Professional Documents
Culture Documents
RESUMEN
Finalizando se realiza un anlisis contrastando las teoras del Aprendizaje con el Modelo
de Procesamiento de Informacin del Robot, encontrando dos importantes hallazgos; el
primero que las definiciones de Aprendizaje del Conductismo, del Cognitivismo
Estadounidense, Neurociencia, Inteligencia Artificial son similares al referirse que es un
cambio en la conducta que permanece estable. Segundo, que el modelo de aprendizaje
de la Maquina RAJU aplica a la definicin de Aprendizaje del Cognitivismo
Estadounidense.
1
Investigacin como requisito para optar el ttulo de psicloga.
2
Estudiante de la facultad de Psicologa de la Universidad San Buenaventura de Cali.
3
Asesor de trabajo de grado. Director Laboratorio de Psicologa U.S.B. Cali
SUMMARY
This article is the result of an investigation asAssistant Psychology Lab (LABPSIC) framed
inthe field of Cognitive Science, working together with the Faculty of
Engineering System, both included in the San Buenaventura University Cali
branch. In which I question how learning machines
with artificial intelligence? Investigating the theoretical
conceptions of learning frompsychological attitudes (Behaviorism, CognitivismAmerican an
d European), Biological and ArtificialIntelligence. Then presents the model of information
processing that the robot will RAJU, machine thatlearns to play table games.
Cmo aprenden las mquinas que tienen inteligencia artificial? Para responder a sta
pregunta, se considera necesario dialogar, primero las teoras del aprendizaje desde la
psicologa, pero tambin desde la perspectiva de la ingeniera en sistemas, por tal motivo
desde el laboratorio de psicologa (LABPSC) se decide trabajar junto a la Facultad de
Ingeniera de Sistema de la Universidad San Buenaventura de Cali, personas como
Christian Arias quienes estn desarrollando un Robot llamado RAJU4, y con quienes se
logr conocer el esquema el esquema de procesamiento del modelo de aprendizaje con el
que cuenta sta mquina, el cual se tomar como anlisis de caso, para conocer
precisamente los componentes que influyen en ste proceso que llaman aprendizaje y
4
Robot con visin y audicin que aprende a jugar juegos de mesa, por el momento ajedrez, investigacin
coordinada por el Ingeniero Christian Arias.
as poder reflexionar y contrastar las teoras de aprendizaje con el esquema del modelo
de aprendizaje del robot.
Este estudio est enmarcado en el campo de las Ciencias Cognitivas, ciencia que surge
con la pretensin de promover el estudio del razonamiento humano, mecanismos de
funcionamiento interno del cerebro de una manera emprica, cientfica e interdisciplinar,
frente a los estudios anteriormente filosficos. Trabajando en un constante dialogo entre
disciplinas como Psicologa, Neurociencia, Lingstica, Antropologa, Filosofa. (Martnez
2006)
Resulta bastante interesante e importante desarrollar sta temtica, estudiar los procesos
cognitivos en una mquina, un programa diseado por cerebros humanos, capaz de
aprender y desarrollar actividades iguales o superiores a las que realizan las personas. Y
si suponemos que en realidad es posible que cumpla un proceso cognitivo como lo es el
aprendizaje, la pregunta que surge es: Cmo es posible que suceda esto? Qu
elementos posee sta mquina que la hace tan similar al potencial humano?
El segundo sentido, dice que la inteligencia artificial es genuina y no solo algo que
aparenta serlo, aunque sta sea construida. El ejemplo ms conocido, es la comparacin
con la luz artificial: sta luz ilumina y es fabricada, y aun as, s es lo que aparenta ser, el
problema es que la inteligencia, el pensamiento, el aprendizaje no es tan visible como lo
es la luz cuando se presiona el interruptor y se observa como ilumina el espacio fsico
donde est, esto no lo podramos hacer con una mquina que afirma por su creador, ser
inteligente y capaz de aprender, la discusin aqu no se remota en, si es o no aprendizaje,
o s es o no es, inteligencia artificial genuina, sino que, ste estudio parte de la idea de
que el robot s aprende, y sobre lo que se puede rescatar del procesamiento de
informacin para debatir el concepto de aprendizaje, porque siendo la mquina un
modelo del cerebro humano podemos reflexionar y hacernos preguntas sobre lo que
sucede en la especie humana, el Cmo aprenden las maquinas? Que nos puede decir
de la definicin del aprendizaje sobre el funcionamiento de las maquinas con inteligencia
artificial? por lo tanto hay que revisar las definiciones que se tienen de aprendizaje desde
las posturas psicolgicas, biolgicas y la inteligencia artificial.
