You are on page 1of 37

Actualidad

Clasificacin de campos de la IA segn la ACM:


Programacin automtica: Verificacin y sntesis. Razonamiento automtico. Representacin del conocimiento. Metodologa de la programacin en IA. Aprendizaje. Procesamiento del lenguaje natural. Resolucin de problemas, mtodos de control y bsqueda. Robtica. Interpretacin de imgenes y visin artificial. Inteligencia artificial distribuida.

Aplicaciones de la IA:
Tareas de la vida diaria:
Percepcin: visin y habla. Lenguaje natural: comprensin, generacin y traduccin. Sentido comn. Control de robot.

Tareas formales:
Juegos: damas, ajedrez, go, ... Matemticas: clculo simblico, demostracin de teoremas. Computacin: verificacin de programas, aprendizaje automtico.

Tareas de expertos:
Ingeniera: diseo, deteccin de fallos, planificacin de manufacturacin. Anlisis cientfico. Diagnstico y tratamiento mdico. Anlisis financiero. -----------

LOS LENGUAJES DE LA INTELIGENCIA ARTIFICIAL


Los programas de IA se depuran primeramente con procesamiento simblico mejor que con clculo numrico; por eso se puede esperar que los lenguajes para trabajar en IA tendrn caractersticas de las que usan tradicionalmente para procesamiento de datos. Y aunque es posible trabajar en IA con estos ltimos, los investigadores han desarrollado lenguajes especiales que facilitan la programacin en IA. Las caractersticas que hacen que algunas aplicaciones se procesen eficientemente son improcedentes en otras y en algunas contraproducentes. Tambin los programadores tienen distintos criterios para la eleccin de un lenguaje ptimo, dependiendo de sus estilos personales. Adems exigen a aquellos que faciliten la manipulacin de listados, para poder acomodar una amplia variedad de tipos de datos con modos de operacin interactivos, as como ajustes de modelos y con

mtodos de inferencia que pueden ser programados automticamente para deducir y tomar decisiones automticas para almacenar posteriormente los resultados. Los lenguajes que se mencionan a continuacin se consideran ahora obsoletos: 1. IPL II, que fue el primero para procesamiento de listados. 2. SAIL, derivado del Algol, soporta una memoria asociada que es til en accesos rpidos relacionados con ms de un indexado. Se desarrollo con vistas a usarlo en visin y sistemas de lenguaje. 3. CONNIVER, es el desarrollo de un lenguaje anterior, el PLANNER, para usarse en un contexto de bases de datos. 4. KRL, usa ajustes de modelos en investigaciones sobre razonamientos. Por otra parte, los lenguajes especializados que se citan a continuacin, se usan en Robtica pero en ninguna otra rea de la IA. 1. BASIC, para mquinas inteligentes: es una revisin aumentada y avanzada del BASIC. 2. RAIL fue desarrollado para ajustar aplicaciones de visin, as como funciones generales de programacin. 3. AL, calcula las posiciones y movimientos de un robot en el espacio. 4. VAL, Se introdujo en 1979. Es un lenguaje de programacin diseado para robots industriales. 5. AML (un lenguaje de Fabricacin), fue escrito y diseado para programadores de programacin y de ingera aplicada; incluye facilidades para usar informacin y modificar el comportamiento del sistema por caminos pre-programados. http://www.unitec.edu.co/biblioteca/ia/tm42ia.html http://www.unitec.edu.co/biblioteca/ia/tm43ia.html http://www.unitec.edu.co/biblioteca/ia/tm44ia.html http://www.unitec.edu.co/biblioteca/ia/tm45ia.html http://www.unitec.edu.co/biblioteca/ia/tm46ia.html http://www.unitec.edu.co/biblioteca/ia/tm48ia.html (Evolucin histrica.) (Tcnicas de la IA.) (Mtodo de resolucin de problemas de la IA.) (Desarolo de los sistemas de la IA.) (Tcnicas y dispositivos usados en la IA.) (Arquitectura de computadores.)

