Investigadores del Centro para Cerebros, Mentes y Máquinas del MIT han descubierto que los humanos necesitan 3 capacidades fundamentales para ayudar a resolver problemas físicos.
Entre ellas se incluyen los conocimientos previos de una situación similar, la capacidad de imaginar los efectos de sus acciones y una forma de actualizar rápidamente la estrategia cuando fracasan.
El equipo diseñó una tarea novedosa, el juego Herramientas Virtuales, que pone a prueba las habilidades para usar herramientas, y la probó tanto en humanos como en un modelo de IA.
Los seres humanos son usuarios de herramientas naturalmente creativos. Cuando necesitamos clavar un clavo pero no tenemos un martillo, nos damos cuenta fácilmente de que podemos usar en su lugar un objeto pesado y plano, como una piedra. Cuando nuestra mesa se tambalea, rápidamente descubrimos que podemos colocar una pila de papel bajo la pata de la mesa para estabilizarla. Sin embargo, aunque estas acciones nos parecen tan naturales, se consideran un rasgo distintivo de una gran inteligencia: solo unas pocas otras especies utilizan objetos de formas novedosas para resolver sus problemas, y ninguna puede hacerlo con tanta flexibilidad como las personas. ¿Qué nos proporciona estas poderosas capacidades para usar objetos de esta manera?
En un nuevo artículo publicado en Proceedings of the National Academy of Sciences, que describe trabajos realizados en el Centro para Cerebros, Mentes y Máquinas del MIT, los investigadores Kelsey Allen, Kevin Smith y Joshua Tenenbaum estudian los componentes cognitivos que subyacen a este tipo de uso improvisado de herramientas. Diseñaron una tarea novedosa, el juego Herramientas Virtuales, que pone a prueba las habilidades para usar herramientas: las personas deben seleccionar un objeto de un conjunto de “herramientas” que pueden colocar en una escena bidimensional computarizada para alcanzar un objetivo, como introducir una pelota en un determinado recipiente. Resolver los acertijos de este juego requiere razonar sobre varios principios físicos, como lanzar, bloquear o sostener objetos.
El equipo planteó la hipótesis de que las personas se basan en tres capacidades para resolver estos acertijos: una creencia previa que orienta sus acciones hacia aquellas que marcarán una diferencia en la escena, la capacidad de imaginar el efecto de sus acciones y un mecanismo para actualizar rápidamente sus creencias sobre qué acciones probablemente ofrezcan una solución. Construyeron un modelo que materializaba estos principios, denominado modelo “Muestrear, Simular, Actualizar” o “SSUP”, y le hicieron jugar el mismo juego que las personas. Descubrieron que SSUP resolvía cada acertijo a ritmos y de maneras similares a las de las personas. Por otro lado, un popular modelo de aprendizaje profundo que podía jugar bien a juegos de Atari, pero que no contaba con las mismas estructuras de objetos y físicas, no fue capaz de generalizar sus conocimientos a los acertijos para los que no había sido entrenado directamente.
Esta investigación proporciona un nuevo marco para estudiar y formalizar la cognición que sustenta el uso humano de herramientas. El equipo espera ampliar este marco no solo para estudiar el uso de herramientas, sino también cómo las personas pueden crear nuevas herramientas innovadoras para problemas nuevos, y cómo los humanos transmiten esta información para pasar de herramientas físicas sencillas a objetos complejos, como ordenadores o aviones, que hoy forman parte de nuestra vida diaria.
Kelsey Allen, estudiante de doctorado en el Laboratorio de Ciencia Cognitiva Computacional del MIT, se entusiasma con la forma en que el juego Herramientas Virtuales podría apoyar a otros científicos cognitivos interesados en el uso de herramientas: “Queda mucho más por explorar en este ámbito. Ya hemos empezado a colaborar con investigadores de múltiples instituciones en proyectos que abarcan desde estudiar qué significa que los juegos sean divertidos hasta estudiar cómo la corporeización afecta al razonamiento físico desencarnado. Espero que otros miembros de la comunidad de la ciencia cognitiva utilicen el juego como una herramienta para comprender mejor cómo los modelos físicos interactúan con la toma de decisiones y la planificación”.
Joshua Tenenbaum, profesor de ciencia cognitiva computacional en el MIT, considera que este trabajo es un paso hacia la comprensión no solo de un aspecto importante de la cognición y la cultura humanas, sino también de cómo construir formas de inteligencia más parecidas a las humanas en las máquinas. “Los investigadores de inteligencia artificial se han mostrado muy entusiasmados con el potencial de los algoritmos de aprendizaje por refuerzo (RL) para aprender a partir de la experiencia de prueba y error, como hacen los humanos, pero el aprendizaje real por prueba y error del que se benefician los humanos se desarrolla en apenas un puñado de intentos, no en millones o miles de millones de experiencias, como ocurre en los sistemas RL actuales”, afirma Tenenbaum. “El juego Herramientas Virtuales nos permite estudiar esta forma de aprendizaje por prueba y error, muy rápida y mucho más natural, en los humanos, y el hecho de que el modelo SSUP sea capaz de captar la dinámica de aprendizaje rápido que observamos en los humanos sugiere que también podría señalar el camino hacia nuevos enfoques de IA para el RL que puedan aprender de sus éxitos, sus fracasos y sus casi aciertos con la misma rapidez y flexibilidad que las personas”.