Conductismo
Cognitivismo
El cognitivismo ha tenido discusiones sobre su origen, por un lado (Pozo, 2003) los
estadounidenses consensuaron el ao de 1956 como fecha de inicio de la psicologa
cognitiva como una respuesta a las demandas tecnolgicas de la revolucin postindustrial
donde el ser humano pasa a concebirse como un procesador de informacin. Sin
embargo hay quienes consideran que estudios sobre procesos cognitivos se inicia mucho
antes de 1956 en Europa con autores como Binet, Pieget, Vigotsky, Duncker, Bartlett, que
presentaron posturas que se ubican en una psicologa cognitiva, lo que Pozo encuentra,
es que los estadounidenses no tuvieron influencia sobre la teora de los europeos, de
hecho nos vemos ante dos formas distintas de entender la psicologa, la europea
racionalista y constructivista y la estadounidense asociacionista que toma el
procesamiento de informacin para explicar las complejas estructuras psquicas del ser
humano. (Pozo, 2003).
Es decir; hay una relacin donde uno le da paso al otro, el aprendizaje facilita el
desarrollo, no el desarrollo a el aprendizaje, si bien lo biolgico sienta las bases para el
desarrollo general y poder aprender, solo la influencia socio-cultural posibilitar un
desarrollo de aprendizaje. Porque el individuo es indisociable de la sociedad en que vive,
la cual le trasmite formas de conducta y de organizacin del conocimiento que el sujeto
tiene que interiorizar. El desarrollo del individuo se produce ligado a la sociedad en la que
vive (Baquero, Luque 2002). Un humano por ms desarrollado que tenga su sistema
nervioso, no es sujeto sin una sociedad que lo transforme y aprenda de ella, el
aprendizaje solo se construye a partir de la interaccin con otro ms capaz, al realizar
actividades guiadas o imitadas, esta caracterstica la vemos ms amplia en el concepto de
ZDP zona de desarrollo prximo. Los animales pueden aprender todo lo que necesitan,
sin ninguna cultura, aunque requieran de otros animales que les ensee (Horacio &
Pedrazzi, 2007cita Elichiry, 2001 Pg 59).
Neurociencia
Con el fin de que el individuo se adapte a las demandas de su entorno, el cerebro debe
auto modificarse; a esta flexibilidad de estructuracin se le conoce como plasticidad, el
cerebro se modifica fsicamente atreves del reforzamiento, el debilitamiento y la
eliminacin de conexiones existentes y el crecimiento de nuevas y el grado de
modificacin depende del tipo de aprendizaje que tiene lugar. Por ejemplo: la informacin
con alto grado de significado para el individuo se da como aprendizaje a largo plazo lo
que conduce a modificaciones ms profundas, haciendo que la creacin de enlaces entre
neuronas sea ms fuerte y por lo tanto perdurable. Para la otra informacin que no tiene
mayor relevancia donde el individuo requiere tomar decisiones de manera inmediata se
da un aprendizaje a corto plazo, aqu sucede lo contrario, las relaciones entre neuronas
son dbiles, el conociendo se va desvaneciendo ya que las neuronas se van
desconectando poco a poco. (Toro Gonzalez, 2002).
Inteligencia artificial IA
Para dar una idea de cmo actuar RAJU, veamos un recorrido por la estructura del
modelo general para agentes que aprenden tomada del libro, Inteligencia Artificial un
enfoque Moderno de Russell , Norvig, & Joyanes , (2004) que se us como base terica
para la parte de la estructura implementada en RAJU.
Nivel de actuacin
Sensores
Critica
Retroalimentacin Medio
Cambios
Elemento de Elemento de
Conocimiento Ambiente
aprendizaje. actuacin
Objetos
Aprender
Generador de
problemas
Actuadores
Critica: indica al elemento de aprendizaje que tal lo est haciendo el agente con respecto
al nivel de actuacin fijo, es necesaria porque las percepciones por si mismas no proveen
una indicacin del xito al agente.
1) Paso: Ingresa informacin del estado de la pantalla por los sensores. (el sensor
de RAJU es un dispositivo diseado para captar informacin del estado de una
partida de juego,)
2) Paso: Esta informacin pasa al nivel de actuacin que junto a la crtica, le indican
a la maquina el estado frente a su oponente, si ste le favorece o no, pero tambin
le indica, si el movimiento que acaba de realizar estuvo mejor que el anterior
aunque este ltimo no haya sido favorable.