-------------------

La ingeniera del conocimiento


La ingeniera del conocimiento es una de las especialidades que necesitan los
modernos mtodos de la IA. Como se dijo anteriormente, algunos aspectos importantes del conocimiento son intangibles e inexplicables; el trabajo de los ingenieros del conocimiento consiste en parte en extraer este tipo de conocimiento de los expertos humanos y en parte en codificar el conocimiento as obteniendo, de manera que pueda ser procesada por un sistema. El problema es que el ingeniero del conocimiento no es un experto en el campo que intenta programar, mientras que el experto en el tema no tiene experiencia programando, y en cualquier otro caso este ultimo usa muchas partes importantes de su conocimiento de manera subconsciente, por lo que es incapaz de proporcionar la informacin de manera voluntaria aunque as lo desee. http://www5.gratisweb.com/comarsc/inar5.htm

El proyecto Japons de quinta generacin


La investigacin y el desarrollo japoneses de nueva tecnologa estn dirigidos por
la unin de la industria y el gobierno en el instituto para la nueva generacin de Tecnologa de computadoras (ICOT). La investigacin se desarrolla principalmente en tres campos: hardwere, sofwere y aplicaciones. Los investigadores en el campo del hardwere estn concentrados en una arquitectura de computadoras que se caracteriza por la inferencia secuencial, inferencia en paralelo y el desarrollo de maquinas para bases datos afines. El grupo de software esta investigando sobre un lenguaje que sea el ncleo del proyecto, est incluye sistema operativo, lenguaje natural y representacin del conocimiento. El tercer grupo combina los resultados de los dos primeros grupos en la labor sobre sistemas de gestin de bases de datos afines y sistemas expertos y para conseguir validar la teora propuestas por el resto del grupo. En contraste en las aproximaciones que se han realizado en otra partes del mundo , los Japoneses estn tratando de formular una nueva teora unificada para todo el campo de representacin y procesamiento de la informacin. Ya hemos visto que existen numerosas aproximaciones diferentes que pueden asimilarse a las diferentes ramas de la IA. Pero solo si se aceptan estas aproximaciones incluyndolas en una estrategia global, el numero de opciones se reducir y los japoneses creen que de este modo aumentaran las oportunidades para lograr una estrategia global coherente. El mayor logro desarrollado en los primeros cuatro aos del proyecto ha sido una maquina basada en el conocimiento y que ha sido llamada Delta que comprende un sistema de inferencia , un sistema de conocimiento, un sistema de software y un sistema para el desarrollo de prototipos de software. Las maquinas para bases de datos afines tienen acceso a algo as como unos 20 gigabytes de almacenamiento y en las etapas iniciales se encontraron algunos problemas debido al uso de las maquinas convencionales que se basan en un procesamiento secuencial y que se incluyeron como compromiso con la reconocida necesidad de efectuar un procesamiento en paralelo a gran escala. Se estima que las maquinas de inferencia que se necesitan al final del proyecto debern ser capaces de ejecutar 10 LIPS y esta potencia de procesamiento slo ser proporcionada por el equivalente de 1000 procesadores trabajando en paralelo. http://www5.gratisweb.com/comarsc/inar6.htm

-AAIAAsociacin Argentina de la Inteligencia Artificial


Sistemas de "Optimizacin" (1) Optimizar es encontrar la mejor forma de realizar una tarea. Esto normalmente
involucra asignar recursos limitados (pe. materias primas), para lograr un objetivo

