Cuando hablamos de emociones, solemos pensar en sentimientos como la alegría, la tristeza, el miedo o el amor. Estas emociones, típicamente asociadas con los humanos, también forman parte de la vida de otros animales como los perros y los delfines, demostrando su importancia evolutiva. Pero en un mundo donde la Inteligencia Artificial (IA) progresa a pasos agigantados, surge una pregunta fascinante: si las máquinas pueden crear arte, resolver problemas complejos o conversar inteligentemente, ¿podrán algún día sentir o expresar emociones como nosotros?

Las emociones no solo son reacciones psicológicas; también son mecanismos biológicos esenciales que guían la supervivencia y la toma de decisiones. Nos alertan de peligros, refuerzan conexiones sociales y nos motivan a buscar recompensas. Sin embargo, integrar esta complejidad en sistemas de IA ha sido un reto. A diferencia de otras capacidades cognitivas, las emociones no cuentan con una teoría neurocientífica clara que permita traducirlas directamente al lenguaje de las máquinas.

El investigador Alberto Hernández, nuestro invitado en Hablando con Científicos, en un artículo publicado en Scientific Reports, propone un enfoque innovador: un marco genérico de autoaprendizaje emocional para máquinas. Este modelo parte de la idea de que las emociones pueden entenderse como patrones temporales percibidos en valores cruciales, como recompensas recientes, recompensas anticipadas o estados futuros previstos.

Utilizando redes neuronales artificiales, este sistema fue capaz de aprender ocho emociones básicas, como alegría, tristeza o miedo, basándose en experiencias no etiquetadas de agentes virtuales. Posteriormente, la validez del modelo se evaluó mediante encuestas humanas, en las que observadores identificaron las emociones en dimensiones de placer, excitación y dominio con alta concordancia.

Hasta ahora, los intentos de incorporar emociones en la IA se han enfocado en simular expresiones emocionales humanas para mejorar la interacción. Por ejemplo, sistemas que reconocen emociones en el habla o las expresiones faciales. Pero el desafío real es dotar a las máquinas de una experiencia emocional comparable a la humana. Para ello, el marco de autoaprendizaje emocional se inspira en principios del aprendizaje por refuerzo, donde las máquinas aprenden de las recompensas y castigos de su entorno, desarrollando patrones emocionales similares a los de los seres vivos.

Este enfoque interdisciplinario no solo amplía nuestra comprensión de las emociones humanas, sino que también abre puertas a nuevas aplicaciones. Desde asistentes virtuales más empáticos hasta robots capaces de tomar decisiones en contextos críticos basándose en estados emocionales simulados, las posibilidades son vastas. Además, este modelo establece las bases para futuras investigaciones que podrían llevarnos más cerca de entender cómo enseñar a una máquina algo tan profundamente humano como sentir.

Si quieres explorar más sobre este apasionante tema, no te pierdas la charla con Alberto Hernández en Hablando con Científicos. Su propuesta nos invita a reflexionar sobre los límites entre la inteligencia, la emoción y la humanidad misma. ¿Estamos listos para convivir con máquinas que “sienten”?

Alberto Hernández Marcos es investigador en el Centro de Investigación en Tecnologías de la Información y las Comunicaciones (CITIC-UGR) – Departamento de Ingeniería Informática, Automática y Robótica (ICAR) de la Universidad de Granada y jefe del Laboratorio de IA generativa del BBVA.

Referencias:

Hernández-Marcos, A., Ros, E. Un marco genérico de autoaprendizaje emocional para máquinas. Sci Rep 14 , 25858 (2024). https://doi.org/10.1038/s41598-024-72817-x