Un laberinto es un dispositivo popular entre los psicólogos para evaluar la capacidad de aprendizaje de ratones o ratas. Pero, ¿qué hay de los robots? ¿Pueden aprender a navegar con éxito los giros y vueltas de un laberinto? Ahora, investigadores de la Universidad Tecnológica de Eindhoven (TU / e) en los Países Bajos y el Instituto Max Planck para la Investigación de Polímeros en Mainz, Alemania, han demostrado que pueden. Su robot basa sus decisiones en el mismo sistema que usan los humanos para pensar y actuar: el cerebro. El estudio, que se publicó en Science Advances, allana el camino para nuevas y emocionantes aplicaciones de dispositivos neuromórficos en la salud y más allá.
El aprendizaje automático y las redes neuronales se han puesto de moda en los últimos años, y es bastante comprensible, teniendo en cuenta sus muchos éxitos en el reconocimiento de imágenes, el diagnóstico médico, el comercio electrónico y muchos otros campos. Sin embargo, este enfoque basado en software para la inteligencia de las máquinas tiene sus inconvenientes, sobre todo porque consume mucho
Imitando el cerebro humano
Este problema de energía es una de las razones por las que los investigadores han estado tratando de desarrollar computadoras que sean mucho más eficientes energéticamente. Y para encontrar una solución, muchos están encontrando inspiración en el cerebro humano, una máquina pensante sin rival en su bajo consumo de energía debido a cómo combina la memoria y el procesamiento.
Las neuronas de nuestro cerebro se comunican entre sí a través de las llamadas sinapsis, que se fortalecen cada vez que la información fluye a través de ellas. Es esta plasticidad la que asegura que los humanos recuerden y aprendan.
«En nuestra investigación, hemos tomado este modelo para desarrollar un robot que es capaz de aprender a moverse a través de un laberinto», explica Imke Krauhausen, estudiante de doctorado en el departamento de Ingeniería Mecánica de TU / e y autor principal del artículo.
«Al igual que una sinapsis en el cerebro de un ratón se fortalece cada vez que toma el giro correcto en el laberinto de un psicólogo, nuestro dispositivo se ‘sintoniza’ aplicando una cierta cantidad de electricidad. Al ajustar la resistencia en el dispositivo, se cambia el voltaje que controlan los motores. Ellos, a su vez, determinan si el robot gira hacia la derecha o hacia la izquierda «.
¿Entonces, cómo funciona?
El robot que Krauhausen y sus colegas utilizaron para su investigación es un Mindstorms EV3, un kit de robótica fabricado por Lego. Equipado con dos ruedas, software de guía tradicional para asegurarse de que pueda seguir una línea, y una serie de sensores de reflectancia y tacto, se envió a un 2 m2 gran laberinto formado por hexágonos con líneas negras en un patrón de panal.
El robot está programado para girar a la derecha de forma predeterminada. Cada vez que llega a un callejón sin salida o se desvía del camino designado hacia la salida (que se indica mediante señales visuales), se le indica que regrese o gire a la izquierda. Este estímulo correctivo se recuerda luego en el dispositivo neuromórfico para el próximo esfuerzo.
«Al final, nuestro robot necesitó 16 carreras para encontrar la salida con éxito», dice Krauhausen. «Y, lo que es más, una vez que haya aprendido a navegar por esta ruta específica (ruta de destino 1), puede navegar por cualquier otro camino que se le dé de una vez (ruta de destino 2). Entonces, el conocimiento que ha adquirido es generalizable «.
Parte del éxito de la capacidad del robot para aprender y salir del laberinto radica en la integración única de sensores y motores, según Krauhausen, quien cooperó estrechamente con el Instituto Max Planck de Investigación de Polímeros en Mainz para esta investigación. «Esta integración sensoriomotora, en la que el sentido y el movimiento se refuerzan entre sí, es también la forma en que opera la naturaleza, así que esto es lo que intentamos emular en nuestro robot».
Polímeros inteligentes
Otra cosa inteligente de la investigación es el material orgánico utilizado para el robot neuromórfico. Este polímero (conocido como p (g2T-TT)) no solo es estable, sino que también es capaz de ‘retener’ una gran parte de los estados específicos en los que ha sido sintonizado durante los distintos recorridos por el laberinto. Esto asegura que el comportamiento aprendido se «pegue», al igual que las neuronas y las sinapsis en un cerebro humano recuerdan eventos o acciones.
El uso de polímero en lugar de silicio en el campo de la computación neuromórfica fue iniciado por Paschalis Gkoupidenis del Instituto Max Planck para la Investigación de Polímeros en Mainz y Yoeri van de Burgt de TU / e, ambos coautores del artículo.
En su investigación (que data de 2015 y 2017), demostraron que el material se puede sintonizar en un rango de conducción mucho más amplio que los materiales inorgánicos, y que es capaz de ‘recordar’ o almacenar estados aprendidos durante períodos prolongados. Desde entonces, los dispositivos orgánicos se han convertido en un tema candente en el campo de las redes neuronales artificiales basadas en hardware.
Manos biónicas
Los materiales poliméricos también tienen la ventaja añadida de que pueden utilizarse en numerosas aplicaciones biomédicas. «Debido a su naturaleza orgánica, estos dispositivos inteligentes pueden, en principio, integrarse con células nerviosas reales. Digamos que perdió el brazo durante una lesión. Entonces podría usar estos dispositivos para conectar su cuerpo a una mano biónica», dice Krauhausen.
Otra aplicación prometedora de la computación neuromórfica orgánica se encuentra en los pequeños dispositivos de computación de borde, donde los datos de los sensores se procesan localmente fuera de la nube. Van de Burgt: «Aquí es donde veo que irán nuestros dispositivos en el futuro, nuestros materiales serán muy útiles porque son fáciles de ajustar, consumen mucha menos energía y son baratos de fabricar».
Entonces, ¿los robots neuromórficos algún día podrán jugar un partido de fútbol, al igual que los robots de fútbol de TU / e?
Krauhausen: «En principio, eso es ciertamente posible. Pero queda un largo camino por recorrer. Nuestros robots todavía dependen en parte del software tradicional para moverse. Y para que los robots neuromórficos ejecuten tareas realmente complejas, necesitamos construir redes neuromórficas en las que muchos dispositivos funcionan juntos en una cuadrícula. Eso es algo en lo que trabajaré en la próxima fase de mi investigación de doctorado «.
Un cerebro ‘parecido a un humano’ ayuda a un robot a salir de un laberinto: https://www.youtube.com/watch?v=O05YVljxrtg