(pe. maximizar beneficios), en un ambiente con limitaciones (pe. un presupuesto de gastos) Utilizando un mtodo que se base en la fuerza bruta -construir un modelo en una hoja de clculo y realizar cambios a mano para obtener la mejor solucin- solo puede funcionar con problemas muy simples. Realizar el anlisis de esta forma, es una tarea larga y tediosa, y no garantiza la mejor solucin. Los problemas reales, necesitan del poder que pueden brindar los mtodos matemticos de optimizacin. Estos mtodos estn automatizados en programas de computacin llamados "solvers". Para usarlos, es necesario informar cual es la funcin objetivo, las restricciones a respetar y las variables que se pueden controlar. El sistema encontrar automticamente la mejor solucin. Estos sistemas tienen un campo de aplicacin muy amplio. No importa cual sea la linea de trabajo; en algn punto se encontrar con un problema de optimizacin. Puede ser la maximizacin de un valor (pe. beneficios, market share, etc.) o minimizar otro (pe. costos, riesgos, etc. ) Las ltimas versiones de estos sistemas incluyen la resolucin de problemas lineales y no lineales. Cual es la diferencia entre un problemas lineal y no lineal ? Los problemas de optimizacin lineales pueden incluir la suma/resta de variables y su multiplicacin por constantes, para luego tratarlas en conjunto. Los problemas no lineales pueden adems tratar a variables que se multiplican entre si y operaciones matemticas mas complejas (pe. potenciacin), antes de tratarlas conjuntamente.

Las redes neuronales artificiales (Anexado)


Las redes neuronales artificiales tratan de representar el conocimiento replicando la estructura neuronal del cerebro humano. En ellas lo fundamental es el aprendizaje mediante patrones o ejemplos. Las redes neuronales artificiales tratan de resolver tareas como el reconocimiento de patrones, problemas de optimizacin o clasificacin que la computacin algortmica tradicional e Inteligencia Artificial convencional no han resuelto de un modo suficientemente satisfactorio. En las redes neuronales artificiales el conocimiento no se programa de forma directa en la red sino que se adquiere mediante ejemplos por medio de una regla de aprendizaje que va ajustando parmetros. Como vemos es un mtodo inductivo muy diferente al que siguen los sistemas expertos. Diversas parcelas de la Contabilidad utilizan frecuentemente el mtodo inductivo por lo que se justifica conocer qu nos pueden ofrecer las redes neuronales. Las redes neuronales artificiales son eficientes en tareas tales como el reconocimiento de patrones, problemas de optimizacin o clasificacin. Las redes neuronales se puede integrar en un sistema de ayuda a la toma de decisiones, pero no son una panacea capaz de resolver todos los problemas: todo lo contrario, son modelos muy especializados que pueden aplicarse en dominios muy concretos.

Redes Neuronales (2) Las redes neuronales son dispositivos inspirados en la funcionalidad de las
neuronas biolgicas, aplicados al reconocimiento de patrones que las conviertenen aptas para modelar y efectuar predicciones en sistemas muy complejos. Es un set de tcnicas matemticas para modelar las conexiones / relaciones entre un conjunto de datos. Estas tcnicas se aplican a problemas de clasificacin y series de tiempo. y ofrecen el potencial de identificar conexiones que otras tcnicas no pueden, porque : * Representa / utiliza relaciones lineales y no-lineales entre los datos. * Modela cualquier tipo de distribucion de datos (no solamente distribucin normal) * Maneja datos con redundancia y/o inconsistencia en la informacin Las Redes Neuronales estan compuestas por unidades computacionales paralelas e interconectadas. Cada una de esas unidades efectua un nmero de operaciones simples y transmite sus resultados a las unidades vecinas. Las redes aprenden a reconocer patrones por medio de un entrenamiento basado en varios ejemplos diferentes. Ellas son eficientes en el reconocimiento de patrones en un conjunto de datos. Tambin son efectivas en el aprendizaje de patrones a partir de datos no lineales, incompletos, con ruidos y hasta compuestos por ejemplos contradictorios. La habilidad de manipular estos datos imprecisos, hace que las redes sean muy eficaces en el procesamiento de informacin sin reglas claras o que no puedan se formuladas facilmente.

