Un equipo de investigadores del Reino Unido han desarrollado una manera de aplicar las redes neuronales de aprendizaje profundo a la conducción de un automóvil. En un artículo reciente de su blog los representantes de estos académicos, bosquejaron cómo trabaja su tecnología, y además, ofrecieron una demostración real usando un automóvil físico en un camino del mundo real.

VIDEO: ¿Cuál gana entre un Tesla Models S y un Dodge Challenger SRT?

Los investigadores indican que la mayoría de los autos que se conducen a sí mismos usan una serie de cámaras y sensores, además de herramientas de mapas y mucha programación. Pero este enfoque, indican, probablemente no les deja ver las dificultades que se tienen. Los coches autónomos pueden ser programados por compañías grandes, como Google, en donde el resultado es un auto que sí, conduce solo y es bueno en esta labor, pero no lo suficientemente bueno como para ser usado comúnmente. El problema, indican, es que estos automóviles no son lo suficientemente inteligentes para lidiar con la miriada de condiciones que se presentan en el camino comúnmente. Lo que se necesita es una computadora más inteligente y no más sensores o programación.

El equipo cree que un enfoque inteligente es usar algoritmos de reforzamiento del aprendizaje como el que se usa en DeepMind, para enseñarle a la computadora a hacer algo de la misma forma que lo hacen los seres humanos, es decir, practicándolo. Los algoritmos de reforzamiento del aprendizaje son el corazón de las redes neuronales de aprendizaje profundo, que aprenden haciendo las cosas, una y otra vez, mejorando con el tiempo. En el caso de los vehículos que se controlan de forma autónoma, esto significa que aprendan a conducir un auto hasta que lo hagan correctamente.

Para demostrar lo bien que funciona este enfoque, pusieron un Renault Twizy con una cámara y gasolina, frenos y control del volante, y lo ligaron a un procesador gráfico y a una computadora corriendo los algoritmos de aprendizaje reforzado que los investigadores han creado. Entonces a la computadora se le dijo que el resultado óptimo era llevar el coche hacia adelante en el camino sin salirse del mismo. Mientras hiciese esto, el asunto marchaba. Entonces añadieron a un conductor humano y colocaron el auto en un camino. El conductor humano corregía el volante cuando el programa se empezaba a desviar del camino. Cuando el camino se terminaba, el humano lo detenía. De esta forma la computadora fue capaz de aprender a no salirse del camino y de frenarse cuando éste se acababa, en alrededor de 20 minutos solamente, toda una proeza.

El enfoque parece, sin embargo, demasiado simplista, pero es un paso interesante a cosas más complejas. Probablemente sea cierto que el enfoque correcto es el de tener un programa más inteligente y no un sistema con la programación tradicional que hace que todo se vuelva absolutamente complejo a la larga. No obstante, todos los enfoques deben ser analizados para hallar aquel que pueda ser el adecuado para esta difícil tarea.