Utilizamos cookies propias y de terceros para mejorar nuestros servicios y facilitarle el uso de la web mediante el análisis de sus preferencias de navegación. También compartimos la información sobre el tráfico por nuestra web a los medios sociales y de publicidad con los que colaboramos. Si continúa navegando, consideramos que acepta nuestra Política de cookies .

Actualidad científica

  • 27/06/2017 - Astrofísica

    La supernova simulada y la real

    Un nuevo estudio respalda la teoría vigente sobre cómo se producen las explosiones supernova en las que colapsa el núcleo de una estrella: los neutrinos desempeñan un papel esencial.

  • 26/06/2017 - Sistema solar

    Un estudio arroja dudas sobre el enigmático Planeta Nueve

    El trabajo alerta de «sorprendentes sesgos de detección» en la clase de astros que condujeron a postular la existencia de una supertierra oculta en los confines del sistema solar.

  • 25/06/2017 - Ornitología

    No hay dos huevos iguales

    Se ignoraba la razón de que la forma de los huevos de las aves sea diferente entre las distintas especies: en unas son más elípticos o más cónicos que en otras. Es posible que se haya encontrado el porqué de esto.

  • 23/06/2017 - BIOLOGÍA VEGETAL

    El joven genoma de un viejo roble

    La secuenciación genética de distintas ramas de un roble de 234 años demuestra que su ADN ha sufrido escasas mutaciones a lo largo de su vida, al contrario de lo que se esperaba.

  • 22/06/2017 - BIOFÍSICA

    ¿Por qué el ADN se enrolla al estirarlo y el ARN se desenrolla?

    Un estudio detalla qué ocurre cuando se estiran ambas moléculas. Explicar la respuesta mecánica de los ácidos nucleicos a escala atómica ayudará a descifrar cómo influye su estructura en su función biológica.

Síguenos
  • Google+
  • RSS
  • Investigación y Ciencia
  • Agosto 2016Nº 479

Informe especial La edad de oro de la inteligencia artificial

Inteligencia artificial

El valor de la experiencia para los robots

Las máquinas pueden aprender a partir de vivencias pasadas. El método, conocido como razonamiento basado en casos, se ha aplicado con éxito en el diagnóstico médico, el fútbol robótico o la interpretación musical.

Menear

En sus inicios, la inteligencia artificial (IA) tenía como objetivo emular la capacidad de la mente humana para procesar información de manera simbólica. Eso hizo que se prestase especial atención a la «plausibilidad cognitiva» de los distintos modelos computacionales; es decir, a su posible analogía con los procedimientos usados por los seres humanos durante el aprendizaje y la resolución de problemas.

Desde hace unos años, sin embargo, el acceso a enormes cantidades de datos y la posibilidad de procesarlos con eficiencia han derivado en un uso extensivo de técnicas estadísticas. Así ocurre, por ejemplo, con algunos métodos de aprendizaje profundo, los cuales requieren un entrenamiento con cientos de miles o incluso millones de datos para que la máquina aprenda un modelo de un concepto y, más tarde, pueda reconocer otros casos pertenecientes a dicho concepto [véase «Aprendizaje profundo», por Yoshua Bengio, en este mismo número]. No obstante, los seres humanos no aprendemos de ese modo. Lo hacemos a partir de muy pocos ejemplos y, en ocasiones, incluso de uno solo.

El razonamiento basado en casos (CBR, por sus siglas en inglés) es una técnica de IA que, a diferencia de otras, se apoya en el papel que desempeña la memoria en la resolución de problemas. Los nuevos problemas se afrontan mediante la reutilización —y, si es necesario, la adaptación— de soluciones a problemas semejantes ya resueltos en el pasado. Su hipótesis fundamental es que problemas similares tienen soluciones similares; un hecho que ha sido validado empíricamente en numerosos ámbitos del mundo real. En particular, el CBR no necesita millones de ejemplos para asimilar un concepto. Ello se debe a que la máquina no aprende un modelo general, sino que, sobre la base de unos pocos ejemplos almacenados en su memoria, es capaz de reconocer casos similares no vistos anteriormente. Desde este punto de vista, el CBR resulta más plausible cognitivamente que las técnicas basadas en cálculos estadísticos intensivos.

Buena parte de la inspiración para el estudio del CBR procede de las investigaciones sobre la memoria humana llevadas a cabo a principios de los años ochenta por Roger Schank, por entonces profesor de psicología y teoría de la computación en Yale. Tales trabajos se enmarcaban en el ámbito de las ciencias cognitivas, un área que presta especial atención al papel de la memoria como recurso fundamental para resolver problemas mediante el razonamiento y, en particular, mediante el razonamiento por analogía. Más tarde, a partir de los años noventa, comenzó a verse que este enfoque resultaba de gran utilidad en una amplia variedad de aplicaciones. Desde entonces el CBR se ha usado con notable éxito en todo tipo de tareas y dominios; entre ellos, el diagnóstico médico —ya que síntomas, antecedentes clínicos y analíticas similares suelen conducir a diagnósticos parecidos—, la toma de decisiones en asuntos legales (sobre todo en situaciones donde tales resoluciones se basan en la jurisprudencia), la robótica y, también, la interpretación expresiva de música, una actividad que, a priori, todos asociaríamos con facultades cognitivas exclusivas del ser humano.

La resolución de un problema mediante CBR consta de varios pasos. En primer lugar, hemos de describir la tarea que queremos resolver con un lenguaje interpretable por un ordenador y calcular su similitud con problemas anteriores. Estos se encuentran almacenados, junto con sus respectivas soluciones, en una «base de casos». Después se recuperan uno o más casos parecidos y se intenta reutilizar la solución de uno de ellos, a menudo adaptada para tener en cuenta las diferencias entre el problema original y el memorizado. La solución propuesta por el sistema debe entonces ser evaluada —por ejemplo, aplicándola al problema inicial o sometiéndola al juicio de un experto— y, en función del resultado, revisada. Por último, tanto el problema como su solución se añaden a la base de casos; es decir, se retienen en la memoria. De esta manera, podemos decir que el sistema ha aprendido a resolver un nuevo problema. Las cuatro etapas fundamentales de este ciclo son conocidas como «las 4 R»: recuperar, reutilizar, revisar y retener.

Puede conseguir el artículo en:

Artículo individual

Artículos relacionados

Revistas relacionadas

BOLETÍN ACTUALIDAD¿Quieres estar al día de la actualidad científica? Recibe el nuevo boletín de actualidad con nuestros mejores contenidos semanales gratuitos (noticias y posts). Si lo deseas también puedes personalizar tu suscripción. BOLETÍN ACTUALIDAD¿Quieres estar al día de la actualidad científica? ¡Recibe el nuevo boletín de contenidos gratuitos! Ver más boletines.