Científicos de la Universidad de Zurich han creado robots cazadores, como si no tuviésemos ya suficientes ingredientes para un apocalipsis.

Justo cuando el debate sobre el uso de robots en nuestra vida diaria y en situaciones de alto riesgo para los seres humanos como las guerras se está avivando, hay científicos que se preguntan ¿y si pudiésemos enseñar a un robot a cazar?

Ojo, no les culpo de nada, porque la idea de un robot cazador es tan buena que no me atrevo a criticarla. Además, tal y como han demostrado, es una funcionalidad que puede ser de gran ayuda a la humanidad y que en absoluto servirá para que los robots se dediquen a cazar a humanos por diversión, para nada.

Nada de cámaras, este robot tiene un ojo artificial

Pero, ¿cómo enseñas a un robot a cazar? Primero de todo, tienes que cambiar lo más importante, la manera en la que el robot “ve” y analiza su entorno. Una cámara normal no sirve para este propósito, ya que la reducida cantidad de frames que es capaz de grabar no son suficientes para analizar el movimiento de la presa; básicamente las cámaras son demasiado lentas comparadas con el ojo de un animal.

robot cazador 3

Así que los científicos se inspiraron en la naturaleza para crear lo que llaman una “retina de silicio”, que imita el ojo humano con una eficacia sorprendente; en vez de procesar frames, imágenes completas que dispuestas una detrás de otra forman un vídeo, este ojo artificial contiene píxeles individuales que detectan cambios en la iluminación y los transmiten en tiempo real.

robot cazador 4

De esta manera, no tienen que esperar a crear un frame, una imagen completa, para enviarla a la unidad de procesamiento, donde el robot es capaz de procesar la información visual que le llega, y tomar la decisión adecuada en el momento justo.

Así aprenden los robots cazadores

¿Cómo sabe cuál es el momento adecuado? Pues porque lo ha aprendido; ese es el segundo pilar del proyecto, el aprendizaje automático, del que tanto hemos hablado en Omicrono. La idea es la misma, usando una red neuronal que procesa ingentes cantidades de datos, aprendiendo qué pasos ha dado para llegar a un fracaso, y qué pasos ha dado para conseguir un éxito.

Es una manera mas “orgánica”, por así decirlo, de aprender; en vez de definir variables y ejemplos que sólo funcionarían en casos concretos, el sistema aprende por su cuenta y siempre será mejor conforme más práctica tenga.

robot cazador 1

Según sus creadores, los robots controlados por redes neuronales ofrecen un buen comportamiento en situaciones relacionadas con su aprendizaje, pero tiene un punto débil: si les presentamos una situación completamente nueva, no sabrán que hacer y normalmente tomarán la decisión equivocada, con resultados, aparentemente, graciosos.

Sí, bueno, pero ¿para qué queremos que un robot sepa cazar? Pues resulta que lo que aprende la red neuronal puede ser muy útil para analizar el entorno en tiempo real y evitar que se pierdan y no completen su objetivo.

Es bien sabido que los robots pueden llegar a ser muy torpes realizando la más simple de las tareas si les ponemos la más mínima de las dificultades como un escalón más. Si los robots aprenden a analizar mejor el entorno, y a no perder de vista su objetivo, podrían ser mucho mas ágiles y útiles para cualquier tarea que les mandemos.