Criaturas virtuales desarrollan cuerpos que les ayudan a aprender
Una criatura virtual balancea cuatro brazos en forma de tentáculos, empujándose hacia adelante. Se arrastra por una colina y luego se precipita por el otro lado. Parece «un pulpo caminando sobre la tierra», dice Agrim Gupta. Esta extraña criatura desarrolló su propio cuerpo. También aprendió su propio método de movimiento. Esta combinación de evolución y aprendizaje podría ayudar a los ingenieros a construir nuevos tipos de robots, dice Gupta.
Un estudiante de doctorado que estudia visión por computadora en la Universidad de Stanford en California, Gupta es una especie de abuelo para esta criatura parecida a un pulpo y cientos de otras criaturas virtuales de aspecto extraño. Él creó a los ancestros que dieron origen a estas criaturas. Él los llama unimales, que significa «animales universales». Ese término refleja el hecho de que pueden evolucionar en tantas formas corporales diferentes. Algunos se parecen a animales reales. Otros son bastante extraños.
El equipo descubrió que el tipo de cuerpo de un animal afecta su capacidad para aprender cosas nuevas. Tendemos a pensar en el aprendizaje como algo que sucede en el cerebro. Pero, señala Gupta, «tu cuerpo juega un papel muy importante en las cosas que puedes aprender». El tipo de mundo en el que vives también importa.
Si los robots pudieran evolucionar en una simulación, podrían desarrollar sus propias formas que funcionan incluso mejor, pensaron Gupta y sus colegas. Entonces los ingenieros podrían construir carrocerías que nunca hubieran soñado por su cuenta.
Así que lo probaron. Los animales que aprendieron a moverse en mundos simulados más complicados terminaron con cuerpos más adecuados para aprender. Gupta y su grupo describieron esto en Comunicaciones de la naturaleza El pasado octubre.
“Estaba entusiasmado con este trabajo”, dice Sam Kriegman. No participó en esta investigación, pero sabe mucho sobre el tema. Trabaja en robótica evolutiva en el Instituto Wyss. Es parte de la Universidad de Harvard en Boston, Massachusetts. También trabaja en el Allen Discovery Center de la Universidad de Tufts en Medford, Massachusetts. Los ingenieros de robots tienden a copiar los cuerpos que ven en la naturaleza. Es por eso que muchos robots se parecen a animales reales, como perros o personas.
Agitándose
Una especie animal evoluciona con pequeños cambios aleatorios en sus genes. Esos cambios que le dan nuevas ventajas hacen que sea más fácil sobrevivir. Los informáticos ahora pueden imitar este proceso en código. Así es como lo hizo el equipo de Gupta.
Para empezar, les dieron a sus animales cuerpos que se parecen mucho a figuras de animales. Cada uno tiene una sola cabeza redonda. De esta cabeza sobresalen segmentos rectos. Se ramifican en otros segmentos, formando partes del cuerpo que se asemejan a brazos, piernas o tentáculos.
Un poco más de 500 animales generados aleatoriamente son arrojados a un mundo virtual, que se parece mucho a un videojuego. En el juego más simple, cada animal tiene que atravesar un paisaje llano. Descubre cómo moverse utilizando un modelo informático de aprendizaje automático. El aprendizaje automático es un tipo de inteligencia artificial (IA) que permite a las computadoras practicar una habilidad hasta que la dominan.
En este caso, el modelo de aprendizaje automático controla el cuerpo del animal. Al principio, cuando el modelo no sabe nada sobre cómo moverse, el cuerpo se agita mientras intenta movimientos aleatorios. Si un movimiento acerca al unimal a su objetivo de cruzar el paisaje, el modelo aprende a repetir ese movimiento. Cuanto más se aleja el animal por el paisaje, mayor es su puntuación en el juego.
Una estrella de mar que rebota
Más tarde, los animales se dividen en grupos de cuatro. El miembro del grupo que tenga la puntuación más alta podrá evolucionar. Imaginemos que el ganador se parece un poco a una estrella de mar. Cuando evoluciona, su cuerpo cambia de forma aleatoria. Por ejemplo, podría perder algunas de sus patas. O bien, todas sus piernas podrían desarrollar un nuevo segmento. O uno puede ser más largo y otro más corto. En este último caso, las extremidades se vuelven más ligeras. Entonces, «la estrella de mar puede rebotar más fácilmente», explica Gupta.
Más tarde, todos los unimales del grupo original de cuatro regresan al mundo virtual plano junto con la nueva estrella de mar. No recuerdan nada de su primer viaje por el mundo. Todos tienen que empezar de cero, dando vueltas hasta que algo funcione. Nuevamente, todos obtienen una puntuación y se enfrentan en grupos de cuatro para ver quién evoluciona a continuación.
Este proceso se repite, una y otra vez. Cada vez que se crea un nuevo animal, el más viejo muere. Si estaba haciendo un buen trabajo, habrá evolucionado varias veces antes de morir. Eso significa que dejó un montón de hijos y nietos a los que les iría mejor. A lo largo de muchas generaciones, los animales se vuelven cada vez mejores para cruzar el paisaje. No recuerdan nada de experiencias pasadas. Eso es porque el punto no es cruzar el paisaje. Es desarrollar cuerpos que sean mejores para aprender a moverse.
Enfrentando desafíos
El mundo plano fue solo el comienzo. Gupta y el equipo volvieron a pasar por el mismo proceso con nuevos grupos de unimales aleatorios en un paisaje lleno de baches. Y en un tercer mundo, los unimales tenían que empujar un cubo hacia algún objetivo a través de un paisaje lleno de baches. Esto fue especialmente difícil de dominar. Sin embargo, al combinar el aprendizaje y la evolución, surgieron animales que podían manejarlo. Uno desarrolló dos extremidades similares a manos que usaba para empujar el cubo.
Luego, el equipo puso a prueba a todos los animales en nuevos tipos de mundos. Estos tenían obstáculos que ninguno había encontrado antes. Tuvieron que subir y bajar pendientes pronunciadas. Tuvieron que empujar una pelota hacia un objetivo (que es mucho más complicado que un cubo, ya que puede rodar fácilmente). De nuevo, los unimales no recordaban nada de lo que habían aprendido. Todo lo que tenían eran formas corporales que habían funcionado bien en uno de los tres mundos originales.
Los animales que habían evolucionado en el tercer mundo, el de las protuberancias y el cubo, «aprendieron nuevas tareas mejor y también mucho más rápido», señala Gupta. ¿Por qué? Sus cuerpos se habían adaptado para ayudarlos a resolver diferentes tipos de problemas.
Por ejemplo, el animal con manos podría usarlas para empujar una pelota. Los animales del mundo plano no necesitaban manos, por lo que les resultó mucho más difícil controlar el balón. Tener el cuerpo adecuado, mostró Gupta, «puede simplificar enormemente el problema de aprender una tarea».
Los ingenieros no siempre pueden imaginar el mejor tipo de cuerpo para un determinado robot. Combinando evolución y aprendizaje, los diseñadores pueden generar y probar miles de nuevas opciones. “Deberíamos usar computadoras para ayudarnos a ser más creativos y crear nuevos tipos de cuerpos de robots”, dice Kriegman.
No será fácil trasladar criaturas simuladas a la realidad, añade. El mundo real es mucho más desordenado y complejo que una simulación. Un cuerpo que funciona bien en una computadora puede no funcionar tan bien en la vida real. Sin embargo, dice Kriegman, “estos problemas tienen solución”.
