Categories
Computación/Informática

Algoritmos Para Dotar a los Robots de la Capacidad de Mentir y Engañar. ( O_O )

Un robot embauca a un soldado enemigo mediante la creación de una pista falsa y se oculta para no ser capturado. Aunque esto suena como una escena sacada de alguna película de ciencia-ficción de la saga de “Terminator”, es en realidad el escenario de un experimento realizado por investigadores del Instituto Tecnológico de Georgia, Estados Unidos, como parte de lo que se considera el primer examen detallado de un engaño perpetrado por un robot.

Ronald Arkin y su equipo han desarrollado algoritmos que permiten a un robot determinar si debe o no engañar a un humano o a otra máquina inteligente, y han diseñado técnicas que ayudan a que el robot elija la mejor estrategia de engaño para reducir las probabilidades de ser descubierto.

Los resultados del estudio competen a las interacciones robot-robot y humano-robot.

Esta investigación ha sido financiada por la Oficina de Investigación Naval, dependiente de la Armada Estadounidense.

En el futuro, los robots capaces de engañar pueden ser útiles en diversas áreas, incluyendo las actividades militares y también las operaciones de búsqueda y rescate.

Un robot de búsqueda y rescate puede necesitar engañar con mentiras piadosas a humanos en peligro, con el fin de calmarles o de recibir de ellos la cooperación necesaria, evitando que el pánico se apodere de ellos y les incapacite para emprender las acciones requeridas por el plan de rescate.

En el campo de batalla, los robots con el poder del engaño tendrán la habilidad de ocultarse y despistar con éxito al enemigo, y así mantener a salvo una información valiosa o ser capaces de alcanzar otros objetivos.

Probablemente, la mayoría de los robots sociales raramente necesitarán utilizar el engaño, pero ésta sigue siendo una herramienta importante en el arsenal interactivo del robot, porque los que reconozcan la necesidad de engañar tienen ventajas, en términos de resultados, en comparación con los que no la reconozcan. Así lo cree Alan Wagner, un ingeniero investigador del Instituto Tecnológico de Georgia, y miembro del equipo de investigación.

Para poner a prueba sus algoritmos, los investigadores realizaron 20 experimentos con situaciones en las que un robot debía eludir a otro que le estaba buscando. Unos y otros funcionaban de manera autónoma sobre el terreno.

Los robots que se escondían fueron capaces de engañar a los robots buscadores en el 75 por ciento de las pruebas. Se espera que este porcentaje, aunque es razonablemente bueno, aumente más a medida que se perfeccione la capacidad de los robots para engañar.

Los investigadores admiten que, si bien hay ventajas en la creación de robots con esta capacidad, también existen cuestiones éticas que deben ser tenidas en cuenta para garantizar que estas nuevas y taimadas máquinas estén en consonancia con las expectativas de sus creadores sobre lo que deben y lo que no deben hacer, y no comprometan el bienestar de la sociedad.

“Hemos estado muy sensibilizados desde el principio con las implicaciones éticas de crear robots capaces de engañar, y somos conscientes de que hay aspectos positivos y otros negativos”, confiesa Arkin.”Recomendamos plenamente el debate sobre la idoneidad de estos robots, a la hora de decidir qué posibles reglamentaciones o directrices deberían regir el desarrollo de estos sistemas”.

Categories
Computación/Informática

Importante Avance en Sistemas de Aprendizaje Automático

En los últimos 20 años aproximadamente, muchos de los avances clave de la investigación en inteligencia artificial se han materializado gracias al aprendizaje automático, con el cual los ordenadores aprenden a realizar predicciones mediante la estrategia de buscar patrones dentro de grandes conjuntos de datos con los que entrenarse.

Un nuevo enfoque llamado programación probabilística hace que sea mucho más fácil construir un sistema de aprendizaje automático, pero sólo es útil para un conjunto de problemas relativamente pequeño. Ahora, unos investigadores del MIT han descubierto cómo extender el enfoque a una clase de problemas mucho más grande, con implicaciones para temas tan diversos como la ciencia cognitiva, el análisis financiero y la epidemiología.

Históricamente, construir un sistema de aprendizaje automático capaz de aprender una nueva tarea le suele llevar a un estudiante de postgrado desde algunas semanas hasta varios meses. Un conjunto de nuevos lenguajes de programación probabilísticos y experimentales, uno de los cuales, Church, fue desarrollado en el MIT, promete acortar ese tiempo hasta un mero lapso de algunas horas.

En el corazón de cada uno de estos nuevos lenguajes está un algoritmo de inferencia, que indica al sistema de aprendizaje automático cómo llegar a conclusiones a partir de los datos presentados. El carácter generalista de estos algoritmos de inferencia es lo que confiere potencia a los lenguajes: El mismo algoritmo tiene que ser capaz de guiar un sistema que esté aprendiendo a reconocer objetos en imágenes digitales, o a filtrar correo spam, o a recomendar películas en DVD basándose en las alquiladas en ocasiones anteriores, o a realizar cualquier otra cosa que se le pueda pedir a un programa de inteligencia artificial.

Los algoritmos de inferencia utilizados actualmente en la programación probabilística dan buenos resultados manejando datos del tipo que en matemáticas reciben el nombre de Datos Discretos, pero les resulta difícil trabajar con información más compleja, del tipo que en matemáticas se conoce como Datos Continuos.

Por lo tanto, los diseñadores de lenguajes de programación probabilísticos tienen mucho interés en saber si es posible diseñar un algoritmo de inferencia de utilidad general que pueda manipular datos continuos. Desafortunadamente, la respuesta parece ser No.

Sin embargo, también hay buenas noticias: Daniel Roy y Cameron Freer, del MIT, han demostrado que existen grandes clases de problemas en los que intervienen datos continuos que son susceptibles de ser debidamente procesados mediante una solución general. Además, estos investigadores han descrito un algoritmo de inferencia que puede tratarlos. Un lenguaje de programación probabilístico con el nuevo algoritmo incorporado facilitaría el rápido desarrollo de una variedad mucho mayor de sistemas de aprendizaje automático.

Categories
Computación/Informática Lógica Matemáticas

La siguiente revolución lógica

La siguiente Revolución Lógica incorpora la fusión entre matemáticas y computación. Las computadoras tienden a explorar datos inteligentementetransfiriendo información de las bases de datos a las bases de conocimiento interconectadas a través de la Red a escala infinitesimal.

La lógica evoluciona pues como un gen hacia la culminación del conocimiento libre que nace del rigor formal de la Matemática griega; emerge renovadamente de etapas de persecución tan oscuras como la Edad Media y otros intentos más recientes; hasta el intercambio constante y continuo de datos en la moderna era de estructura de redes que Internet proporciona a modo neuronal a la Humanidad.

Categories
Computación/Informática Lógica

La Revolución Digital

Esta revolución se inicia con la invención de la computadora digital y el acceso universal a las redes de alta velocidad. Turing relaciona lógica y computación antes que cualquier computadora procese datos. Weiner funda la ciencia de la Cibernética. En las Escuelas modernas de Computación están presentes Lógicos que han permitido avances importantes comoHoare que presenta un sistema axiomático de los sistemas de programación y Dijkstra con un sistema de verificación y deducción de programas a partir de especificaciones.