Inteligencia artificial, robótica, historia y algo más.

17/4/19

Los robots de Boston Dynamics: ¿el Skynet está cerca?

En los últimos días, circula por Internet un GIF demostrando la evolución de los famosos robots de Boston Dynamics en los últimos 10 años.


via Gfycat


Aunque hay otra versión del mismo GIF, más apocalíptica.

No será la intención de este humilde divulgador infravalorar los avances de Boston Robotics, pero sí la de valorar las cosa en su justa medida: los famosos vídeos de esta empresa norteamericana no son presentaciones técnicas, sino comerciales. Los vídeos que finalmente publican en su canal de YouTube no salen a la primera, no se ven los numerosos fallos que seguro que tienen los robots, y todos los obstáculos están planeados.

Los tweets que acompañaban a los vídeos que he adjuntado aquí daban a entender que en 10 años la progresión de Boston Dynamics iba a ser la misma, o incluso más alta. Pero no hay ninguna base técnica para afirmar que eso vaya a ser posible, y lo siento mucho por los amantes de ciencia-ficción. Además, la transición del punto de tecnología actual de Boston Dynamics al punto de tecnología de Terminator es como ir de la Tierra a Júpiter. Y ese es un punto que hay que tener claro: esos robots no son inteligentes. Simplemente reaccionan ante obstáculos y estímulos que detectan, probablemente, por sensores de distancia o visión artificial. Pero los robots no tienen ni una pizca de conciencia.

Precisamente una de las principales críticas que hacemos a esta empresa es que en sus presentaciones no explica el software ni las novedades técnicas que permiten lograr los ingenios que logran. Una mayor transparencia ayudaría a hacerse una idea de dónde podrían estar en un par de años.

Esta empresa fue adquirida por Google en 2013 y vendida tres años más tarde. Hay algún conspiranoíco al respecto, que piensa que Google ya habrá absorbido todo el conocimiento de esta empresa y la vende cuando no le aportaba más. Sin embargo, oh, qué sorpresa, según llegó a mis oídos, no había nada de eso, sino razones mucho más prosaicas, que consistían en que Google y BD no se entendían nada bien. Y ahora la emrpesa de robots es propiedad de Softbank, un gigante de inversión japonés.

A mí particularmente, una de las cosas que más me llama la atención y me mosquea, es el tobillo de los robots. Esta articulación de los animales y de los humanos es algo asombroso, ya que le permite andar por multitud de terrenos y de desniveles. Es como si tuviéramos un circuito de control interno que sabe exactamente cuánta fuerza tenemos que hacer en la arena para no caernos, en la nieve, o en la carretera. Pero de eso disertaré en alguna entrada futura de esta bitácora.

No me quiero marchar sin dejaros un vídeo ejemplo de los fallos habituales que aún hacen robots que han costado miles de dólares, e incluso estando financiados por DARPA.








Fuentes:
What's really going on in this Boston Dynamics robot videos?

Boston Dynamics' robots — impressive, but far from the Terminator

Comparte:

4/4/19

Taller de Inteligencia Artificial para estudiantes de bachillerato

La pasada semana tuve el honor de llevar a cabo una actividad que me dio muchas satisfacciones. Concretamente, después de más de un año de trabajo, organicé un pequeño taller de inteligencia artificial para alumnos de bachillerato en un colegio de mi querida San Sebastián. La motivación principal para realizarlo es que creemos que actualmente no hay apenas propuestas para enseñar las matemáticas de la inteligencia artificial a estudiantes jóvenes. Sí que hay multitud de talleres que enseñan robótica con Arduino o Raspberry. Pero no hay ninguno que explique que detrás de la inteligencia artificial hay matemáticas muy sencillas. Por lo tanto, a partir de esta idea creamos una propuesta de taller. Este artículo pretende describir en qué consistió esta actividad y su propósito:

La premisa más importante es conocer los objetivos del taller. Para nosotros, la intención no era enseñar inteligencia artificial, sino desmitificar esta disciplina y hacer conscientes a los alumnos de las matemáticas simples que hay tras ellas. Tener esto en cuenta es muy importante.

Además, el taller se basaba en ejercicios realizados con el lenguaje de programación Scratch. Este lenguaje, para quien no lo conozca, es un entorno de programación gráfico que permite realizar pequeños algoritmos y tareas arrastrando bloques de colores, eligiendo variables de una manera muy visual, etc. Es un tipo de herramienta muy útil para iniciar a los alumnos en nociones básicas de programación, y soy conocedor de varios colegios de la región que lo usan con estudiantes a partir de 13 años.

