Del aprendizaje natural al aprendizaje artificial

Por Helena Matute

(Publicado originalmente en la antigua web de Psicoteca)

Los modelos teóricos de aprendizaje natural desarrollados en la psicología del aprendizaje son parecidos a los sistemas de aprendizaje desarrollados en inteligencia artificial. Pero a diferencia de los sistemas artificiales, los modelos de aprendizaje natural tienen como objetivo el lograr simular y predecir el aprendizaje que realizan los seres humanos y los demás animales teniendo en cuenta no sólo sus limitaciones de memoria y de capacidad de procesamiento, sino también el tiempo limitado del que disponen a la hora de responder a las demandas de su ambiente. Del diálogo entre los investigadores del aprendizaje natural y el artificial podrían surgir sistemas artificiales que sean capaces de adaptarse eficazmente a los cambios de su entorno.


El desarrollo de un modelo de aprendizaje natural incluye simular los logros del aprendizaje natural, pero a su vez implica también simular sus mismos errores, es decir, simular el proceso de aprendizaje en sí mismo. Es por esto que a menudo se tiende a pensar que lo que para un sistema de aprendizaje natural puede ser importante, no tiene por qué serlo para un sistema artificial, o viceversa. Y sin embargo, muchos de esos "errores" son asumidos por los sistemas naturales como un pequeño precio a pagar a cambio de mantener un sistema de aprendizaje flexible y rápido que permita sobrevivir y adaptarse de manera eficaz a los cambios ambientales. Es más, como se mostrará a continuación, ese comportamiento tan "poco lógico" que a menudo muestran los sistemas naturales no es en realidad un error de la naturaleza, sino más bien una forma sabia de adaptarse al ambiente.

Pongamos un ejemplo concreto: Tomemos un "perro de Pavlov" al que presentamos un sonido seguido por comida durante veinte ensayos. El animal aprende que el sonido predice la comida, y como consecuencia de ello, acaba salivando nada más escuchar el sonido. La salivación es lo que nos indica que ha aprendido esa relación predictiva. Pero si ahora le presentamos el sonido sólo (sin comida) otras veinte veces, el animal dejará de salivar. ¿Qué significa eso, que ha "desaprendido" lo que ya sabía? No. Sencillamente ha aprendido una relación opuesta a la anterior y sabe que ahora, el sonido ya no predice comida. Este segundo aprendizaje interfiere con el primero, por eso el perro ya no saliva cuando escucha el sonido. Y debe ser así, esto es lo único que tiene sentido en la naturaleza. Y sin embargo, esta interferencia del nuevo aprendizaje sobre el más antiguo podría ser considerado como un error fatal si sólo tenemos en cuanta las reglas de la lógica, según las cuales el animal debería al final concluir que la comida seguirá al sonido en el 50% de los ensayos.

Ivan Pavlov


¿Por qué no saliva, entonces? Porque en el contexto actual, lo que tiene sentido es no esperar la comida. Pero lo más interesante es que esa interferencia que ocurre en el aprendizaje natural nunca es lo que se conoce en muchos sistemas artificiales como interferencia catastrófica: Bastará con dejar pasar un cierto periodo de tiempo para que el animal deje de sentirse en el contexto en el que recibió los últimos ensayos y, por tanto, vuelva a salivar al escuchar el sonido. Esto demuestra que no había olvidado lo aprendido, y de hecho, lo recupera fácilmente, pero sólo cuando tiene sentido hacerlo. Lo mismo ocurrirá, por supuesto, si lo que manipulamos son contextos físicos en vez de temporales. Es decir, el perro no sólo es capaz de aprender la información contradictoria sin destruir el conocimiento previo sino que utiliza uno u otro tipo de información de manera flexible según el contexto en el que se encuentre (el sonido significa comida en el contexto A pero no en el B y el perro lo sabe, por eso salivará sólo en el contexto A). Las personas funcionamos de manera similar cuando aprendemos, por ejemplo, a diferenciar lo que significa una palabra en un contexto o en otro, pero el modelo animal nos proporciona una situación simplificada en la que a veces resulta más sencillo el desarrollo teórico y la simulación del proceso.

