El artículo pone el acento en una realidad, cada vez estudiamos más
el beneficio de los robots en terapia, y vemos sus buenos resultados,
pero no se investiga como es el proceso de aprendizaje, ni cómo se puede
adaptar el aprendizaje del robot para que se adecue a cada paciente.
Es en esta relación, con un encuentro entre ingenieros y terapeutas,
donde creo que acabaremos encontrando el camino adecuado para ayudar aún
más a los pacientes.
El objetivo del que os enlazamos es modelar las sesiones de forma que
estas se aproximen a las manifestaciones de un terapeuta. Esto siempre
nos ha dado un poco de miedo, pues parece que cada avance de la
tecnología nos quitará un puesto de trabajo, pero personalmente lo veo
como una oportunidad. Usemos herramientas potentes lo mejor posible.
En este caso son las instrucciones del terapeuta y sus refuerzos los
que generan este aprendizaje en el robot, imitando el robot estas mismas
instrucciones y sus refuerzos. Para ello utilizan un modelo de análisis
probabilístico por lotes que se llama asignación Latente de Dirichlet
(LDA).
Este es un modelo generativo que intenta explicar cómo se crea un
documento. Por lo que se hace es codificar las instrucciones a texto y
analizarlo bajo este modelo. El modelo probabilístico analiza las
palabras más utilizadas durante la instrucción, agrupándolas y
seleccionándolas del lenguaje natural. La probabilidad inherente en los
modelos de selección de cada palabra se deriva del hecho de que el
lenguaje natural nos permite utilizar múltiples palabras diferentes para
expresar la misma idea.
Expresar esta idea en el modelo LDA, sirve para crear un documento
sin un corpus, lo que se podría determinar cómo una distribución de
temas. Para cada palabra del documento que se está generando, se escoge
un tema de una distribución de Dirichlet de temas. A partir de ese tema,
se coge una palabra elegida al azar basada en otra distribución de
probabilidad condicionada en ese tema. Esto se repite hasta que el
documento se ha generado. O en este caso las instrucciones y los
refuerzos del terapeuta, en función del aprendizaje motor.
La principal utilidad del documento, aparte de estar atentos a que
los robots cada vez se adaptan más, es conocer como bajo un modelo
matemático podemos conocer más sobre aprendizaje y refuerzos.
Que interesante sería utilizar este modelo con muchos terapeutas para ver que modelos de instrucción y refuerzos son más útiles para los pacientes.
No hay comentarios:
Publicar un comentario