Algoritmos Genéticos, el concurso de las IA’s

Por Raimundo Plaza, Developer de Landscape

Desde un comienzo el concepto de Inteligencia Artificial (IA) ha sido algo controversial. Sin embargo, lentamente ese estigma ha ido desapareciendo a medida que los conocimientos del común de la gente se amplían dentro de lo que este ámbito compone. A su vez, de él se obtienen nuevos conceptos que demuestran no solo los avances tecnológicos llevados a cabo con el paso del tiempo, sino que también que aprender sobre IA’s es cuanto menos divertido.

Estrictamente relacionado con lo anterior, quiero hablarles de un concepto llamado “Algoritmos genéticos”. Para entender esta premisa debemos repasar desde donde proviene un Algoritmo Genético: Las redes neuronales. Las Redes Neuronales, como su nombre sugiere, busca replicar las funciones de nuestras neuronas. Estas redes están compuestas por nodos de entradas, de salidas, y ocultos. En resumidas cuentas los nodos de entrada recepcionan información que se va modificando a través de los nodos ocultos en un proceso llamado “aprendizaje”, que puede tener distintos algoritmos que modifican su comportamiento, para posteriormente llevarla hacia el nodo de salida. Luego, se les provee de patrones concretos para que sus nodos se ajusten iterativamente hasta dar con el resultado esperado. En términos básicos: Un bucle que recibe información, la procesa bajo indicaciones, y devuelve información intentando cumplir con un objetivo.

Ahora bien, el Algoritmo Genético lleva consigo una lógica bastante similar en cuanto a cómo se basa en el ser humano para su funcionamiento: En un principio vimos que una red neuronal (siendo generales) replica el funcionamiento de un cerebro, pudiendo aprender diversas cosas para llegar a un resultado esperado.

Para fines prácticos, digamos que una red neuronal representa a una persona. Lo que se busca el Algoritmo Genético es, en lugar de enseñar a una sola persona a llegar a un resultado, toma muchas de esas personas, evalúa y califica sus aptitudes en función de criterios definidos. Y quiénes pasen dicha evaluación, se les reproduce mezclando sus genes y añadiendo “mutaciones”, mientras que quienes reprueban… bueno, van a la chatarrera.

Como habrán notado, esto suena muy familiar ¿Verdad? Es porque este concepto está fuertemente basado en la biología tras la selección natural y la genética. La parte divertida de todo esto es que puedes perfectamente tomar a estas “personas”, meterlas en un entorno controlado y ponerlas a concursar. Quienes pasen, se reproducirán, dando pie a una nueva generación de IA’s con mutaciones únicas (rasgos especiales).

Dicho sea de paso, existen un montón de aplicaciones de este concepto que podemos observar para integrar mejor este aprendizaje: IA’s aprendiendo a caminar, IA’s aprendiendo a conducir, IA’s aprendiendo a jugar videojuegos. Por supuesto, no es tan fácil como parece.

Nunca lo es, ¿verdad? Ojalá pudieras tomar la IA y simplemente dejarla ahí para que haga lo suyo. En cierta forma, eso haces, pero aun así debes darle los medios para llegar a eso. Me explico: La IA debe ser capaz de interpretar lo que sucede a su alrededor en función de que vaya donde quieres que se mueva. Un ejemplo bastante general: Si requieres de una IA que dibuje, basándonos en lo que aprendimos de Redes Neuronales, puedes darle de entrada la posición del cursor, su tamaño, el ancho y largo de la pantalla, y como salida mover el cursor en cierta dirección, si aplicar presión o no al lápiz, etc. Teniendo sus entradas y salidas bien establecidas, lo que pase entre medio es todo obra de la IA. Y eso último es muy destacable: Significa que la primera generación de IA’s a la que les encargues este trabajo dará resultados cuanto menos, caóticos. Esto debido a que no tienen claro qué deben lograr, por lo que si les pediste que dibujaran, resultará en todo tipo de rayas, líneas y cosas similares.

Quienes dibujen lo más similar o parecido a lo que buscas, serán conservados y reproducidos, mientras que los que no, se irán. Como resultado, la siguiente generación estará más alineada a lo esperado, y así por N veces hasta llegar a tu resultado ideal.

Personalmente, soy un fuerte partidario de mezclar el aprendizaje con matices lúdicos y ojalá divertidos, por esa razón les comparto este Link. En él, podrás ver cómo se le enseña a una IA a caminar. Dentro de su interfaz, al lado izquierdo tienes una tabla de puntajes que se califica en función de: La distancia de la cabeza contra los pies (con el fin de caminar recto), la distancia avanzada y los pasos dados.

Más al centro tienes una columna que muestra los controles sobre la simulación; puedes manipular la probabilidad de mutaciones entre generaciones, la cantidad de mutaciones, cuantos ganadores serán copiados para la siguiente generación, el largo del round de prueba, calidad de animación, velocidad de simulación, entre otros. Ahora tenemos claro que este concepto innovador podría tener muchas aplicaciones a través de lo que hemos aprendido, pudiendo llevarnos a un sin fin de experimentos, probando los límites de la Inteligencia artificial.

¿Quieres aplicar todos los beneficios de la inteligencia artificial en tu compañía? ¿Quieres seguir profundizando en la larga lista de aplicaciones de la inteligencia artificial? Te invito a que des el primer paso, escribiendo a contacto@landscape.cl, y nosotros nos encargamos del resto.