Lo anterior es un ejemplo de los muchos datos y teorías provenientes del aprendizaje natural que podrían ser aplicados al aprendizaje artificial. Es relativamente sencillo simular este tipo de aprendizaje y una máquina con capacidad de aprendizaje tendría que ser capaz tanto de mostrar el efecto de interferencia del nuevo conocimiento sobre el más antiguo, como de recuperar el conocimiento más antiguo cuando las demandas del ambiente sugieran que ese tipo de estrategia será más ventajosa.

La forma en la que trabaja la psicología del aprendizaje es la siguiente: la simulación por ordenador de una determinada teoría predice qué aprenderán y cómo se comportarán los sujetos experimentales en tal o cuál situación. Esto se pone a prueba posteriormente en un experimento con sujetos reales. Si el programa de simulación aprende como lo hacen los sujetos experimentales podremos concluir que la teoría que hemos simulado predice correctamente el aprendizaje natural en esa situación. En ese caso, haremos nuevas simulaciones para situaciones aún no comprobadas con sujetos naturales y veremos cómo se comporta la máquina, o en otras palabras, cómo predice nuestra simulación que habrá de ser el comportamiento del sujeto en la nueva situación. El siguiente paso será comprobar de nuevo si efectivamente los sujetos se comportan en esa nueva situación como predice el programa. Si en algún momento se observan discrepancias entre el comportamiento del modelo y el de los sujetos experimentales, esto indica que estamos trabajando con una teoría incorrecta o incompleta; será necesario reformularla.

Por este procedimiento se están obteniendo numerosos datos y teorías cada vez más potentes, que logran simular en buena medida el comportamiento de los sujetos experimentales, aunque, hoy por hoy, en situaciones aún bastante simples. No obstante, el éxito potencial de estos modelos radica en la gran flexibilidad con que la se adaptan a los cambios ambientales. Los humanos y los demás animales aprendemos de manera muy flexible, adaptándonos a cambios que tienen lugar en nuestro ambiente, y es precisamente esta capacidad de cambiar y de adaptarnos al ambiente lo que nos permite sobrevivir. Esto, además, debemos hacerlo constantemente y de manera muy rápida, normalmente sin demasiado tiempo para pensar o realizar cálculos complicados, incluso sin tener en cuenta todas las opciones posibles a medida que vamos tomando decisiones con la información incompleta y ruidosa que reciben nuestros sentidos. Pero precisamente la capacidad de adaptación radica ahí, en la ausencia de comportamientos rígidos, en la capacidad de asumir riesgos y de dar respuestas más o menos correctas a partir de informaciones incompletas o ruidosas. El método es muy arriesgado pero, en general, funciona.

Es cierto que aún no es posible construir una máquina que sea capaz de aprender igual que como lo hacemos los humanos y los demás animales... sencillamente porque no tenemos aún una teoría lo suficientemente buena como para que pueda ser aplicada con éxito a todas las áreas del aprendizaje natural. Pero sí es posible aplicar las actuales teorías psicológicas del aprendizaje a un número cada vez mayor de situaciones concretas. Del diálogo entre los investigadores del aprendizaje natural y el aprendizaje artificial pueden surgir tanto modelos teóricos más perfectos del aprendizaje natural como sistemas artificiales que sean capaces de adaptarse eficazmente a los cambios de su entorno.

Bibliografía
Bouton, M.E. (1994). Context, ambiguity, and classical conditioning. Current Directions in Psychological Science, 3, 49-53.
Matute, H., Vegas, S., & De Marez, P-J. (2002). Flexible use of recent information in causal and predictive judgments. Journal of Experimental Psychology: Learning, Memory and Cognition, 28, 714-725. [.pdf]
Pavlov, I. (1927). Los reflejos condicionados. Madrid: Morata, 1997.


Enlaces
Biografía de I. P. Pavlov
Asociación Española de Psicología Comparada
Asociación Española para la Inteligencia Artificial


Fuente original del artículo:
Matute, H. (2004). Del aprendizaje natural al aprendizaje artificial. Psicoteca, [http://www.psicoteca.com]

0 comentarios: