En la película Flubber de 1997 de Robin Williams, un profesor distraído crea una bola de sustancia viscosa consciente con capacidades increíbles.
Ahora, más de 25 años después, los científicos han hecho un descubrimiento sorprendente que podría llevar a Flubber al mundo real.
Investigadores de la Universidad de Reading han creado un ‘cerebro de hidrogel’ no viviente capaz de jugar al videojuego Pong.
Utilizando una placa de electrodos conectada al juego clásico, la gelatina a base de agua incluso logró mejorar un 10 por ciento mientras practicaba.
Si bien puede que no sea tan ágil como el invento de Robin Williams, los investigadores creen que este avance podría cambiar el futuro de la inteligencia artificial.
Los investigadores se inspiraron en un experimento anterior que demostró que una placa de células cerebrales podía jugar Pong cuando estaba conectada a electrodos.
Estos experimentos sugieren que “algo parecido a la inteligencia” podría crearse a partir de sistemas muy simples.
Para llevar esa idea un paso más allá, los investigadores investigaron si las gelatinas no vivas también podrían aprender a jugar el juego.
Para probar la eficacia del gel en el juego, los investigadores conectaron un «hidrogel iónico» a una versión para un solo jugador de Pong en la que el jugador tenía que hacer rebotar una pelota contra una pared sólida durante el mayor tiempo posible.
Sorprendentemente, el hidrogel desarrolló una especie de “memoria” que le permitió mejorar su rendimiento con el tiempo.
Los investigadores están un paso más cerca de crear un flubber real al diseñar una gelatina capaz de jugar al videojuego Pong.
Con la práctica, descubrieron que la gelatina mejoraba un 10 por ciento su juego y era capaz de mantener peloteos más largos.
El autor principal, el Dr. Vincent Strong, de la Universidad de Leeds, afirma: «Demostramos que los hidrogeles no solo pueden jugar, sino que pueden mejorar con el tiempo».
Sin embargo, los investigadores no dicen que la gelatina sea sensible o que necesariamente «aprenda» a jugar.
Los hidrogeles, como la gelatina o el agar, son cadenas complejas de polímeros que se vuelven gelatinosos cuando se les agrega agua.
La única diferencia entre la gelatina de este experimento y la de su cocina es que los investigadores utilizaron un «polímero electroactivo».
Los hidrogeles iónicos (en la imagen) como el utilizado por los investigadores son capaces de desarrollar una forma de «memoria» al cambiar en respuesta a la estimulación eléctrica.
Los investigadores descubrieron que un hidrogel podría aprender a jugar al clásico juego Pong (en la foto) e incluso mejorar hasta en un 10 por ciento con la práctica.
Estos polímeros forman un gel que puede responder a la estimulación eléctrica gracias a la presencia de partículas cargadas, o iones, atrapados dentro de su estructura.
El tipo de «memoria» que muestra el hidrogel depende enteramente de dónde terminan esos iones flotantes.
Para hacer que la gelatina juegue al Pong, primero se la colocó entre dos placas, cada una con un conjunto de tres por tres de pequeños electrodos.
Seis de esos pares de electrodos, formando una cuadrícula de tres por dos, se cargaron para simular el movimiento de la pelota a través de la pantalla.
Los tres pares restantes se utilizaron luego para representar la pared trasera donde el jugador mueve su paleta.
Los investigadores colocaron la gelatina en una rejilla de electrodos (a la izquierda de la imagen) que le permitieron simular el movimiento de la paleta y la pelota a través de estimulación eléctrica.
Los investigadores se inspiraron en un estudio anterior que mostró que una placa de neuronas de ratón (en la imagen) en lo que llamaron un ‘DishBrain’ podría aprender a jugar Pong.
Esos seis electrodos midieron dónde estaban más concentrados los iones en el hidrogel y movieron la paleta hacia esa ubicación.
Cuando se estimula el hidrogel, los iones cargados se mueven, arrastrando moléculas de agua y cambiando la forma de la gelatina.
A medida que los iones se movían, el punto con la corriente más alta se desplazaba en la pared trasera a medida que la bola se desplazaba por la pantalla, lo que permitía que la gelatina cambiara la posición de la paleta.
Al principio, todos los iones estaban distribuidos uniformemente en el gel, por lo que la paleta se movía de forma un tanto aleatoria.
Pero a medida que la pelota se movía por la cancha, añadiendo más corriente, los iones se desplazaban y se acumulaban en zonas donde la pelota tendía a ir.
El Dr. Strong explica: «Con el tiempo, a medida que la pelota se mueve, el gel acumula una memoria de todo el movimiento. Y luego la paleta se mueve para acomodar esa pelota dentro del entorno simulado.
El hidrogel «aprendió» a jugar gracias al movimiento de partículas cargadas que se acumulaban en las zonas donde se simulaba que la pelota se encontraba con mayor frecuencia. En este experimento (en la imagen), la gelatina alcanzó su máximo rendimiento después de 20 minutos de práctica.
‘Los iones se mueven de una manera que crea una memoria de todo el movimiento a lo largo del tiempo, y esta “memoria” da como resultado un mejor rendimiento.’
Esta memoria permite que el gel mueva la paleta en la trayectoria de la pelota con mayor frecuencia, creando peloteos más largos.
Los investigadores afirman que esta forma básica de memoria es en realidad bastante similar a lo que ocurrió en los experimentos anteriores con células cerebrales.
El coautor, Dr. Yoshikatsu Hayashi, también de la Universidad de Reading, dice que el principio básico es el mismo.
Tanto en los hidrogeles como en las neuronas, los iones cargados se mueven en una distribución que coincide con los bucles de movimiento en el mundo simulado de Pong.
El Dr. Hayashi dice: ‘En las neuronas, los iones circulan dentro de las células; en el gel, circulan hacia el exterior’.
Además de aprender a jugar un juego simple como Pong, los investigadores esperan extraer los algoritmos que permiten al hidrogel adquirir recuerdos para formar una nueva base simple para la inteligencia artificial.
La principal diferencia entre ambos es que el hidrogel requiere un aprendizaje más lento: tarda 20 minutos en alcanzar su máximo rendimiento, frente a los 10 minutos que tardan las células cerebrales.
En el futuro, los investigadores creen que esto podría proporcionar un nuevo tipo de «inteligencia» que serviría de base a una nueva IA.
Actualmente, la mayoría de las IA se basan en la disposición de las neuronas en el cerebro, de ahí el nombre de «redes neuronales».
Sin embargo, el tipo de memoria exhibida por un hidrogel podría proporcionar una base más simple para algoritmos inteligentes.
Los investigadores dicen que su próximo objetivo es extraer algoritmos del hidrogel que permitan esta forma única de memoria.
CÓMO APRENDEN LAS INTELIGENCIAS ARTIFICIALES UTILIZANDO REDES NEURONALES
Los sistemas de IA se basan en redes neuronales artificiales (RNA), que intentan simular el modo en que funciona el cerebro para aprender.
Las ANN se pueden entrenar para reconocer patrones en la información (incluido el habla, los datos de texto o las imágenes visuales) y son la base de una gran cantidad de desarrollos en IA en los últimos años.
La IA convencional utiliza información para “enseñar” a un algoritmo sobre un tema en particular alimentándolo con enormes cantidades de información.
Los sistemas de IA se basan en redes neuronales artificiales (RNA), que intentan simular el funcionamiento del cerebro para aprender. Las RNA pueden entrenarse para reconocer patrones en la información, incluidos el habla, los datos de texto o las imágenes visuales.
Las aplicaciones prácticas incluyen los servicios de traducción de idiomas de Google, el software de reconocimiento facial de Facebook y los filtros en vivo de alteración de imágenes de Snapchat.
El proceso de ingresar estos datos puede consumir mucho tiempo y está limitado a un tipo de conocimiento.
Una nueva generación de ANN, denominada redes neuronales antagónicas, enfrenta el ingenio de dos robots de IA entre sí, lo que les permite aprender uno del otro.
Este enfoque está diseñado para acelerar el proceso de aprendizaje, así como para refinar los resultados creados por los sistemas de IA.
