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

  • 22/06/2018 - DESARROLLO EMBRIONARIO

    Logran modificar la forma de los tejidos embrionarios mediante optogenética

    Con ello se está más cerca de la creación de tejidos biológicos con formas personalizadas, lo que tiene importantes repercusiones en medicina regenerativa.

  • 21/06/2018 - Toxicología

    Abuelos expuestos, nietos afectados

    En ratones, los efectos negativos del bisfenol A, compuesto tóxico presente en botellas de plástico, dentífricos o resinas, se observan más allá de la segunda generación. En concreto, la sustancia podría afectar la vocalización de los descendientes.

  • 20/06/2018 - Genética

    Una levadura desafía al código genético

    Entre las reglas verdaderamente inviolables de la vida está la inmutabilidad del código genético. Bacterias, plantas, personas: los seres vivos construyen sus proteínas siguiendo unas mismas instrucciones, codificadas mediante secuencias de unos mismos grupos de tres letras. Pero siempre hay quien que va por libre.

  • 20/06/2018 - Alimentación

    Alimentos de doble filo

    Los aperitivos ricos en grasas e hidratos de carbono activan de manera intensa las áreas cerebrales de recompensa, lo que los convierte en muy gratificantes.

  • 19/06/2018 - Astrofísica

    Cuando una estrella se cruza con un agujero negro

    Se ha observado por primera vez de forma casi directa la fragmentación de un objeto por un agujero negro y la creación de un chorro de partículas ultraveloces.

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:

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.