Aviso a navegantes: los algoritmos tambi¨¦n se ponen farrucos

Nos gusta imaginar la rebeli¨®n de las m¨¢quinas como un violento apocalipsis de androides, ordenadores, coches, lavadoras y televisores asesinos. Este escenario es tierra f¨¦rtil para el cultivo de blockbusters. ?Nos va a matar un cortac¨¦sped? Qui¨¦n sabe. ?Podr¨¢n desafiar a sus creadores nuestros robots inteligentes? Pues no queremos estropearte el d¨ªa, pero los algoritmos ya se est¨¢n poniendo farrucos.

Lo hemos hablado. Lo demostraron Joel Lehman, Jeff Clune y Dusan Misevic en el estudio La sorprendente creatividad de la evoluci¨®n digital:?"Las interacciones con el software moderno, expl¨ªcitamente dise?ado para ser predecible, podr¨ªan transmitirnos la expectativa de que la innovaci¨®n y la sorpresa no pueden capturarse en un algoritmo inform¨¢tico".?Pero s¨ª. Los algoritmos pueden salirse por la tangente.?El dise?o meticuloso del conjunto de instrucciones aparentemente inequ¨ªvocas los componen puede dejar espacio para las trampas. Y en la selecci¨®n natural de las criaturas virtuales gana la que menos se esfuerce.

• Spideralgoritmo

Los hechos ocurrieron durante el desarrollo de NERO, el primer videojuego donde personajes que no eran el jugador pod¨ªan evolucionar en tiempo real, conforme avanzaba la partida. La idea era que los propios jugadores entrenasen los cerebros artificiales de su ej¨¦rcito de robots a trav¨¦s de diferentes tareas y, una vez listos, los enfrentasen a otras tropas en competiciones online.

Una de estos entrenamientos consist¨ªa en poner paredes a su alrededor, para ense?arles a navegar entre ellas. ?Qu¨¦ hace un humano cuando topa con una pared? Rodearla. ?Qu¨¦ hicieron los robots de NERO? Seguir andando, subirse por ella y bajar por el otro lado. Ch¨²pate esa, Newton.

• M¨¢s vale fuerza que ma?a

Los protagonistas de esta historia son un brazo rob¨®tico y una caja. El objetivo de los dise?adores de esta simulaci¨®n era explorar las posibles interacciones entre ambos. Para ello, asignaban al brazo la tarea de mover el cubo sobre una mesa, asirlo e incluso lanzarlo al interior de una cesta. En una fase posterior, se desactiv¨® la movilidad de la mano, de tal manera que sujetar el objeto no fuese una opci¨®n.

El plan era que el brazo se sumiera en la impotencia y empujase torpemente la caja con su mu?¨®n rob¨®tico. "Esta caja la voy a coger yo a hostias", debi¨® de pensar el algoritmo. Y eso hizo. Encontr¨® la manera de golpear el objeto con la fuerza y los ¨¢ngulos perfectos para acabar caz¨¢ndolo en su pinza.

• ?Los algoritmos levitan?

Imagina una criatura de seis patas nacida en el mundo virtual y pensada para moverse como lo har¨ªa una hormiga. Esto es lo que cre¨® un grupo de cient¨ªficos que estaba estudiando la capacidad de los robots da?ados para adaptarse a su entorno, como lo har¨ªa un animal.

M¨¢s informaci¨®n

Los robots japoneses son los mejores porque no buscan imitar a los humanos

En realidad, ?qu¨¦ [...] es exactamente un algoritmo?

Para medir la velocidad de estas criaturas, tomaron como referencia el tiempo que cada una de sus seis patas estaba en contacto con el suelo. Cuanto m¨¢s breve el instante, mayor la rapidez. Lo que no esperaba el equipo era topar con una criatura cuyas patas tocaban el suelo durante un 0% del tiempo. En su af¨¢n por cumplir las reglas y reducir al m¨¢ximo este porcentaje, la criatura se hab¨ªa dado la vuelta y estaba avanzando patas arriba, andando sobre sus codos.

• Juego sucio

En una simulaci¨®n dise?ada para estudiar la evoluci¨®n de la comunicaci¨®n, se crearon robots con ruedas equipados con luces azules que deb¨ªan utilizar para dialogar con sus cong¨¦neres. La tarea de estos bichitos era buscar comida y evitar venenos. Si lo lograban, ser¨ªan recompensados.

Al cabo de varias generaciones de robots, algunos robots avisaban a los dem¨¢s encendiendo sus luces cuando encontraban comida. Todo muy bonito, si exceptuamos el hecho de que hubo otros que aprendieron a encender sus luces cuando encontraban veneno para eliminar a sus rivales.

"Esta lista ofrece ejemplos concretos de lo dif¨ªcil que es anticipar el comportamiento ¨®ptimo creado y fomentado por ciertos esquemas de incentivos", se?ala el estudio. De acuerdo con sus autores, el estudio de estos fen¨®menos y de sus causas puede ayudarnos a avanzar en el desarrollo de teor¨ªas m¨¢s firmes sobre c¨®mo dise?ar sistemas de recompensas m¨¢s seguros para agentes de inteligencia artificial. Para que no se nos rebelen las m¨¢quinas, vaya.