Enviado por : Michael Artime
2005-01-25 14:23:00


Máquinas que aprenden a jugar 'como un humano'

Investigadores británicos han creado una máquina capaz de aprender por si misma las reglas del famoso juego infantil "piedra, papel, tijera" observando el juego de contendientes humanos, y aprendiendo de sus reacciones tras cada partida.


12:17 - 24 Enero 2005
Servicio de noticias NewScientist.com
Will Knight


En palabras de científicos británicos, una computadora que aprende a jugar ‘piedra, papel, tijera’ observando e imitando a los jugadores humanos podría en un futuro dar lugar a máquinas que aprendan automáticamente a reconocer a un intruso, o a efectuar trabajos de mantenimiento.

CogVis, desarrollado por científicos de la Universidad de Leeds en Yorksire, Reino Unido, se enseña a si mismo a jugar a este entretenimiento infantil buscando patrones en las grabaciones de audio y vídeo tomadas a los jugadores humanos, y construyendo después sus propias “hipótesis” acerca de las reglas del juego.

Al contrario que otros programas de inteligencia artificial (IA) más antiguos, que imitaban el comportamiento humano empleando reglas basadas en complejos algoritmos, CogVis se aproxima más al modo de aprendizaje humano, y evoluciona a través de la observación y la mímica, comentan los investigadores.

El enfoque antiguo estaba cargado de problemas, tales como la lucha a la que se tenían que enfrentar las computadoras cuando se las tenían que ver con situaciones que caían fuera del conjunto inicial de reglas, o cuando se les introducían reglas nuevas.

Participa y aprende

“Un sistema que puede observar sucesos en un escenario desconocido, aprender y participar a la manera de un niño, es casi el Santo Grial de la IA”, comenta Derek Magee, de la Universidad de Leeds. “Puede que aún no hayamos solventado completamente este reto, pero creemos que hemos hecho ciertos progresos”.

El sistema se presentó en Cambridge, Reino Unido, el mes pasado (diciembre 2004) en un evento patrocinado por la Sociedad Británica de Computación. Consiguió ganar el premio de la sociedad para el progreso hacia la inteligencia en máquinas.

CogVis observó a los voluntarios humanos jugando una versión del juego que empleaba tarjetas marcadas con un par de tijeras, una hoja de papel o una piedra. Se les pidió también que indicaran cuando habían ganado o cuando el juego acababa en empate. Después de observar a los humanos durante varias rondas, CogVis fue capaz de indicar el resultado de cada partida de forma correcta.

Lógica Inductiva

Chris Needham, otro miembro del equipo CogVis, explica que el procesador visual del sistema analiza la acción separando períodos de movimiento e inactividad, para después extraer rasgos basados en colores y texturas. Combinando esto con la entrada de audio, el sistema desarrolla hipótesis acerca de las reglas del juego empleando una aproximación conocida como programación por lógica inductiva.

“Fue realmente impresionante”, comenta Max Bramer, investigador en la Universidad de Portsmouth, Reino Unido, y presidente del equipo de IA de la Sociedad Británica de Computación. Brammer comentó a New Scientist que CogVis podría tener muchas aplicaciones futuras. “Piense en todas esas veces en las que le hubiera gustado ser capaz de enfocar una cámara sobre algo y contar con una computadora capaz de interpretar lo que ve por si misma”.

Brammer sugiere que las máquinas podrían usar algún día esta técnica para aprender a reconocer a un intruso en un circuito de video, o a controlar a un robot para que efectúe tareas importantes de mantenimiento. “Es un muy buen comienzo, y en lo relativo al modo en que funciona, es casi misterioso”, añadió.

Stephen Muggleton, experto en IA del Imperial College de Londres, Reino Unido, comentó a New Scientist que CogVis combina varias corrientes de investigación en IA, por ejemplo el análisis visual y la programación lógica. “El resultado es una teoría orientada a planes explícitos, aprendida directamente de la percepción visual y auditiva”.

Pero Muggleton sostiene que uno de los retos capitales llegará al presionar al sistema a aprender cosas más difíciles. “Sería interesante observar si este enfoque es capaz de evolucionar gradualmente hacia juegos más complejos tales como el tres en raya o incluso a las damas a nivel principiante”, añade.



Traducido por Miguel Artime para

(c)2002-2006 Astroseti.org
Los contenidos pueden utilizarse siempre que se mencione la fuente y se enlace al artículo en nuestro servidor.
Para usos comerciales es necesario solicitar autorización.