¿Alguna vez te has preguntado por qué los humanos tenemos los ojos que tenemos? La evolución de los sistemas de visión es un campo fascinante, pero estudiarlo directamente es imposible. Sin embargo, investigadores del MIT han creado una solución innovadora: un ‘sandbox’ científico basado en inteligencia artificial para explorar la evolución de los ojos.
Un Laboratorio de Evolución Virtual
Este nuevo marco computacional permite a los investigadores simular la evolución de los sistemas de visión en agentes de IA a lo largo de múltiples generaciones. Al modificar el entorno y las tareas que deben realizar los agentes, como buscar comida o discriminar objetos, los científicos pueden recrear diferentes árboles evolutivos y observar cómo se desarrollan los ojos.
¿El objetivo? Entender por qué algunos animales evolucionaron parches fotosensibles simples, mientras que otros desarrollaron ojos complejos tipo cámara. Los experimentos realizados hasta ahora demuestran que la tarea principal influye significativamente en el tipo de ojo que evoluciona.
Navegación vs. Discriminación de Objetos
Por ejemplo, los agentes de IA enfocados en la navegación tendieron a desarrollar ojos compuestos, similares a los de los insectos y crustáceos, optimizados para la conciencia espacial. Por otro lado, aquellos centrados en la discriminación de objetos evolucionaron ojos tipo cámara con iris y retinas, ideales para la agudeza visual frontal.
Implicaciones y Futuro del Proyecto
Este ‘sandbox’ científico no solo ayuda a comprender la evolución biológica, sino que también tiene aplicaciones prácticas. Permite responder preguntas hipotéticas sobre los sistemas de visión que son difíciles de estudiar experimentalmente y puede guiar el diseño de nuevos sensores y cámaras para robots, drones y dispositivos portátiles, equilibrando rendimiento con eficiencia energética y facilidad de fabricación.
Kushagra Tiwary, estudiante graduado del MIT Media Lab y coautor principal del estudio, destaca las posibilidades que abre este método científico: “Si bien nunca podremos retroceder y descubrir cada detalle de cómo tuvo lugar la evolución, en este trabajo hemos creado un entorno donde podemos, en cierto sentido, recrear la evolución y sondear el entorno de todas estas diferentes maneras”.
Construyendo el Sandbox: Los Componentes Clave
Para construir este entorno evolutivo, los investigadores tomaron todos los elementos de una cámara (sensores, lentes, aperturas, procesadores) y los convirtieron en parámetros que un agente de IA podía aprender. Estos componentes sirvieron como punto de partida para un mecanismo de aprendizaje algorítmico que el agente utilizaría para evolucionar sus ojos con el tiempo.
El algoritmo evolutivo puede elegir qué elementos evolucionar basándose en las restricciones del entorno y la tarea del agente. Cada entorno tiene una tarea única (navegación, identificación de alimentos, seguimiento de presas) diseñada para imitar tareas visuales reales que los animales deben superar para sobrevivir. Los agentes comienzan con un solo fotorreceptor y una red neuronal que procesa la información visual.
A lo largo de la vida del agente, se le entrena utilizando el aprendizaje por refuerzo, una técnica de ensayo y error en la que se le recompensa por lograr el objetivo de su tarea. El entorno también incorpora restricciones, como un cierto número de píxeles para los sensores visuales del agente.
Genes y Evolución
El marco utiliza un mecanismo de codificación genética para imitar computacionalmente la evolución, donde los genes individuales mutan para controlar el desarrollo de un agente. Por ejemplo, los genes morfológicos capturan cómo el agente ve el entorno y controlan la colocación de los ojos; los genes ópticos determinan cómo el ojo interactúa con la luz y dictan el número de fotorreceptores; y los genes neurales controlan la capacidad de aprendizaje de los agentes.
Lecciones Aprendidas de la Evolución Artificial
Los experimentos revelaron que las tareas influyen en los sistemas de visión que evolucionan los agentes. Además, un experimento demostró que un cerebro más grande no siempre es mejor para procesar información visual. La cantidad de información visual que puede entrar en el sistema a la vez está limitada por restricciones físicas como el número de fotorreceptores en los ojos.
Brian Cheung, coautor principal, explica: “En algún momento, un cerebro más grande no ayuda en absoluto a los agentes, y en la naturaleza eso sería un desperdicio de recursos”.
El Futuro de la Visión Artificial Evolutiva
En el futuro, los investigadores planean utilizar este simulador para explorar los mejores sistemas de visión para aplicaciones específicas, lo que podría ayudar a desarrollar sensores y cámaras optimizados para tareas concretas. También quieren integrar LLM (Large Language Models) en su marco para facilitar a los usuarios la formulación de preguntas “qué pasaría si” y el estudio de posibilidades adicionales.
Conclusión
Este innovador enfoque ofrece una nueva perspectiva sobre la evolución de la visión y abre la puerta a la creación de tecnologías de detección más eficientes y adaptadas a las necesidades específicas. El ‘sandbox’ del MIT podría ser el primer paso hacia una nueva generación de sistemas de visión artificial inspirados en la sabiduría de la evolución.
Fuente: MIT News – AI
Leave a Comment