3) Paso: la informacin del primer paso tambin se dirige al elemento de actuacin,
aqu se realiza una lista de posibles acciones a realizar, sta lista es el resultado
de la aplicacin de las reglas y las heursticas, una frmula que el Ingeniero ha
ingresado buscando las mejores acciones a realizar.
4) Paso: la informacin del paso dos y el paso tres, van ahora al elemento
aprendizaje, aqu se hacen mejoras a la lista que se tiene, con la informacin que
hay en la memoria, sta informacin es la experiencia almacenada, es decir, el
resultado de cada ecuacin con su respectivo grado de satisfaccin de partidas
anteriores, as se compara la lista anterior, con la experiencia actual buscando el
mejor movimiento (se profundizara ms adelante en ste elemento).
5) Paso: ste consiste en sugerir acciones exploratorias que guiaran a la maquina
hacia experiencias nuevas, la lista de mejores jugadas del paso 4, es enviada a el
generador de problemas, aqu se realiza una simulacin de las mejores acciones
del agente (lista) y las de su oponente, luego le enva el mejor resultado que
considere al elemento de actuacin, y ste al actuador para que se lleve a cabo la
accin.
Heursticas y Reglas:
Reglas Bsicas son: movimiento de las fichas; esta regla le limitara la posibilidad de hacer
un movimiento errneo con las fichas. Por ejemplo, se sabe que el caballo tiene un solo
recorrido que es en (L). Por lo tanto el agente no podr mover sta ficha en otro sentido.
Otra regla es, la meta sta se basa en indicarle, el objetivo en una partida, que es el de
derrotar el Rey del contrincante. Los indicadores del desempeo sern entonces: gano,
perdi, o quedo en tabla, que es el resultado del objetivo, y tambin como indicador de
desempeo durante la partida podra ser la cantidad de casillas controladas.
Este elemento cuenta con una memoria que tiene como objetivo almacenar las acciones
previas (es decir las jugadas) y los resultados de stas.
Regla:
X ?=Q
Dnde: X = es la fuerza con la que rota la cuerda. ? = el Angulo en el que se debe saltar,
valor proporcionado por la heurstica, por ejemplo: Angulo de 15, 20, 23 etc. Y Q =
resultado de la accin.
Heurstica:
a+b+c+d = ?
La heurstica es una ecuacin que proporciona una funcin que va a la regla, para
modificar en el resultado de una accin. Imagine que la memoria ya ha guardado algunas
jugadas, entonces el elemento de aprendizaje, revisa esta informacin extrayendo a un
lado, las posiciones de ngulo en la que al saltar la cuerda, se logr pasar por encima de
la cuerda, sin pisarla. La crtica le muestra, que al saltar cuando se ha formado un ngulo
de 25 favorece el rendimiento a diferencia, si lo realiza cuando forma un ngulo de 10 o
de 45. Luego, estos pesos (25) pasara a la regla y as mejora el desempeo.
Segn todos los conceptos de aprendizaje descritos al inicio del artculo, RAJU a que
modelo de aprendizaje aplicara? Respondiendo sta pregunta se aportar a la incgnita
inicial de Cmo aprenden las mquinas que tiene inteligencia artificial? Para ello,
debemos analizar cada corriente, donde posteriormente se incluir el anlisis de caso.
Recordemos que no se logr observar al robot en funcionamiento, es decir, jugando
ajedrez pero se pudo estar al tanto del modelo de aprendizaje con el cual, se va a operar
y a partir de sta estructura podemos aproximarnos al desempeo que se espera lograra
tener RAJU.
Lo que muestran las teoras de aprendizaje que se han expuesto al inicio del artculo, es
una pequea diferencia si se compara con la similitud que hay entre ellas.
El conductismo, el cognitivismo estadounidense, la neurociencia y la ingeniera, presentan
teoras similares sobre el aprendizaje, se habla de un sujeto pasivo, de un contexto que
afecta y modifica al sujeto, y un aprendizaje cuantitativo por ser observable y predecible.
Por otra parte y enfocndonos en las corrientes que se ocupan del estudio de las
mquinas como un modelo del cerebro humano, en especial el procesamiento de
informacin y la inteligencia artificial, analicemos que dicen sobre el aprendizaje.
Respecto al procesamiento de informacin, lo que se hall primero que todo, fue que los
procesos de cambio cognitivo como el aprendizaje constituyen uno de los ms
clamorosos olvidos del procesamiento de informacin, como evidentemente lo muestra su
ausencia en la mayor parte de los manuales vigentes de psicologa cognitiva (Carretero,
1986 citado por Pozo, 2003 ). Una de sus razones, planteada por Siegler (2005) es que,
durante mucho tiempo el aprendizaje dej de ser importante para la psicologa porque era
algo que se asociaba al conductismo y la personas no quera saber sobre ello.
