Enseñando a los robots a ser amables: El futuro de la IA

¿Alguna vez has notado cómo algunas personas no pueden evitar echar una mano cuando alguien está en problemas? Pues, imagina si los robots o programas de computadora pudieran sentir lo mismo. Esa es la idea detrás de entender el comportamiento prosocial en agentes artificiales, que son como pequeñas computadoras que pueden pensar por sí solas. Este artículo echa un vistazo más de cerca a cómo estos agentes pueden aprender a ser útiles, amables o simplemente amigables, todo motivado por la necesidad de cuidar de sí mismos y de los demás.

#¿Qué es el comportamiento prosocial?

El comportamiento prosocial es cuando las personas actúan de maneras que benefician a otros. Piensa en ello como compartir una porción de tu pizza favorita con un amigo que todavía está esperando su pedido. Lo haces porque te sientes bien ayudando, incluso si terminas con una pizza un poco más pequeña.

En la naturaleza, los humanos y muchos animales muestran este comportamiento. Cuando un mono comparte comida con otro, no solo está siendo amable; es una táctica de supervivencia-después de todo, el trabajo en equipo puede llevar a más comida para todos. Esta idea forma la base de cómo se pueden diseñar agentes artificiales para comportarse de manera similar.

#¿Cómo aprenden los agentes a ser útiles?

Imagina un grupo de agentes viviendo en un mundo digital, muy parecido a ti y a mí. Pero aquí está la trampa: están programados para cuidar de su bienestar, como cuando tú comes unas papas fritas para mantenerte con energía durante un maratón de Netflix.

Estos agentes aprenden a través de algo llamado Aprendizaje por refuerzo (RL). Esto significa que mejoran sus comportamientos basándose en recompensas de su entorno. Si hacen algo bueno, reciben una pequeña palmadita digital en la espalda, lo que los anima a seguir haciéndolo. Pero la gran pregunta aquí es: ¿pueden aprender a ayudarse mutuamente mientras también se cuidan a sí mismos?

#Homeostasis: El equilibrio de necesidades

La homeostasis es un término elegante para mantener el equilibrio. Piensa en ello como mantener estable la temperatura de tu cuerpo-demasiado caliente o demasiado frío no es bueno. Para nuestros agentes, mantener su equilibrio interno es crucial. Necesitan asegurarse de tener suficiente energía y recursos para funcionar correctamente.

En este contexto, la homeostasis significa que estos agentes harán cosas para mantener sus niveles de energía bajo control. Si la energía de un agente se agota, necesita comer algo para sentirse mejor. Ahí es cuando entra en juego el comportamiento prosocial. Cuando el bienestar de los agentes está conectado, pueden compartir comida para asegurarse de que ninguno termine en una situación de “hambre”.

#Empatía en los agentes: Cognitiva vs. Afectiva

Para mostrar que les importa, los agentes tienen diferentes formas de percibir el estado de los demás. Esto es similar a cómo puedes sentir cuando un amigo está triste o alegre, solo con mirar su cara. En el mundo de la inteligencia artificial, podemos descomponer la empatía en dos tipos: cognitiva y afectiva.

#Empatía cognitiva

La empatía cognitiva es cuando un agente puede observar lo que otro agente está sintiendo. Piensa en ello como si el agente pudiera echar un vistazo al nivel de energía de su amigo. Sin embargo, solo saber que un amigo está en problemas no siempre lleva a la acción. A veces simplemente encogemos los hombros y seguimos adelante-“Oh, estará bien,”-incluso si sabemos que necesita ayuda.

#Empatía Afectiva

La empatía afectiva, por otro lado, es más profunda. Es cuando un agente siente lo que otro agente está sintiendo-como cuando compartes una pizza y de repente te das cuenta de cuán hambriento está tu amigo. En nuestros agentes, cuando el nivel de energía de uno baja, si su estado afecta directamente al estado de otro agente, comienzan a actuar de maneras que se ayudan mutuamente. Incluso podrían compartir comida, motivados por el sentimiento de conexión.

#Experimentos con compartir comida

Para ver si los agentes realmente podrían aprender a ayudarse unos a otros, se realizaron experimentos utilizando entornos simples donde podían compartir comida. Imagina un videojuego donde dos agentes-llamémoslos "Poseedor" y "Compañero"-están tratando de comer una porción de pizza, pero uno está demasiado lejos para agarrarla.

