Raúl Rojas
La industria automotriz ha comenzado a desarrollar vehículos autónomos para la carretera. En la Universidad Libre de Berlín hemos armado autos que se manejan solos, incluso en el tráfico de una ciudad. Siempre que la prensa me pregunta, les digo que un vehículo autónomo es un taxi, un vehículo que nos puede llevar de un lugar a otro, solo que el taxista es una computadora.
No deja de sorprender que apenas en esta década estemos hablando de taxis conducidos por computadora, cuando ya en 1997 una computadora de IBM pudo derrotar al campeón mundial de ajedrez. Parece contraintuitivo que manejar un auto, algo que hacemos casi de manera inconsciente, sea más complicado que jugar al ajedrez.
La explicación de esta paradoja radica en la forma peculiar en la que opera nuestro cerebro. Hay cosas que hacemos de manera automática y prácticamente involuntaria. Reconocer la cara de un amigo, por ejemplo. Ocurre en una fracción de segundo cuando lo vemos en la calle. La corteza cerebral examina los impulsos provenientes de los ojos, en forma altamente paralela, y produce el resultado casi instantáneamente. No tenemos que aplicar reglas bien definidas – vaya, ni siquiera sabemos como ocurre todo esto. Hay otros procesos, sin embargo, en los que tenemos que pensar de manera secuencial y aplicar metódicamente reglas. Un juego de ajedrez es un buen ejemplo: tenemos que mirar el tablero y pensar explícitamente en las posiciones, en que pieza ataca a que pieza, etc. Podemos, por introspección, recrear exactamente en que orden hemos aplicado las reglas del ajedrez.
Por eso los investigadores en el área de la computación pueden examinar un juego como el ajedrez y programar las reglas necesarias. Las computadoras son ahora extremadamente rápidas y pueden examinar millones y millones de posibles movimientos para escoger el más adecuado. Aplicar la fuerza bruta de cálculo a un sistema de reglas es lo que mejor pueden hacer las computadoras.
Sin embargo, un campeón de ajedrez no juega así. Con su tremenda experiencia ha aprendido a reconocer de un vistazo la situación y los peligros en el tablero. Activa su procesamiento paralelo y de esa manera juega bien sin casi esforzarse. Desgraciadamente no nos puede explicar como lo hizo! No puede mirar en su cerebro para desentrañar las razones de su propio éxito.
Ese es el problema para manejar en el tráfico con computadoras: sabemos que los humanos lo pueden hacer sin dificultad pero aún no sabemos como reconocen objetos y sobre todo gestos y acciones en fracciones de segundo. Un problema aun insoluble para cualquier computadora es, por ejemplo, el que aunque un semáforo esté prendido en rojo, si en el cruce hay un policía haciendo gestos con las manos para que los automóviles avancen, podemos simplemente ignorar el semáforo. ¿Pero cómo reconoce una persona los gestos del policía, cómo reconoce que no es simplemente un inebriado apostado en el cruce?
El profesor Daniel Kahneman ha llamado estos dos formas de pensar (es decir, la altamente paralela y automática, contra la secuencial y deliberada) “thinking fast and slow”. Las computadoras son buenísimas para aplicar la fuerza bruta de su velocidad de cálculo a los problemas secuenciales, pero todavía no son tan buenas cuando se trata de competir con el cerebro cuando este activa su modo “rápido” de reconocimiento automático de objetos y patrones.
Todo esto deberá cambiar en las décadas próximas. Nuevos procesadores ya no computan de manera secuencial sino altamente paralela. Comenzaron como tarjetas para gráficas y juegos de computadora pero se utilizan hoy en día para cálculos de todo tipo. En la Universidad de Berlín, por ejemplo, utilizamos estas tarjetas para que la computadora pueda reconstruir el entorno en tres dimensiones alrededor del vehículo. Examinamos el movimiento de objetos para poder identificar peatones de manera rápida y segura. Con las nuevas técnicas de redes neuronales y “deep learning” estamos aplicando algoritmos de aprendizaje para que la computadora pueda instruirse por si sola acerca de los gestos relevantes de las personas.
Nos encontramos aún lejos de tener vehículos que puedan ya salir al mercado para actuar como taxis en la ciudad, pero la luz al final del túnel ya la vislumbramos. Para alcanzar ese objetivo, las computadoras tendrán que aprender del cerebro y tendrán que aprender a “pensar” económicamente y en forma altamente paralela.
Fotos: El vehículo que recorrió 2400 Km de manera autónoma en México en 2015 (de izquierda a derecha, Daniel Göhring, Raúl Rojas, Fritz Ulbrich, Tinosch Ganjineh). Vista al interior del vehículo.
Raúl Rojas es profesor de Inteligencia Artificial en la Universidad Libre de Berlín y participó en la charla "¿Qué sabemos de la mente y del cerebro?" el pasado 25 de enero en Casa de América.
Hay 2 Comentarios
Las computadoras se simplificaran poco a poco es cuestion de tiempo cuando el auto sea completamente manejado por una de ellas.
Publicado por: disco-duro.info | 16/07/2018 0:59:54
Ahora los coches parecen naves espaciales, van equipados con muchas cosas y la mitad no sabemos para que sirven, para mí lo más útil que han puesto en cuanto a gadget son las cámaras que lleva el coche para ayudarte a estacionar.
Publicado por: dashcam.pro | 09/07/2018 19:10:31