Hay gente que, cuando piensa en robots, piensa en Terminators, C3-POs, y similares, y de vez en cuando me preguntan, medio en serio, medio en broma, que cuándo les voy a hacer un robot que haga tal o cual. Mi mirada a continuación relaja la tensión, antes de que les pregunte ¿y de verdad aporta algo que eso lo haga un robot?. Un robot es una herramienta de trabajo, la evolución del taladro igual que éste evolucionó del berbiquí y de la aguja de hueso; de hecho, como ya he comentado alguna vez por aquí, la palabra “robot” viene del checo “robota”, que significa “trabajo”. Todos habéis visto a un R2-D2, pero también habéis visto las líneas de montaje de coches de cualquier marca, con brazos robóticos bastante menos humanos que un T-1000, pero que ensamblan, sueldan y atornillan efectiva y rapidísimamente, mejor que el mejor de los operarios.
Así que cuando alguno de mis colegas me reprocha lo tontos o simples que son los autómatas, incluso los más modernos, o lo que fallan los sistemas de reconocimiento automático de lo que sea, yo les doy la razón siempre, y les contesto: evidentemente, no los han hecho para que sean listos; además, ningún equipo de ingenieros, por buenos que sean, tienen nada que hacer ante miles de años de evolución (este párrafo no será leído en Texas, Lousiana, y algún otro estado de USA), y si el cerebro humano, que es una máquina órdenes de magnitud más compleja, concurrente y rápida que el mejor de nuestros microprocesadores, necesita años para aprender tareas como leer o escribir, ¿cómo quieres que algo mucho más simple lo haga recién salido de la caja? Ese argumento siempre se le olvida a los detractores de la automatización: los humanos aprendemos. Los humanos dedicamos mucho tiempo, esfuerzo y recursos a esculpir nuestro, en principio, torpe y confuso sistema nervioso y convertirlo en una herramienta maravillosa. En Google llevan meses, quizá años, con un corrector ortográfico que sea además semántico (es decir, que te corrija que quieres tu por ¿Qué quieres tú?). Los robots no aprenden, son programados para hacer algo y lo hacen, llueva o nieve.
¿O no es esto cierto?
Esta parrafada introductoria venía al caso de comentar un concepto (una realidad, de hecho) que acapara mi atención desde hace un tiempo: las redes neuronales artificiales. No hace mucho leí este artículo, escrito por el genial Rinzewind, que me animó a hablar del asunto, pero al final, como el del chiste, lo vas dejando, lo vas dejando, y nada. Redes neuronales. Otro minipunto para los biólogos: el mejor y probablemente el único ejemplo real de inteligencia artificial se ha obtenido imitando a la naturaleza. Evidentemente, replico, ya que se ha demostrado que el pensamiento en red neuronal funciona, ¿para qué probar otro? Mejoremos lo que ya existe.
Una red neuronal artificial es, como su propio nombre indica, una red (conjunto de elementos interconectados entre sí que pueden interactuar) neuronal (basado en elementos simples repetidos) artificial (no natural). Es la adaptación lógica del modelo, de la arquitectura natural a la computación y a la electrónica. Porque, repito, si algo funciona, ¿para qué cambiarlo? Las redes neuronales pueden procesar información como se había hecho hasta ahora con los procesadores y programas habituales, pero tienen una particularidad interesante: aprenden. En un sentido amplio y prostituido de la palabra, pero aprenden. Una red neuronal mínimamente compleja empieza siendo un circuito tonto y lento, que efectúa los cálculos o toma las decisiones que se le piden de manera lenta y poco efectiva, pero conforme aumenta su experiencia, se va volviendo más rápida, aprende de sus errores y llega en menos tiempo y con mayor efectividad a la solución correcta. Un poco como nosotros, pero a pequeña escala.
Esquema típico de una red neuronal, con sus entradas y su salida (fuente)
Las redes neuronales suelen usarse en sistemas de reconocimiento de voz, de caracteres, en juegos de inteligencia artificial (como el famoso 20q), y, en definitiva, en todo lo que implique una toma de decisiones parcial, estadística, o no absoluta (lo que se conoce como lógica difusa, que podría dar para otra veintena de entradas). En cada ejecución, en cada iteración, la red encontrará el camino óptimo, y lo utilizará la próxima vez. Estas redes aprenden. Estas redes que, si bien son un concepto matemático, pueden ser sintetizadas en una oblea de silicio e interactuar con el mundo real. Pueden ser incorporadas a un robot, industrial o de entretenimiento, que aprenda de sus errores. De hecho, antes de utilizarlas con garantías, hay que entrenarlas. Sí, lo sé, todo este asunto huele desde el principio a ciencia ficción, pero no es nada fantástico o irreal: existe y se usa. Hasta algunas lavadoras utilizan lógica difusa. En serio.
Una de las aplicaciones más conocidas y útiles es el análisis de espectrometrías, TACs, y otros resultados médicos para detectar la probabilidad de que un determinado paciente tenga cáncer. De hecho, es uno de los ejemplos que viene de serie en Matlab (suerte tenéis los que no sabéis lo que es) para el uso de redes neuronales. El funcionamiento es sencillo: se entrena la red suministrándole imágenes de pacientes sanos y enfermos y, tras un determinado número de ensayos, la red es capaz de discernir, basándose en patrones gráficos, estructuras y demás, si una imagen que se le proporcione como entrada corresponde a un paciente con cáncer o no. Fallan, como todo el mundo, pero fallan muy poco. También tenemos ejemplos, de nuevo en el sector sanitario, como este:
Uso de una red neuronal para el análisis del riesgo de mortalidad hospitalaria (fuente)
Este asunto tan matemático-friki tiene todas las papeletas para convertirse en mi próxima obsesión, porque lo que puede que vuelva a hablar de ellas por aquí. En cualquier caso, ya sabéis: no perdáis la fe en la humanidad, pero tampoco la perdáis en la electrónica, la matemática, ni la informática. Dentro de poco ellos serán más listos que nosotros. Si queréis ampliar un poco de información, podéis echar un vistazo al oráculo, que tiene algunos artículos bastante buenos sobre el tema.
¡Saludos!
Compartir en Facebook
Compartir en Twitter
Enviar a menéame
Links a este post
