:quality(75)/cloudfront-us-east-1.images.arcpublishing.com/elcomercio/AFA37HHGUFEI5KCVFO4D4BZPBQ.jpg)
La “física intuitiva”, ese conjunto de reglas de sentido común sobre el funcionamiento del mundo, de sus objetos, la conocen incluso los más pequeños, a su manera. Ahora, un equipo de ingenieros ha logrado un sistema de inteligencia artificial capaz de aprender estas normas como lo haría un bebé.
Detrás de este sistema, llamado Plato, está la empresa DeepMind y, según sus responsables, el trabajo tiene implicaciones tanto para los avances de inteligencia artificial (IA) como para la investigación de la cognición humana. Su descripción se publica en Nature Human Behaviour.
Los investigadores, liderados por Luis Piloto, presentan un sistema de aprendizaje profundo que puede aprender física intuitiva y que está inspirado en la investigación sobre cómo los bebés adquieren conocimiento.
Y es que, recuerdan los autores, incluso los niños más pequeños conocen la física intuitiva; por ejemplo, los bebés de apenas cinco meses experimentan tirando objetos al suelo o se sorprenden si se les muestra una situación que implica un hecho físicamente imposible, como la desaparición repentina de un juguete.
Sin embargo, el aprendizaje de la física intuitiva ha resultado difícil para los algoritmos de aprendizaje automático: los actuales sistemas de inteligencia artificial “palidecen” en su comprensión de la física intuitiva en comparación con los niños más pequeños, dicen los expertos.
Para abordar esta brecha entre los humanos -con una evolución de miles de años en los que han ido incorporando las reglas del mundo donde evolucionan- y las máquinas, el equipo recurrió al campo de la psicología del desarrollo, que estudia la forma en la que los individuos experimentan sus transformaciones a lo largo de su vida.
En concreto, Plato adopta la tesis de que los objetos juegan un papel central en la representación y predicción del mundo físico que nos rodea.
Los autores entrenaron al sistema mostrándole vídeos de muchas escenas sencillas, como pelotas que caen al suelo, pelotas que ruedan detrás de otros objetos y vuelven a aparecer, y pelotas que rebotan entre sí. Tras el entrenamiento, a Plato se le puso a prueba mostrándole vídeos que a veces contenían escenas imposibles.
Al igual que un niño pequeño, el sistema mostraba “sorpresa” cuando se le enseñaba algo que no tenía sentido, como objetos que se movían entre sí sin interactuar. Según los investigadores, estos efectos de aprendizaje se observaron tras ver tan sólo veintiocho horas de vídeos.
“Demostramos que nuestro modelo puede aprender un conjunto diverso de conceptos físicos, que depende críticamente de las representaciones a nivel de objeto, en consonancia con los hallazgos de la psicología del desarrollo”, resumen los expertos de DeepMind en su artículo.
Estos resultados tienen implicaciones, agregan, tanto para la inteligencia artificial como para la investigación de la cognición humana: “Plato podría ofrecer una poderosa herramienta para investigar cómo los humanos aprenden física intuitiva y sugiere la importancia de las representaciones de los objetos en nuestra comprensión del mundo”.
En un artículo separado de opinión, las investigadoras Susan Hespos y Apoorva Shivaram señalan que el equipo liderado por Piloto demuestra que un sistema de aprendizaje profundo basado en la cognición infantil supera a los sistemas más tradicionales de “aprendizaje desde cero”.
Esto podría servir como una “oportunidad sinérgica” entre la inteligencia artificial y la ciencia del desarrollo.
Los resultados, según las citadas investigadoras, sugieren que el matemático Alan Turing podría haber tenido razón; en 1950 este escribió que, en lugar de tratar de producir un programa que simule la mente del adulto, por qué no intentar hacer uno que simule la de los niños.
De acuerdo con Turing, se puede hacer que un ordenador “piense” como un adulto si se parte de la mente de un niño y se le proporcionan las experiencias apropiadas.
