Giuseppe Davide Paparo y Miguel Ángel Martín-Delgado, investigadores miembros del Consorcio Científico QUITEMAD, Programa de Tecnologías de I+D, financiado por la Comunidad de Madrid, junto a un grupo internacional de científicos en Austria: Vedran Dunjko, Adi Makmal y Hans J. Briegel, han realizado un estudio sobre el uso de tecnologías y herramientas de computación cuántica para obtener un robot más rápido e incluso más eficiente en un entorno ambiental donde el tiempo de respuesta es un aspecto crítico.

El resultado de este trabajo significa un paso adelante para la inteligencia artificial en su objetivo más ambicioso, que es lograr un robot que tenga inteligencia y creatividad y no sea diseñado para tareas específicas. Y el uso de tecnologías cuánticas, al tiempo, nos acerca más al gran reto, a largo plazo, de la construcción de robots cuánticos que presenten ganancias en rapidez o eficacia con respeto a los robots clásicos.

Estamos en los albores de una revolución robótica, de la misma manera que los ordenadores han revolucionado todas nuestras vidas. Es natural pensar que las leyes de la mecánica cuántica que ya han revolucionado el mundo de las comunicaciones y ordenadores clásicos, con algoritmos cuánticos mucho más rápidos y protocolos de comunicación seguros, también lo van a hacer con los robots, autómatas y demás agentes usados en Inteligencia Artificial (IA). En este trabajo, los autores han estudiado las ventajas que la información cuántica puede aportar a esta disciplina dando lugar al nacimiento de la Inteligencia Artificial Cuántica (Quantum AI). No en vano, la compañía Google ha lanzado una iniciativa para la puesta en funcionamiento de un Laboratorio de Inteligencia Artificial Cuántica.

Es bien sabido que la información y la computación cuántica pueden ayudar a resolver algunos de los problemas mas difíciles de la informática, en particular podemos pensar en el aprendizaje robótico, machine learning. El aprendizaje robótico consiste genéricamente en la construcción de mejores modelos del mundo que nos rodea para poder hacer predicciones más precisas: Si queremos curar enfermedades, necesitamos mejores modelos de cómo se desarrollan, a partir del reconocimiento de los síntomas que las causan. Si queremos crear políticas ambientales efectivas, necesitamos mejores modelos de lo que está sucediendo a nuestro clima y cuales son los factores del cambio en acto para poder actuar. Y si queremos construir un motor de búsqueda más útil, tenemos que entender mejor las preguntas que aparecen en el lenguaje oral y como aprovechar del mar de información en la web para que podamos obtener la mejor respuesta, a medida del usuario.

El aprendizaje robótico, machine learning, es una tarea muy difícil. Es lo que los matemáticos llaman un problema 'duro' ('NP- hard'). Esto se debe a la construcción de un buen modelo es realmente un acto creativo. Como analogía, pensemos en lo que se necesita para diseñar una casa. Un arquitecto creativo, enfrentado a recursos y espacio limitados, encontrará una gran solución. Matemáticamente hablando, el arquitecto está resolviendo un problema de optimización y la creatividad se puede considerar como la capacidad de llegar a una buena solución dado un objetivo y sus restricciones.

Los ordenadores clásicos no son muy adecuados para este tipo de problemas donde la creatividad juega un papel importante. Ahí es donde entra en juego la computación cuántica. En este trabajoconjunto con los científicos de la Universidad de Innsbruck, esas ganancias cuánticas han sido probadas por primera vez en inteligencia artificial, un campo donde los intentos de construir un robot inteligente solo habían visto el uso arquitectura clásicas. La ganancia no se resuelve exclusivamente en una mejora cuantitativa en la rapidez sino que da la posibilidad a un robot dotado de una arquitectura cuántica de adaptarse a entornos donde el agente clásico no es lo suficientemente eficaz para sobrevivir: una mejora cualitativa con respeto a los robots puramente clásicos.

En este trabajo, los autores han utilizado técnicas de computación cuántica para resolver los problemas de optimización más duros, donde la búsqueda de la solución con fuerza bruta es la estrategia más ventajosa.

El entorno ambiental en el que esta metido el agente o robotes el mismo al que estamos acostumbrados: un entorno clásico. Entonces, la representación de la realidad, interna al robot, puede desarrollarse usando estado cuánticos. Dentro del robot tenemos más control sobre los sistemas que se usan para codificar la información y representar el estado de conocimiento del robot sobre el entorno. Es aquí que utilizando el modelo de Simulación Proyectiva (SP), un modelo de inteligencia artificial desarrollado por Hans J. Briegel y Gemma de las Cuevas, se pueden obtener procesados internos al robot que sean másrápidos.

El modelo de Simulación Proyectiva tiene la característica crucial que utiliza un camino aleatorio para decidir que acción producir en respuesta a un estímulo. Ese proceso, sin información adicional, se puede resolver haciendo una búsqueda con fuerza bruta usando un camino aleatorio para encontrar la mejor opción.

Utilizando técnicas de información cuántica para construir caminos cuánticos aleatorios que sean más rápidos que los clásicos en problemas de búsqueda, los autores han conseguido lograr por primera vez demostrar que un robot cuántico puede responder con más rapidez con la acción óptima a un estímulo externo dado, lo que permite a un robot cuántico adaptarse a entornos donde el robot clásico, más lento, no alcanza terminar el proceso que le permite responder y aprender del ambiente. El resultado es que en caso de entornos muy exigentes, el robot cuántico puede adaptarse y sobrevivir y el robot clásico está destinado a fallecer.

Las aplicaciones de robots en inteligencia artificial son prácticamente infinitas. No solamente se pueden construir robots que ayuden en las tareas cotidianas si no sistemas autónomos que puedan aprender y adaptarse a entornos muy duros como puede ser un robot de exploración en misiones espaciales en Marte, por ejemplo.

El campo de inteligencia artificial ha logrado mejoras impresionantes en medicina, donde muchas diagnosis ahora se hacen utilizando técnicas de aprendizaje desarrolladas en inteligencia artificial. Nuestro buzón de correo no está lleno de basura gracias a filtros contra el spam, un logro del campo de la inteligencia artificialy ya en muchos sitios web podemos interactuar con un avatar, que es un agente inteligente que conteste a nuestras preguntas. Y algoritmos cuánticos de Google también han sido desarrollados recientemente por G.D. Paparo y M.A. Martín-Delgado y colaboradores (Google in a Quantum Network, Quantum Google in a Complex Network.”) que dejan abierto un futuro donde las comunicaciones en internet son mejorables con ayuda de sistemas cuánticos diversos.

El proyecto ha sido financiado por varias instituciones, entre ellas el programa "Quantum Information Technologies in Madrid (QUITEMAD)" de la Comunidad de Madrid, el Ministerio de Economía y Competitividad de España y la ComisiónEuropea (PICC).

FUENTE: madrimasd, 22 de julio de 2014