dolor y un malestar intensos durante el proceso de cicatrización y deja una cicatriz desfiguraste. Pero el sistema robótico Da vinci puede aminorar considerablemente todo esto. El robot Da Vinci está dotado de cuatro brazos, uno para manipular una videocámara y tres para realizar cirugía de precisión. En vez de hacer una larga incisión en el tórax, solo realiza varias incisiones muy pequeñas en el costado. Hay 800 hospitales en Europa, Norteamérica y Sudamérica que utilizan este sistema, solo en 2006 se llevaron a cabo 48000 operaciones con este robot.
Da Vinci
Los japoneses se han destacado por la creación de robots que interactúan con la gente. En Nagoya hay un robot chef que puede preparar una cena estándar de comida rápida en unos pocos minutos. Basta con señalar lo que queremos con el puntero en un menú para que el robot chef prepare ese plato ante nosotros. Este robot, que fue construido por la empresa de robotica Aisei, puede cocinar unos tallarines en 1 minuto y 40 segundos y servir 80 raciones en un dia de mucho trabajo.
Robot cocinero RAMEN de Aisei
Ingeniería inversa del cerebro
A mediados de siglo tendríamos que estar ya en disposición alcanzar el hito siguiente en la historia de la IA: aplicar una ingeniería inversa al cerebro humano. Los científicos, frustrados por no haber podido crear un robot mediante silicio y acero, intentan el procedimiento inverso: desmontar el cerebro, neurona a neurona (del mismo modo que un mecánico desmontaría un motor, tuerca a tuerca y luego hacer una simulación de esas neuronas en un enorme ordenador. Estos científicos intentan sistemáticamente simular la activación de las neuronas en animales, comenzando con ratones y gatos para luego ascender en la escala evolutiva. Se trata de un objetivo claramente definido y tendría que ser posible a mediados de siglo. Fred Hapgood, del MIT, escribe lo siguiente: “Descubrir cómo funciona el cerebro, saberlo con exactitud, igual que sabemos cómo funciona un motor, obligaría a reescribir prácticamente todos los textos que tenemos en la biblioteca”.
El primer paso en el proceso de aplicar una ingeniería inversa al cerebro es comprender su estructura básica. Incluso esta sencilla tarea ha sido un largo y penoso. Históricamente las diversas partes del cerebro se identificaron haciendo autopsias, sin tener ni idea de la función que dichas partes realizaban. Esto empezó a cambiar de manera gradual cuando los científicos examinaron a personas que tenían daños cerebrales y observaron que las lesiones localizadas en ciertas partes del cerebro se correspondían con determinados cambios de comportamiento.
La mosca de la fruta tiene aproximadamente 150000 neuronas en el cerebro. La optogenética permite a los científicos en los cerebros de la moscas de la fruta ciertas neurona que se corresponden con determinados comportamientos. Por ejemplo, cuando se activan dos neuronas específicas, la mosca de la fruta recibe la señal de huida. Entonces la mosca, automáticamente estira sus patas, despliega sus alas y emprende el vuelo. Unos científicos consiguieron criar genéticamente una cepa de moscas de la fruta cuyas neuronas de huida se activaban siempre que se encendía un rayo láser. Cada vez que se les dirigía un rayo láser, estas moscas de la fruta emprendían el vuelo.
mosca de la fruta
Fileteador de cerebros de mosca
Las implicaciones de esto en cuanto a determinar la estructura del cerebro son importantes. No solo conseguiremos desenmarañar poco a poco las vías neuronales correspondientes a ciertos comportamientos, sino que también podremos utilizar esta información para ayudar a las víctimas de apoplejías y a los pacientes que sufren enfermedades cerebrales y lesiones por accidentes.
Cerebro de mosca
Foto receptores de la mosca
Gero Miesenbock, de la Universidad de Oxford, y sus colegas han logrado de este modo identificar los mecanismos neuronales de distintos animales. No solo han podido estudiar las vías para el reflejo de huida en las moscas de la fruta, sino también los reflejos relacionados con la percepción de olores. Han estudiado las vías que gobiernan la búsqueda de alimento en las ascárides. Han estudiado las neuronas que intervienen en la toma de decisiones de los ratones, y han descubierto que, mientras que solo dos neuronas intervienen para inducir comportamientos en la mosca de la fruta, son casi 300 neuronas las que se activan en los ratones para la toma de decisiones.
raton controlado por luz
Los instrumentos básicos que han estado utilizando son unos genes que controlan la producción de ciertos tintes, así como unas moléculas que reaccionan ante la luz. Por ejemplo, hay un gen de las medusas que puede producir una proteína verde fluorescente. Existe también una variedad de moléculas, como la rodopsina, que, cuando se exponen a la luz, responden permitiendo que los iones atraviesen las membranas celulares. De este modo, la proyección de luz sobre estos organismos puede inducir ciertas reacciones químicas. Utilizando estos tintes y estas sustancias químicas sensibles a la luz, Miesenbock y sus colegas han sido los primeros en conseguir diferenciar los circuitos neuronales que gobiernan ciertos comportamientos.
Construir un modelo de cerebro
Hay dos formas de construir un cerebro, una es fuerza bruta con supercomputadoras para simular el comportamiento de miles de millones de neuronas, cada una de las cuales está conectada a otros miles de neuronas. Otra es localizar todas las neuronas que hay en el cerebro.
Para la primer opción existe un ordenador capaz de semejante tarea hercúlea se llama Blue Gene de IBM uno de los más potentes del planeta.
Tuve ocasión de visitar este ordenador gigantesco cuando hacia un recorrido por el Laboratorio Nacional Lawrence Livermore en California, donde diseñan ojivas de hidrogeno para el pentágono. Es el laboratorio de armas secretas más importante de EE.UU., un complejo de 320 hectáreas que ha crecido desordenadamente en medio de explotaciones agrícolas, tiene un presupuesto anual de 1200 millones de dólares y da empleo a 6800 personas. Es el centro vital de la industria de armamento nuclear de EE.UU. Para visitarlo, tuve que pasar muchos filtros de seguridad ya que se trata de uno de los laboratorios de armamentos más secretos del mundo.
Finalmente, después de pasar una serie de controles, llegue a la entrada del edificio que alberga el ordenador Blue Gene ofrece un aspecto impresionante. Es enorme, ocupa más de 1000 metros cuadrados y está formado por filas y filas de armarios de acero negro que miden unos dos metros y medio de altura por cuatro y medio de ancho.
Blue Gene
Armando un modulo
rack y su arquitectura
Fue toda una experiencia caminar entre aquellos armarios. A diferencia de las películas de Hollywood, donde los ordenadores tienen discos que giran, luces deslumbrantes y rayos eléctricos que chisporrotean por el aire, estos armarios son totalmente inactivos, salvo por unas luces diminutas que parpadean. Se sabe que el ordenador está realizando billones de cálculos complejos, pero no se ve ni se oye nada mientras funciona.
Lo que me interesaba era el hecho de que Blue Gene simulaba el proceso reflexivo del cerebro de un ratón, que posee unos 2 millones de neuronas (poca cosa en comparación con los 100000 millones de neuronas que tenemos los humanos). Simular el proceso reflexivo de un ratón es más difícil de lo que parece, porque cada neurona está conectada a muchas otras, formando una densa red de neuronas. Pero mientras caminaba entre aquellas filas y filas de consolas que formaban Blue Gene, no pude evitar sentirme asustado ante la idea de que aquella supercomputadora pudiera simular por segundos el cerebro de un ratón. (Esto no significa que Blue Gene puede simular el comportamiento de un ratón. Actualmente los científicos pueden simular el comportamiento de una cucaracha. Lo que esto significa es que Blue Gene puede simular la activación de las neuronas de un ratón, no el comportamiento de este animal).
De hecho varios grupos se han centrado en simular el cerebro de un ratón. Un ambicioso intento es el proyecto Blue Brain de Henry Markram, que trabaja en la Ecole Polytechnique Federale de Lausana, en Suiza. Comenzó en 2005, cuando consiguió obtener una pequeña versión de Blue Gene que solo tenía 16000 procesadores, pero al cabo de un año logro hacer un modelo de la columna neocortical de una rata, una parte del neocortex que contiene 10000 neuronas y 100 millones de conexiones. Fue un estudio crucial, ya que implicaba que era biológicamente posible analizar de manera completa, neurona a neurona, la estructura de un componente importante del cerebro. (el cerebro del ratón está formado por millones de columnas como esta, repetidas una y otra vez. Por lo tanto, haciendo el modelo de una de estas columnas, se puede empezar a comprender como funciona el cerebro de un ratón).
Creando un cerebro Blue Brain
Existe un grupo que también está abordando el tema montando la última versión de Blue Gene, llamada Dawn y está también en Livermore. Dawn consta 147456 procesadores con 150000 gigas de memoria. Es unas 100000 veces más potente que el ordenador que tiene en su escritorio. Este grupo está dirigido por Dharmendra Modha y ha logrado muchos éxitos. En 2006 consiguió simular el 40% del cerebro de un ratón. En 2007 simulo el 100% del cerebro de una rata. (que contiene 55 millones de neuronas, muchas más que el cerebro de un ratón). Además en 2009 este grupo batió otro record mundial.
Logro simular el 1% de la corteza del cerebro humana, lo que equivaldría a la corteza cerebral de un gato, que tiene 1600 millones de neuronas con 9 billones de conexiones. Sin embargo, esta simulación funcionaba con mucho lentitud, más o menos a 1/600 de la velocidad del cerebro humano. (Cuando simulaba solo 1000 millones de neuronas, iba mucho más rápido, aproximadamente a 1/83 de la velocidad del cerebro humano). “ Es un telescopio Hubble de la mente, un acelerador lineal del cerebro”, dice Modha henchido de orgullo, subrayando el altísimo nivel de su hazaña. Dado que el cerebro tiene 100000 millones de neuronas, lo que estos científicos ven ahora es la luz final del túnel. Piensan que la simulación plena del cerebro humano está ya a la vista “No es solo que sea posible, es que resulta inevitable. Va a suceder” dice Modha.
