Una de las grandes revoluciones de la tecnología es la capacidad de aprender por sí misma. Esto más bien quiere decir que algunos aparatos, artefactos o robots, tienen un software que les permite aprender algo que no les indicamos específicamente. Y es que es imposible cargar a nuestros robots con toda la información que necesitan y necesitarán tener para tomar decisiones inteligentes. Entonces tuvimos que encontrar la forma de enseñarles a aprender. ¿Cómo es posible? Aquí te contamos todo.
Como todo en este mundo, este aprendizaje está basado en otros aprendizajes, como, por ejemplo, el humano. Nosotros aprendemos de varias maneras: ensayo y error, aprendizaje vicario o por observación, por repetición, entre otros. Pero incluso las pequeñas moléculas que alguna vez fueron antecesoras de nuestros ojos, aprendieron que exponerse demasiado a la luz, las mataría y fueron evolucionando de manera que pudieron protegerse de la radiación ultravioleta. Ese es un tipo de aprendizaje por refuerzo, en el cual el refuerzo era vivir más. En el caso de los robots, el aprendizaje por refuerzo es una opción relativamente fácil. ¿Cómo? Otorgando un valor positivo a las acciones o decisiones tomadas por el robot que lleven a los resultados esperados. Por ejemplo, para ir de un punto A a un punto B en un lugar con obstáculos, el robot puede aprender a calcular las probabilidades para lograrlo con el menor número de movimientos, demorando el menor tiempo posible o quizás de la manera más segura. Esto es muy útil para robots de rescate en caso de derrumbes u otras catástrofes.
Pero también hay aprendizajes más complejos y profundos, como el llamado Redes Neuronales. Este imita la actividad de nuestra corteza cerebral, que, si bien no entendemos del todo aún, sí tenemos luces de cómo funciona o lo suficiente como para generar softwares como el de youtube o tiktok, que nos sugieren videos que mantengan nuestra atención en la plataforma ¡y que de hecho las hacen bastante adictivas!
Por cierto, estos aprendizajes toman cierto tiempo e incluso pasar por etapas de entrenamiento. Es así como nuestro Arkytas-P aprende a identificar objetos y personas y hasta a reconocer, con su micrófono ultrasónico, qué sonidos producidos por los polines de las correas transportadoras, son indicadores de mal funcionamiento o peligro de fallas. Lo mejor de todo es que pueden adaptarse a las necesidades de cada cliente, mejorando la producción y alineados con los objetivos de prevención de riesgos. Y en tu empresa ¿qué podrían aprender nuestros robots que mejore los resultados de tu producción?
Commentaires