Desde hace varios días tenía pendiente leer el artículo Elephants don’t play chess que Rodney Brooks (del cual ya he hablado antes en la revolución biotecnológica y Kismet) publicó en 1990. En él defiende su desarrollo de robots inteligentes basados en comportamientos mediante la subsumption arquitecture (al castellano lo he visto traducido como Arquitectura de subsunción), frente al enfoque clásico de la IA orientado a los sistemas basados en manipulación simbólica.

No he encontrado en ningún sitio una traducción al español del artículo citado (Los elefantes no juegan al ajedrez), así que he hecho una traducción libre de una parte que me ha parecido muy interesante, para colgarla aquí y por si me es necesario para el trabajo que tengo que hacer. La verdad es que nunca antes me había puesto a escribir una traducción, así que creo que me ha quedado bastante chapucera y que se notan claramente algunas construcciones inglesas que al traducirlas al castellano quedan algo forzadas. No obstante, creo que queda inteligible.

Debo hacer una aclaración: En inglés la denomina “Physical Grounding Hypothesis” y “physically grounded”, que literalmente es “hipótesis de base física” y “físicamente basados”. Los he dejado así a falta de una construcción más adecuada. Como se verá en el artículo, hace referencia a que todo el robot esté en contacto pleno con el mundo físico, y que no se haga internamente una representación abstracta del mismo, sino que su conocimiento esté basado en el propio mundo físico en el que se desenvuelve. Desconozco si este término ya se había traducido antes y se utiliza otra construcción para referirse a esto.

La reflexión más interesante de la parte que quiero citar está en la sección 3.1, pero dejo los párrafos precedentes para dejar claro de qué está hablando y entender la explicación en su contexto.

3. La hipótesis de la base física
Nouvelle AI está basada en la hipótesis de la base física. Esta hipótesis plantea que para construir un sistema que sea inteligente es necesario que tenga sus representaciones basadas en el mundo físico. Nuestra experiencia con esta aproximación es que una vez se hace este compromiso, la necesidad por las tradicionales representaciones simbólicas pronto desaparece por completo. La observación clave es que el mundo es nuestro mejor modelo: está siempre exactamente actualizado y siempre contiene todos los detalles que tienen que conocerse. El truco es detectarlos apropiadamente y lo suficiente a menudo.

Para construir un sistema basado en la hipótesis de la base física es necesario conectarlo al mundo a través de un conjunto de sensores y actuadores. Entradas y salidas escritas ya no son tan interesantes, puesto que no están basadas en la física.

Aceptar la hipótesis de la base física como fundamento para la investigación supone construir sistemas de abajo hacia arriba. Las abstracciones de alto nivel tienen que ser hechas precisas. El sistema construído finalmente tiene que expresar todas sus metas y deseos como acciones físicas, y debe extraer todo su conocimiento de sensores físicos. Así, el diseñador del sistema es forzado a hacer todo explícito. Cada atajo ha tenido un impacto directo sobre la competencia del sistema, como no haber retraso en las representaciones entrada/salida [[creo que es lo que quiere decir con: as there is no slack in the input/output representations]]. Las formas de las interfaces de bajo nivel tienen consecuencias cuando se extienden a través del sistema entero.

3.1 Evolución
Tenemos la evidencia de la posibilidad de que existan entidades inteligentes –el ser humano. Además, muchos animales son inteligentes en algún grado. (Lo cual es objeto de un intenso debate, cuya mayor parte se centra en la definición de inteligencia). Todas estas entidades han evolucionado durante los 4600 millones de años de historia de la Tierra.

Es instructivo reflexionar sobre el modo en el que la evolución de los animales terrestres gastó su tiempo. Los organismos unicelulares surgieron de la sopa primordial aproximadamente hace 3500 millones de años. Pasaron mil millones de años antes de que las plantas fotosintéticas aparecieran. Después de casi otros mil millones y medio de años, hace como 550 millones, los primeros peces y vertebrados llegaron, y luego los insectos hace 450 millones de años. Luego las cosas empezaron a moverse deprisa. Los reptiles aparecieron hace 370 millones de años, seguidos por los dinosarios hace 330 y los mamíferos hace 250 millones de años. Los primeros primates aparecieron hace 120 millones de años y los predecesores inmediatos a los grandes simios hace unos simples 18 millones de años. El hombre llegó en su forma similar a la presente hace 2,5 millones de años. Inventó la agricultura hace sólo 19 000 años, la escritura hace menos de 5000, y el conocimiento “experto” sólo en los últimos cientos de años.

Esto sugiere que el problema de resolver el comportamiento, lenguaje, conocimiento experto y su aplicación, y el razonamiento, son todos bastante simples una vez la esencia de vivir y reaccionar están disponibles. Esta esencia es la capacidad de moverse en un entorno dinámico y percibir los alrededores en un grado suficiente para lograr el mantenimiento necesario de la vida y la reproducción. Esta parte de la inteligencia es donde la evolución ha concentrado su tiempo –es mucho más complicado. Esto es la parte físicamente basada de los sistemas animales.

Otro argumento alternativo al anterior es el hecho de que una vez la evolución tuvo símbolos y representaciones las cosas empezaron a avanzar más rápidamente. Por lo tanto los símbolos son el invento clave y los trabajadores de IA pueden esquivar el complejo problema inicial y empezar a trabajar directamente con símbolos. Pero yo creo que esto pierde un punto crítico, como se muestra por la relativamente débil actuación de los robóts móviles basados en símbolos en contraposición con los robots físicamente basados. Sin una cuidadosa construcción de la base física cualquier representación simbólica será mal emparejada con sus sensores y actuadores. Estas bases proveen las limitaciones en los símbolos necesarias para ser realmente útiles.

[24] ha argumentado muy elocuentemente que movilidad, agudeza visual y la habilidad de llevar a cabo tareas relacionadas con la supervivencia en un entorno dinámico proveen las bases necesarias para el desarrollo de la verdadera inteligencia.

[24] Maja J. Mataric, A model for distributed mobile robot enviroment learning and navigation, MIT M.S. Thesis in Electrical Engineering and Computer Science (January 1990).

Más adelante, en el mismo artículo, especifica las metas logradas con algunos robots siguiendo el esquema que presenta, y detallando qué capas de comportamientos les progama (en este video pueden verse algunos de los que nombra, y otros de sus actuales proyectos). Recomiendo su lectura a cualquiera interesado en el campo de la inteligencia artificial o la robótica inteligente.