Pero volvamos al taller. La actividad completa duró una hora y el tiempo se repartió de la siguiente manera:

En los 15 primeros minutos de actividad, se impartieron los siguientes conceptos de una manera muy sintética:
              - Introducción a la inteligencia artificial
              - En qué consiste el algoritmo de clusterización K-means
              -  Cómo funciona una red neuronal

Posteriormente, los chavales tuvieron 45 minutos para realizar dos ejercicios y poner en práctica las nociones básicas que se les había impartido hace unos minutos. La metodología de esta parte práctica se implementó de la siguiente manera: los alumnos trabajaron en parejas, y tenían a su disposición el archivo de un algoritmo de inteligencia artificial implementado en Scratch. En este archivo estaba implementado casi todo el código necesario, salvo un par de huecos que tenían que rellenar para que todo el programa se ejecutase correctamente. Para que fuera un poco más fácil, en una esquina de la zona de trabajo de Scratch, los alumnos tenían las piezas de código que había que encajar en los huecos, pero desordenadas. Una vez que completaban el código, los estudiantes podían comprobar si habían acertado o no ejecutándolo en el mismo Scratch.

A los estudiantes se les asignó dos problemas, uno detrás de otro:

1) El algoritmo de clusterización K-means, donde tenían que conseguir clasificar una nube de puntos en tantos clusters como quisieran. Los clusters estaban definidos por 'puntos gordos' de colores, y la clasificación consistía en pintar los puntitos según el color del 'punto gordo' más cercano que tuvieran.

2) Posteriormente se asignó una red neuronal muy sencilla (dos entradas y una salida), entrenada con los datos de entrada y salida de una puerta lógica AND. Para cada ejercicio disponían de 20 minutos como máximo.

A continuación incluyo algunas imágenes representativas de estos problemas:





Parece sencillo, ¿no? Ahora vienen los resultados: para nosotros el taller fue un éxito, ya que todas las parejas de alumnos completaron los ejercicios antes del tiempo asignado, y tenían la sensación de haber entendido el ejercicio y el algoritmo.

Para comprobar esta comprensión, los estudiantes tuvieron que completar un test de preguntas antes y después del taller. En esta prueba, nosotros, como investigadores, queríamos comprobar el grado de alcance de consecución de los objetivos que nos habíamos marcado. Y la buena noticia es que estamos muy contentos con los resultados que obtuvimos. Por ejemplo, una de las preguntas planteadas era:

El nivel de conocimientos matemáticos y técnicos requeridos para entender la inteligencia artificial está fuera del alcance de la mayoría de la población.

Con la puntuación de una escala Lickert (1 a 5, 1: totalmente desacuerdo; 5: totalmente de acuerdo) tuvimos diferencias muy significativas en las respuestas antes y después del taller, lo cual demuestra que la metodología que empleamos es bastante acertada para conseguir este objetivo.

Tal y como prometí en Twitter, he dejado colgados en un repositorio abierto los archivos de Scratch completos utilizados en el taller. Aunque aún no aparezca, estarán bajo una licencia GNU GPLv3. Porque el conocimiento debe ser libre.

La metodología del taller está registrada en el archivo de propiedad intelectual. Finalmente, mi grupo de I+D y yo hemos publicado tres artículos explicando el taller: dos trabajos para dos congresos internacionales y un artículo científico en Arxiv titulado Using Scratch to Teach Undergraduate Students' Skills on Artificial Intelligence donde explicamos el estado del arte y motivaciones para realizar el taller de inteligencia artificial. Ojo, que en este caso, el taller que explicamos en Arxiv no es exactamente el mismo que he descrito en este artículo de blog. Ese aún está en el horno :-).

El taller de inteligencia artificial sigue creciendo y ya estamos planteando nuevos ejercicios para entender cómo funciona un ordenador o un robot para escapar de un laberinto, o conocer el camino más corto en un circuito.


¿Os gusta la idea? ¿Os parece que habría que mejorar algo? Si os interesa algo de todo esto, no dudéis en hacerlo en los comentarios del artículo o a través del email jeibros@gmail.com.
Comparte:

Nos leemos:

descripción descripción descripción

Recibe las entradas por correo

En mi mesilla

Blog Archive

Licencia Creative Commons