Estas reflexiones, conduce a deducir que RAJU aplica para el modelo de aprendizaje del
cognitivismo estadounidense, que toma como epistemologa el empirismo, y que bien, en
definicin de aprendizaje, es la continuacin del conductismo. Comparemos ahora los
componentes del modelo de aprendizaje RAJU con los procesos cognitivos ya que son
importantes en el proceso de aprendizaje, teniendo en cuenta la figura 1.1 modelo general
de aprendizaje para agentes que aprenden.
Comencemos con el Entorno/Ambiente que es donde se mueve el agente inteligente y el
humano (es decir, la estructura de su ambiente) que le permitir definir la forma de recibir
las percepciones, es importante identificar que existen diferentes tipos de ambientes o
entornos: Observable vs. Parcialmente Observable, Determinista vs. Estocstico,
Episdico vs. Secuencial, Esttico vs. Dinmico, Discreto vs. Continuo (Russell , Norvig,
& Joyanes , 2004) y que son estos ambientes el origen de todo cambio. Lo que conduce
a preguntarse, si solo lo que es externo me permite un cambio en mi conducta? , y si
todo lo que cambio es aprendizaje?
Los sensores: en el agente son los encargados de recibir el estado del ambiente, en el
humano podramos pensar en la percepcin refirindonos con especial nfasis en las
actividades sensoriales, La percepcin es aquella parte de la representacin consciente
del entorno, es la acumulacin de informacin usando los cinco sentidos fisiolgicos.
(Galeano, 2000) Visin, audicin, tacto, olfato, sabor.
Luego de exponer y comparar los componentes del aprendizaje de RAJU con algunas de
las cualidades del ser humano es preciso reflexionar sobre el papel del aprendizaje en las
mquinas, en la actualidad se avanza en el tema de la tecnologa, pero sta logra
proporcionar una definicin de cmo aprenden los agentes inteligentes o en su defecto,
retroalimentar la definicin de aprendizaje que se tiene?
Para pensar este asunto, es preciso analizar un ejemplo; imagine una computadora que
tiene dos aplicaciones, una es Word, la otra es RAJU, ambos almacenan informacin, en
ambos se modifica el comportamiento, pensemos en el programa Word en especial su
diccionario, por ejemplo, se modifica segn la manera de escribir de la persona que lo
use, una palabra que no es conocida como Pavlov, se subraya de rojo, indicando que su
diccionario no la conoce o que est mal escrita, en caso de que este bien escrita, se le
debe dar clic izquierdo agregar al diccionario, all, el programa la guarda la palabra, y no
vuelve a corregirla, ni preguntar sobre ella.
Por lo tanto, es una modificacin en Word que se mantiene estable a lo largo del tiempo y
tiene que ver con adquirir cierta informacin. Esto es aprendizaje segn su definicin.
Vale la pena preguntarse si Alguien estara dispuesto a aceptar que sta accin en Word
es aprender?
Lo que se puede afirmar, es que se tiene una definicin de aprendizaje tan general, que
cuando se piensa en las computadoras, termina siendo algo muy cercano a la memoria.
Si no se logra diferenciar estos dos programas, en su defecto, memoria y aprendizaje, lo
que habra entonces, es una definicin como tal de aprendizaje que se queda corta, que
es insuficiente.
Decimos que Word aprende porque logro almacenar y hacer uso de cierta informacin,
para un fin, el fin es escribir con una adecuada ortografa. Pero entonces porque la
inteligencia artificial estudia y crea agentes inteligentes teniendo programas como Word
que en definicin de aprendizaje es lo mismo que RAJU.
Resulta que hay determinadas caractersticas que hacen diferente la forma y el contenido
de lo que aprenden ste tipo de aplicaciones, y es a partir de stas caractersticas, del
modelo de aprendizaje de la inteligencia artificial que nos podemos pensar los procesos
cognitivos del ser humano.
Por ejemplo el modelo general de aprendizaje para agentes que aprende, no solo consta
de la memoria como su definicin de aprendizaje se reduce, sino que se habla de
conjunto de elementos que se involucran para lograr un aprendizaje como la crtica, el
generador de problemas, que conducen al agente a decidir por el mismo cmo
comportarse.
Amarista , F., Guzman , A., & Kerdel, O. (1869). Manual de Psicologia Medica.
Caracas: Editorial Disinlimed C.A.
Russell , S., Norvig, P., & Joyanes , L. (2004). Inteligencia Atrificia un enfoque
moderno . Prentice Hall.