La naturaleza como modelo

La naturaleza como modelo

Inteligencia Artificial. ​Pasado, Presente y Futuro (V)

Muchos de los éxitos de la inteligencia artificial de hoy día se deben a un conjunto de herramientas, heurísticas y modelos definidos o inspirados principalmente en la naturaleza y algunos de los descubrimientos conceptuales a los que se refería John McCarthy se empezaron a producir en la década de los 90. Avances en neurociencia, nuevos modelos de computación, heurísticas,…

La inteligencia artificial se empieza a plantear como una emulación del comportamiento humano. Pero en lugar de programar a las máquinas para que realicen expresamente una tarea se utiliza un enfoque diferente. El machine learning se empezó explotar en cada vez más ámbitos.

A partir del año 91 con la creación de Internet y en adelante con la explosión de datos disponibles se ha reactivado el interés por las técnicas de IA. Se parte de la experiencia entendida como datos, para imitar el funcionamiento del sistema nervioso. Se definen modelos de aprendizaje automático que utilizando las grandes cantidades de información disponibles consiguen aprender y ofrecer soluciones que no son abordables con un enfoque clásico.

Algoritmos genéticos

Un algoritmo es, en términos generales, una serie de pasos organizados que describen el proceso que se debe seguir para dar solución a un problema específico. En lugar de eso los algoritmos genéticos proponen usar las leyes que rigen la evolución natural para dar esa solución al problema planteado. En los años 70, de la mano de John Henry Holland, surgió una de las líneas más prometedoras de la inteligencia artificial, la de los algoritmos genéticos. ¡Esta línea de soluciones partió en el siglo XIX con Charles Darwin!

Algoritmos Genéticos
Algoritmos Genéticos

Redes neuronales

Otro ejemplo de soluciones basadas en la naturaleza lo encontramos en nuestro cerebro. Es el modelo natural que mejores resultados está obteniendo en el desarrollo de la I.A. Hoy, conceptos como “Machine Learning” están muy extendidos y se pueden implementar usando varias técnicas, pero una de las más comunes son las redes neuronales, recientemente evolucionadas y renombradas con el concepto de Deep Learning. Es justo esa modalidad de aprendizaje automático la que está revolucionando las expectativas de la I.A.

Redes Neuronales
Redes Neuronales

Ejemplos de algoritmos genéticos y redes neuronales

Vamos a ver una serie de videos donde se muestra el proceso de aprendizaje usando técnicas de AGs y Redes neuronales.

En el siguiente video podréis ver una representación gráfica de una red neuronal que es capaz de reconocer números. Se muestra una capa de entrada como un conjunto de pixeles que representan a la imagen (equivalente a nuestra retina) y una capa de neuronas de salida. Hay un conjunto de capas ocultas en las que las neuronas se reconfiguran durante la fase de entrenamiento para dar una solución correcta.


Simulación 3D de redes neuronales

En el siguiente video se muestra una recreación de un ecosistema con diversas formas de vida creadas de forma aleatoria. Las que se adaptan peor desaparecen. Empiezan a desarrollar comportamientos más inteligentes, y crean un verdadero ecosistema.

Ecosistema con diversas formas de “vida”

Un algoritmo genético aprende como disparar y se automejora para ser más efectivo. En las primeras generaciones disparan aleatoriamente, pero a medida que pasa el tiempo desarrollan estrategias de disparo más avanzadas.

Un algoritmo genético aprendiendo a disparar en un juego

Algoritmo genético aprendiendo a saltar un objeto. Se definen unas reglas de movimiento y partir de ahí el sistema aprende como debe saltar el objeto.

Algoritmo genético aprendiendo a esquivar un objeto


Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *