Robótica
Inteligencia artificial

Un nuevo enfoque para comprender a los robots

Un estudio del MIT sugiere la utilización de dos teorías del conocimiento cognitivo humano para entender, generar confianza y construir robots más afinados para sectores críticos.

Robotic Process Automation (RPA)

El enfoque tradicional científico de las interacciones entre humanos y robots se suele basar en comprender las interacciones de las personas desde el punto de vista de las máquinas para que estas últimas aprendan a cooperar de forma más efectiva. Pero el último trabajo del Massachusetts Institute of Technology (MIT), en colaboración con la Universidad de Harvard, ha cambiado el orden de los elementos de la ecuación ya que estima que los humanos también necesitamos aprender los comportamientos de los robots. De este modo, los investigadores han identificado oportunidades para incorporar elementos de dos teorías complementaras de la ciencia cognitiva en sus metodologías y ayudar a formar modelos conceptuales de robots de una manera más rápida, precisa y flexible, lo que podría mejorar su comprensión sobre el comportamiento.

Así, asegura Serena Booth, una de las autoras principales del informe y estudiante del Grupo de Robótica Interactiva del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL, de sus siglas inglesas), los humanos que construyen modelos mentales más precisos de una máquina obtienen una mejor colaboración, sobre todo en ámbitos de alto riesgo como la fabricación industrial y la atención médica. “Es importante poder darle a los científicos el mejor esquema mental que pueda lograr, ya que, de todos modos, se crearán robots y, si nos equivocamos, corremos un grave peligro”.

Por ello, la teoría de la transferencia analógica sugiere que los humanos buscan términos familiares para comprender nuevos conceptos. Y, la teoría de la variación del aprendizaje argumenta que las personas pasan por un proceso de cuatro pasos cuando interactúan con una nueva realidad: repetición, contraste, generalización y variación. “Si los investigadores hubieran consultado estas teorías al comienzo de su trabajo, podrían haber diseñado experimentos más efectivos”, añade Booth.

Por ejemplo, cuando se enseña a los humanos a interactuar con un robot, los científicos a menudo muestran a estos muchos ejemplos de la máquina realizando la misma tarea. Pero para que las personas construyan un modelo mental preciso de ese robot, la teoría de la variación sugiere que necesitan ver un abanico más amplio de robots realizando esa misma actividad en diferentes entornos, así como explorar sus errores. “También necesitamos ver ejemplos negativos para comprender qué no es el robot”.

Estas teorías cognitivas, asegura la tecnóloga, también podrían mejorar el diseño físico de los robots. Si un brazo de una de estas máquinas se asemeja a uno humano pero se mueve de formas diferentes, las personas tendrán dificultades para crear modelos mentales precisos del robot. La transferencia analógica dice que si el movimiento no coincide, las personas pueden tener dificultades para aprender a comunicarse con el robot.

Por último, la investigación concluye que estos dogmas pueden, además, mejorar las explicaciones que buscan ayudar a las sociedades a generar confianza en robots nuevos y desconocidos. “Tenemos un gran problema de sesgo de confirmación. Por lo general, no existen estándares sobre qué es una explicación y cómo una persona debe usarla”. Por lo tanto, el paso más grande a dar en esta ciencia pasa por ser más rigurosos en la utilización de estas dos teorías.



Contenido Patrocinado

sitio web, internet, portátil, pc TENDENCIAS

Especial Sanidad

Be Data Ready

Webinar Commvault Metallic

Communications Platform for Business

Partnerzones



Registro:

Eventos:

 

Revistas Digitales

DealerWorld Digital

IDG Research