Investigadores dan a la inteligencia artificial robótica un comportamiento espontáneo

Los investigadores y roboticistas están tratando continuamente de lograr funciones autónomas en los robots, y a menudo buscan inspiración en el cerebro animal para los mecanismos de control. Debido a la naturaleza específica de la tarea del comportamiento robótico, debido a la dependencia de módulos predefinidos y metodologías de control, a menudo están limitados en flexibilidad.

El último desarrollo en este área proviene de la Universidad de Tokio, donde los investigadores han creado un método alternativo basado en el aprendizaje automático para dar a la inteligencia artificial robótica comportamientos espontáneos. El equipo logró esto confiando en patrones temporales intrincados, como las actividades neuronales del cerebro animal.

La investigación se publicó en Science Advances, titulada “Diseñando conmutación de comportamiento espontáneo a través de itinerancia caótica.”

Caos de alta dimensión

Un sistema dinámico es un modelo matemático de los estados internos cambiantes de algo, que describe a los robots y su software de control. Los investigadores se centran especialmente en el caos de alta dimensión, una clase de sistemas dinámicos, debido a su impresionante capacidad para modelar cerebros animales.

Debido a la complejidad y la sensibilidad a las condiciones iniciales variables, el caos de alta dimensión es especialmente desafiante de controlar. Para avanzar en el campo y superar este obstáculo, los investigadores del Laboratorio de Sistemas y Sistemas de Informática Inteligentes y del Centro de Investigación de Inteligencia Artificial de la Universidad de Tokio han desarrollado nuevas formas de utilizar el caos de alta dimensión para proporcionar a los robots funciones cognitivas similares a las humanas.

Katsuma Inoue es un estudiante de doctorado que trabaja en la investigación.

“Hay un aspecto del caos de alta dimensión llamado itinerancia caótica (CI) que puede explicar la actividad cerebral durante la recuperación y asociación de la memoria”, dijo Inoue. “En robótica, la CI ha sido una herramienta clave para implementar patrones de comportamiento espontáneos. En este estudio, proponemos una receta para implementar la CI de manera simple y sistemática solo utilizando patrones de series temporales complicados generados por el caos de alta dimensión. Sentimos que nuestro enfoque tiene potencial para aplicaciones más robustas y versátiles al diseñar arquitecturas cognitivas. Nos permite diseñar comportamientos espontáneos sin estructuras explícitas predefinidas en el controlador, lo que de otro modo sería un obstáculo”.

¿Qué es la computación de reservorio (RC)?

El equipo confió mucho en la computación de reservorio (RC), una técnica de aprendizaje automático que involucra la teoría de los sistemas dinámicos. La RC se utiliza para controlar las redes neuronales recurrentes (RNN), y mantiene la mayoría de las conexiones de una RNN fijas mientras altera solo unos pocos parámetros. Esto es diferente de otros enfoques de aprendizaje automático, que a menudo alteran ligeramente todas las conexiones neuronales en una red neuronal, y como resultado, el sistema puede ser entrenado más rápido.

Los investigadores lograron el resultado deseado al aplicar los principios de la RC a una RNN caótica, y terminó demostrando patrones de comportamiento espontáneos. El entrenamiento para la red ocurre rápidamente y antes de la ejecución.

“Los cerebros animales producen caos de alta dimensión en sus actividades, pero cómo y por qué utilizan el caos sigue sin explicarse. Nuestro modelo propuesto podría ofrecer una idea de cómo el caos contribuye al procesamiento de información en nuestros cerebros”, dijo Kohei Nakajima, profesor asociado de la universidad. “Además, nuestra receta tendría un impacto más amplio fuera del campo de las neurociencias, ya que potencialmente podría aplicarse a otros sistemas caóticos también. Por ejemplo, los dispositivos neuromórficos de próxima generación inspirados en las neuronas biológicas podrían exhibir caos de alta dimensión y serían excelentes candidatos para implementar nuestra receta. Espero que veamos implementaciones artificiales de las funciones del cerebro antes de mucho tiempo”.

El desarrollo es significativo para los campos de la robótica y la inteligencia artificial (IA), ya que los investigadores han estado abordando este desafío durante un tiempo. Es el ejemplo más reciente de cómo los campos están avanzando a un ritmo rápido.