REPORTAJE

Darwin, fecunda fuente de inspiración para la robótica EL PAÍS, HERVÉ MORIN Darwin, genio tutelar de los biólogos, ¿extiende su impronta al mundo de los informáticos? Su teoría de la evolución, según la cual (para simplificar) la selección natural conduce a la supervivencia del más apto y, en la generación siguiente, a la transmisión de los caracteres más adaptados al medio, es una fecunda fuente de inspiración para un número creciente de investigadores en inteligencia artificial y robótica. Estos informáticos realizan la programación evolucionista, utilizan algoritmos genéticos, y propician mutaciones, híbridos, cruces y recombinaciones de cromosomas numéricos. El entusiasmo es tal que algunos investigadores no dudan en poner en tela de juicio las definiciones clásicas de la inteligencia artificial (IA). Ya que, si bien estos sistemas que se derivan de ella "resuelven problemas, no resuelven el problema de saber cómo se resuelve un problema", lamentan los informáticos Kumar Chellapilla y David Fogel que exhortan a sus colegas a inspirarse de un modelo trivial, la vida, que es el origen de las "formas más comunes de inteligencia". En efecto, ¿por qué no suscitar azar y necesidad, provocar la aparición de programas inteligentes multiplicando las generaciones y seleccionando a los más capaces, como hace la naturaleza? El principio es sencillo, e incluso fue esbozado a finales de los años cuarenta por Alan Turing, que abandonó esta vía considerada entonces demasiado lenta. Pero hoy, se puede disponer de la potencia de los ordenadores y ésta permite simular siglos de evolución en pocos segundos. Los resultados están ahí, surgen de forma casi mágica, como en el Laboratorio de Informática de París 6 (LIP6), donde un robot evolucionista hexápodo empezó por desplazarse torpemente antes de que su sistema interno de control (20 neuronas únicamente) se ajustase a lo largo de un millar de generaciones, ofreciendo un sugerente atajo para adquirir la marcha trípode en los insectos. Otros sistemas evolucionan de forma diferente y se desplazan como reptiles, combinan nadar con caminar, pero pueden igualmente aprender a estabilizar el vuelo de un helicóptero o a gestionar una cartera de acciones. La red Evonet, que agrupa a los investigadores europeos de evolución artificial, censa toda una serie de aplicaciones ya operativas: generación de bactericidas, mejora de la gestión de yacimientos petrolíferos y de gas, diseño de suspensiones para automóviles, definición de tratamientos de radioterapia y programación de paneles publicitarios móviles. El método, que presenta la ventaja de combinarse con la programación clásica, es atractivo, pero tiene sus límites, que los especialistas en inteligencia artificial no ocultan. "Es bastante fácil crear un algoritmo genético", subraya Evelyne Lutton, investigadora del Instituto Nacional de Investigación en Informática y Automatización (INRIA), que los utiliza para poner a punto motores de búsqueda de datos. "Pero es más difícil comprender por qué y cómo funciona". El resultado obtenido es una especie de "caja negra", que habrá que abrir si se desea comprender el mecanismo (una precaución reclamada por los empresarios preocupados por evitar que surja cualquier comportamiento imprevisto). "Extraer conocimientos a partir de las soluciones o de las representaciones internas que construye el sistema para resolver el problema planteado es muy difícil", confirma Frédéric Alexandre, del Laboratorio de Investigación en Informática y Aplicaciones de Lorena-Loria (Nancy), que utiliza la programación evolucionista para dirigir el comportamiento de robots, ajustar máquinas industriales o prever la posición de las antenas de teléfono en el territorio. Otra dificultad consiste en determinar la "función de fitness (idoneidad)" que sirve para evaluar si el objetivo buscado ha sido alcanzado o si está más cerca y si se puede permitir al programa reproducirse. Para un juego como las damas, es bastante fácil de definir, pero es completamente distinto cuando se trata de soltar un robot en un entorno complejo con la única misión de sobrevivir. Una objeción clásica está resumida en la fórmula "los aviones a reacción no baten las alas": la evolución por sí sola no ha encontrado forzosamente las soluciones más ingeniosas. "No copiamos las formas sino los principios de organización", replica Jean-Arcady Meyer, del LIP6. "No desembocamos obligatoriamente en lo que ha realizado la naturaleza", aunque sea grande la tentación de empezar por aspectos elementales del comportamiento y reconstruir paso a paso la evolución artificial, los comportamientos animales y humanos más logrados. Los mejores robots construidos siguiendo este principio aún están en el estadio de los reflejos y los balbuceos, pero hacer evolucionar una máquina hasta la perfección del cerebro humano no es, sin duda, algo totalmente utópico. Haciendo de puente entre los biólogos que, como Antonio Damasio, piensan que la inteligencia también está forjada por las emociones, algunos aguardan ya la primera muestra de emoción de los robots evolucionistas. Ajedrez El principio básico que rige la mayoría de los algoritmos del juego del ajedrez es la teoría del minimax, elaborada en 1950 por Claude Shannon, investigador de la compañía Bell Telephone y pionero de la teoría de la información y de la comunicación. Ésta lleva al ordenador a pasar revista a todas las posibilidades de un número limitado de movimientos y a asignarles un valor que tome en cuenta los beneficios para el jugador y para su adversario. La mejor alternativa era entonces aquella que maximizase lo primero a la vez que minimizaba lo segundo. Pero es difícil contemplar todas las opciones. En 1953, otro pionero de la ciencia informática, Alan Turing, introdujo la idea de posición muerta. Una configuración que, dos movimientos después del realizado, no ofrece ninguna salida, eximiendo al ordenador de explorar las opciones siguientes. En 1958, Allan Newel y su equipo de la universidad Carnegie Mellon, en Pittsburgh, mejoraron todavía más este principio, mediante otro modo de eliminación que simplifica la elección del movimiento siguiente.