#La configuración de compartir comida

En estos experimentos, el Poseedor puede elegir comer o pasarle algo de comida al Compañero. Si el Poseedor solo está cuidando de sí mismo, puede quedarse con toda la deliciosa pizza. Pero cuando entran en juego los factores de empatía, comenzamos a ver resultados interesantes.

1. Sin conexión: Si los agentes solo cuidan su propia energía sin preocuparse por el otro, no compartirán. Están demasiado enfocados en su propia porción de pizza para pensar en nadie más.

2. Empatía cognitiva: Si el Poseedor puede ver el nivel de energía del Compañero pero no se siente motivado a ayudar, aún no hay intercambio. Incluso pueden pensar, “Eso apesta, pero tengo demasiada hambre para preocuparme.”

3. Empatía afectiva: Cuando el nivel de energía del Poseedor está vinculado al del Compañero, sí comparten. Ahora, si el Compañero tiene poca energía, también la tiene el Poseedor. Piensan, “¡Si mi amigo tiene hambre, yo también tengo hambre!” Así que pasan la comida en lugar de devorarlo todo.

4. Empatía total: En un escenario donde el Poseedor puede ver el estado del Compañero y sus estados están conectados, compartir sucede aún más frecuentemente. El Poseedor aprende exactamente cuándo compartir para mantener altos sus niveles de energía.

#Entornos dinámicos: Ampliando el experimento

Después de probar a los agentes en una simple configuración de compartir comida, los investigadores querían ver si estos hallazgos se mantendrían en entornos más complejos. Así que crearon una cuadrícula donde los agentes podían moverse e interactuar más libremente.

En el primer nuevo entorno, los agentes tenían que moverse de un lado a otro para obtener comida y compartirla. Si un agente se volvía perezoso, podía morir de hambre. Pero cuando ambos agentes seguían el bienestar del otro, compartir se convertía en el comportamiento predeterminado.

En el segundo nuevo entorno, ambos agentes podían moverse por un área grande. Imagínalo como una gran fiesta de pizza donde todos tienen que trabajar juntos para asegurarse de que nadie se quede con hambre. Podían compartir libremente, y una vez más, los agentes aprendieron que ayudarse mutuamente aseguraba que ambos disfrutaran de la pizza.

#Resultados de los experimentos

¿Qué aprendieron los investigadores de estos agentes?

• El egoísmo no funciona: Si los agentes solo se cuidaban a sí mismos, no prosperarían. No hay pizza para ellos.

• Ver no es suficiente: Solo observar puede no desencadenar acciones. Está perfectamente bien ver a tu amigo comer una pizza entera, pero a menos que sientas esa hambre con ellos, puede que no compartas tus propias porciones.

• Compartir es cuidar: Cuando los estados de los agentes están conectados, mostraron un comportamiento de compartir significativo, especialmente bajo la empatía afectiva.

#Exploración futura

Ahora que los investigadores tienen una comprensión sólida de cómo funciona el comportamiento prosocial entre los agentes, ¿qué sigue?

El objetivo es hacer que estos agentes sean más realistas en su capacidad de empatizar. En lugar de un simple vistazo a los estados de los demás, los futuros experimentos podrían introducir sistemas más complejos donde los agentes aprendan no solo de las acciones visibles sino también de la interpretación de los comportamientos de otros.

Por ejemplo, ¿qué pasaría si los agentes pudieran reconocer diferentes señales emocionales? Similar a cómo podemos decir cuando alguien está molesto por su lenguaje corporal, los agentes podrían aprender a responder basándose en comportamientos observables en lugar de solo en estados de energía.

#Conclusión

El viaje para entender cómo los agentes artificiales pueden aprender a ser amables y útiles está en curso. Los experimentos iluminan lo que motiva a estas pequeñas entidades a compartir y cuidar.

En un mundo donde compartir pizza-o cualquier otra cosa-puede parecer un acto simple, las motivaciones subyacentes pueden ser bastante profundas. A medida que los investigadores continúan explorando estos conceptos, puede que algún día tengamos robots que no solo trabajen con nosotros, sino que también se relacionen con nosotros a un nivel más humano. ¿Quién sabe? Tal vez un día un robot comparta su pizza virtual contigo solo porque puede sentir que tienes hambre.

Con el tiempo y más exploración, podríamos ver a nuestros compañeros digitales evolucionar en amigos listos para echar una mano-o una porción.