Ense?ar a los robots a sentir

Si te gusta la ciencia ficci¨®n, habr¨¢s visto diversos robots omnipotentes que act¨²an como personas y, de hecho, realizan cualquier trabajo mucho mejor que un ser humano. En 2001: una odisea en el espacio o en Blade Runner aparecen, en papeles protagonistas, diferentes robots o sistemas totalmente inteligentes capaces de tomar las decisiones m¨¢s provechosas. En el cine, los robots son, o bien comprensivos y volcados en la ayuda a los humanos, o bien malvados y poderosos, los enemigos m¨¢s peligrosos de la raza humana. Estas cualidades emocionales son muy importantes en el desarrollo de los robots sociales modernos. Para dise?ar una inteligencia emocional artificial, que ayude a los robots a tomar decisiones y a mejorar su interacci¨®n con las personas, se requieren complejos modelos matem¨¢ticos.

En la era de la inteligencia artificial, poco a poco nos vamos acostumbrando a la interacci¨®n con ordenadores o robots en nuestra vida diaria: en contextos educativos, de terapia o rehabilitaci¨®n y de compa?¨ªa. Sin embargo, no son robots emocionales. La investigaci¨®n ha dejado de lado, durante d¨¦cadas, el papel de las emociones, ya que se consideraba que no admit¨ªan un an¨¢lisis cient¨ªfico. Esto ha cambiado en los ¨²ltimos a?os, despu¨¦s de que muchos experimentos psicol¨®gicos y de ciencia cognitiva revelaran que las emociones ¨Csentimientos, estados de ¨¢nimo, personalidad¨C son m¨¢s que una forma de expresi¨®n de los seres humanos: tienen un impacto importante en los procesos cognitivos y la toma de decisiones de las personas. Con esta idea en mente, en 1995, Rosalind Wright Picard propuso una nueva direcci¨®n de investigaci¨®n, la computaci¨®n afectiva, una computaci¨®n que se relaciona, surge e influye en las emociones.

Desde entonces, la computaci¨®n afectiva estudia y desarrolla sistemas y dispositivos para reconocer, interpretar, procesar y simular el afecto humano. Adem¨¢s de dotar a las m¨¢quinas de emociones ¨Cque se expresen de forma espont¨¢nea¨C, tambi¨¦n busca que sean capaces de interpretar el estado emocional de los humanos y adaptar su comportamiento a ellos, dando una respuesta adecuada.

Cuanto m¨¢s seguros estamos de la predicci¨®n, m¨¢s esperanzados o temerosos nos sentimos. Estas dos emociones se pueden tratar como ¡°esperadas¡±, que se reflejan a trav¨¦s de la expectativa del evento en el pron¨®stico

Es un campo interdisciplinario en el que confluyen las matem¨¢ticas, la inform¨¢tica, la neurociencia, la ciencia cognitiva y la psicolog¨ªa. Las matem¨¢ticas ¨Cen concreto, la inferencia bayesiana y la teor¨ªa de juegos¨C permiten desarrollar modelos capaces de codificar los procesos emocionales. Intuitivamente, sabemos que ciertas circunstancias pueden inducir una emoci¨®n espec¨ªfica. Por ejemplo, la esperanza precede a eventos que la gente anhela; el miedo surge frente a peligros o amenazas f¨ªsicas. Ambos sentimientos se experimentan cuando anticipamos algo bueno o malo en el futuro. Cuanto m¨¢s seguros estamos de la predicci¨®n, m¨¢s esperanzados o temerosos nos sentimos. Estas dos emociones se pueden tratar como ¡°esperadas¡±, que se reflejan a trav¨¦s de la expectativa del evento en el pron¨®stico. Este modelo se puede incorporar en m¨¢quinas inteligentes, combinado con algoritmos de aprendizaje autom¨¢tico capaces de aprender patrones de eventos, asociaciones entre objetos y expectativas.

En los ¨²ltimos a?os nos hemos centrado principalmente en desarrollar modelos matem¨¢ticos, basados en el an¨¢lisis de riesgo, enfocados a la toma de decisiones y en su integraci¨®n en robots programables. El modelo subyacente de toma de decisiones utiliza una funci¨®n de utilidad esperada multi-atributo, con probabilidades basadas en el marco de trabajo del an¨¢lisis de riesgo adversario. Dado un historial de interacciones, estados ambiente y acciones potenciales, la decisi¨®n se anticipa a trav¨¦s de una distribuci¨®n conjunta, con periodos de memoria limitados. Extendemos este principio de decisi¨®n para permitir un comportamiento impulsivo en algunos casos concretos, con emociones intensas.

Todav¨ªa no comprendemos los complejos ciclos de retroalimentaci¨®n y la toma de decisiones que impulsa y controla las respuestas emocionales

Pero la computaci¨®n afectiva se encuentra todav¨ªa en una etapa incipiente. Todav¨ªa no comprendemos los complejos ciclos de retroalimentaci¨®n y la toma de decisiones que impulsa y controla las respuestas emocionales. Una v¨ªa de actuaci¨®n podr¨ªa ser utilizar los algoritmos de aprendizaje para entrenar el modelo de simulaci¨®n de comportamientos humanos. Para ello, es necesario mejorar la estructura con mediciones precisas y con una estrategia computacional integral.

Las computadoras afectivas no solo deber¨ªan ayudar de mejor manera a los humanos, sino que tambi¨¦n podr¨ªan tener mayor capacidad para tomar decisiones. Este tipo de resultados llevar¨¢ el campo de la toma de decisiones a un nuevo nivel, permiti¨¦ndonos entender mejor la interacci¨®n humano-robot y produciendo nuevas aplicaciones, ahora mismo inesperadas.

Si Liu es investigadora postdoctoral en la Universidad de Shangh¨¢i de Ciencia y Tecnolog¨ªa

Caf¨¦ y Teoremas es una secci¨®n dedicada a las matem¨¢ticas y al entorno en el que se crean, coordinado por el Instituto de Ciencias Matem¨¢ticas (ICMAT), en la que los investigadores y miembros del centro describen los ¨²ltimos avances de esta disciplina, comparten puntos de encuentro entre las matem¨¢ticas y otras expresiones sociales y culturales y recuerdan a quienes marcaron su desarrollo y supieron transformar caf¨¦ en teoremas. El nombre evoca la definici¨®n del matem¨¢tico h¨²ngaro Alfred R¨¦nyi: ¡°Un matem¨¢tico es una m¨¢quina que transforma caf¨¦ en teoremas¡±.

Edici¨®n y coordinaci¨®n: ?gata A. Tim¨®n Garc¨ªa-Longoria (ICMAT)

Puedes seguir a MATERIA en Facebook, Twitter, Instagram o suscribirte aqu¨ª a nuestra newsletter