Proyecto DAWN
No obstante, la construcción de un modelo del cerebro humano plantea problemas serios, especialmente en cuanto a energía y calor. El ordenador Dawn devora 1 millón de vatios de energía y genera tanto calor que necesita una instalación de aire de 6675 toneladas de peso que bombea casi 76500 m3 de aire helado cada minuto. Para conseguir un modelo del cerebro humano habría que multiplicar estas cifras por 1000.
Es una tarea monumental. El consumo de energía de este hipotético ordenador sería de 1000 megavatios, lo cual equivale a la producción de una central nuclear. Para refrigerarlo sería necesario desviar un rio y canalizar sus aguas a través del ordenador, el propio ordenador ocuparía varias manzanas dentro de la ciudad.
Sorprendentemente, el cerebro humano consume, por el contrario, solo 20 vatios, y el calor que genera apenas es perceptible.
Pero ¿qué hay del segundo método, es decir localizar cada neurona dentro del cerebro?. Este procedimiento es también una tarea de titanes y puede llevar muchas décadas de penosa investigación. Los científicos adoptan un planteamiento de “trocear y picar”, comenzando por hacer la disección del cerebro de una mosca de la fruta, partiéndolo en fetas de un máximo de 50 nanómetros de ancho (unos 150 átomos de diámetro). Esto produce millones de fetas. Después, un microscopio electrónico de barrido toma una fotografía de cada una de ellas con una velocidad y una resolución de casi 1000 millones de pixeles por segundo. La cantidad de datos que salen del microscopio electrónico es asombrosa, pues viene a ser de unos 1000 millones de bytes, lo suficiente para llenar un almacén, y todo ello para un único cerebro de mosca de la fruta.
Procesar estos datos, con la tediosa reconstrucción del cableado neuronal en tres dimensiones para cada neurona del cerebro de la mosca, llevaría aproximadamente cinco años. Para conseguir una imagen más precisa, habría que filetear muchos cerebros.
Gerry Rubin, del instituto Médico Howard Hughes, uno de los científicos punteros en este campo, piensa que, en conjunto, un mapa detallado de todo el cerebro de la mosca de la fruta tardara 20 años en llegar. “Yo diría que, cuando hayamos resuelto esto, habremos recorrido una quinta parte del camino hacia la compresión de la mente humana”, afirma Rubin. El científico reconoce la enormidad de la tarea a la que se enfrenta.
Por ejemplo aunque nos proporcionen la ubicación de cada gen dentro de una hormiga, esto no significa que sepamos cómo se crea un hormiguero. De manera similar, el hecho de que los científicos conozcan ya los más o menos 25000 genes que configuran el genoma humano, no significa que sepan cómo funciona nuestro cuerpo. El proyecto Genoma Humano es como un diccionario sin definiciones. Cada uno de los genes del cuerpo humano se nombra explícitamente en este diccionario, pero lo que hace cada gen sigue siendo en gran medida un misterio. Cada gen lleva el código de determinada proteína, pero no se sabe cómo funciona la mayoría de estas proteínas dentro del cuerpo.
Fusión humana y robots
Actualmente se persigue otra idea herética, contenida en un libro “The merger of flesh and Machines” de Rodney Brooks. Observa que los viejos laboratorios del MIT, que solían diseñar componentes de silicio para robots industriales y militares, están siendo sometidos a una limpieza para hacer sitio a una nueva generación de robots hechos de tejidos vivos, así como de silicio y acero. Brooks prevé una generación totalmente nueva de robots que compaginaran sistemas biológicos y electrónicos, con lo cual dichos robots estarán dotados de arquitectura radicalmente innovadoras.
Brooks escribe: “mi predicción es que para el año 2100 tendremos unos robots muy inteligentes que estarán presentes en todos los momentos de nuestras vidas cotidianas. Pero no seremos algo aparte con respecto a ellos, sino que en parte seremos robots y estaremos conectados con los robots”.
Su idea es que esto avanzara por etapas. Actualmente se está produciendo una revolución en las prótesis, ya que se insertan aparatos electrónicos directamente en el cuerpo humano con el fin de crear sustitutos reales para la audición, la visión y otras funciones.
Insectos Cyborgs
Por ejemplo la cóclea artificial ha revolucionado el campo de la audiología, devolviendo la capacidad auditiva a sordos. Estas cócleas artificiales funcionan conectando dispositivos electrónicos con “dispositivos” biológicos, es decir, con neuronas. El implante coclear consta de varios componentes. En el exterior del oído se coloca un micrófono. Este recibe ondas sonoras, las procesa y transmite las señales por radio al implante que se ha colocado quirúrgicamente dentro del oído. El implante recibe los mensajes de radio y los convierte en corrientes eléctricas que se envían mediante electrodos al interior del oído. La cóclea reconoce estos impulsos eléctricos y los transmite al cerebro. Estos implantes pueden utilizar hasta 24 electrodos y pueden procesar media docena de frecuencias, lo cual es suficientes para reconocer la voz humana. Hay ya 150000 personas en todo el mundo a las que se ha realizado un implante coclear.
EXTRAIDO DEL LIBRO "EL FUTURO DE LA FISICA"