Sistemas expertos (3) Un sistema experto puede definirse como un "sistema basado en los conocimientos
que imita el pensamiento de un experto, para resolver problemas en un terreno particular de aplicacin" . Las caractersticas principales de los sistemas expertos es que estn basados en reglas. Esto significa que contienen un juego predefinido de conocimientos que se utiliza para todas las decisiones. El sistema usa las reglas y las inferencias que se les han indicado para producir los resultados. Dependiendo del tipo de entrada y las reglas que se usaron, los sistemas expertos pueden utilizarse como herramientas cuantitativas o cualitativas. Un sistema experto genrico, consiste de dos mdulos principales: la base de conocimientos y el motor de inferencia. La base, contiene el conocimiento del sistema con respecto a un tema especfico para el que se disea el sistema. Este conocimiento se codifica segn una notacin especfica que incluye reglas, predicados , redes semnticas, frames y objetos . El motor de inferencia es el que combina los hechos y las preguntas particulares, utilizando la base de conocimiento, seleccionando los datos y pasos apropiados para presentar los resultados.

Data Mining (4) Durante su vida, todas las organizaciones generan una gran cantidad de datos
como resultado directo de sus operaciones. Ejemplos de ellos son los inventarios,

archivos de clientes, registros de facturaci/oacute;n, reclamos, garantas, estadsticas, etc. Esta acumulacin de datos representa un capital enorme: Para una empresa, contiene el comportamiento de sus clientes, que compran, como pagan, etc.; para un hospital, la frecuencia de sintomas, que se suministra a los pacientes, como reaccionan ellos, etc.; para una compaa de seguros la frecuencia de accidentes, cuando se provocan, etc. Sin embargo, a pesar de la riqueza de estos datos, frecuentemente no son aprovechados porque la informacion implicita en ellos no es facil de descubrir. Para tomar ventajas y competir eficazmente, es muy importante determinar y utilizar la informacion estratgica que se oculta en estos datos. El Data Maining comprende el proceso de extraer informacin nueva de grandes bases de datos, validarla y hacerla comprensible para ser usada: permitir conocer el comportamiento analizado y tomar decisiones. La informacin obtenida puede ser usada para una prediccin, obtener un modelo de clasificacin e identificar relaciones entre distintos archivos. El Data mining consiste en la aplicacion de un gran nmero de operaciones, cada una apoyada en una variedad de tcnicas como la reglas de induccin, redes neurales, descubrimiento de asociaciones, etc. Existen una gran cantidad de aplicaciones tales como el anlisis de mercado, anlisis financiero, deteccin de fraudes, etc. El proceso de data mining, puede dividirse en tres tres etapas: Las distintas fuentes de datos deben integrarse de forma que esten representados todos los componentes de la organizacin. Esta visin de conjunto enriquese notablemente los resultados, en lugar de analizar informacin de un departamento o un sector especfico. Frecuentemente es necesario aumentar las bases con datos externos / comprados. Ejecutar el proceso de anlisis de las bases de informacin. Tranformar las conclusiones obtenidas en reglas comprensibles y que posibiliten la toma de decisiones.

Algoritmos Genticos (5) Los Algoritmos Genticos son algoritmos matemticos de optimizacin de propsito
general basados en mecanismos naturales de seleccin y gentica, proporcionando excelentes soluciones en problemas complejos con gran nmero de parmetros. Los algoritmos genticos conforman un paradigma de bsqueda probabilstica, inspirada en la teoria de la evolucin de Darwin. Una poblacin de individuos, cada uno representando una posible solucin a un problema, es creada inicialmente al azar. Entonces se combinan las parejas de individuos (soluciones) para producir otro individuo (prole) para la prxima generacin. Un proceso de mutacin, tambin generada al azar, modifica la estructura gentica de algunos miembros de cada nueva generacin. En cada ciclo, las bondades de los individuos son evaluadas con respecto al objetivo buscado y el sistema se vuelve a ejecutar para docenas o cientos de generaciones. Dado que la probabilidad que un individuo se reproduzca es proporcional a la bondad de la solucin que representa, la calidad de las soluciones mejora automticamente en las generaciones sucesivas. El proceso se termina cuando una solucin es aceptable o se determina el ptimo para la funcin El objetivo principal de un Algoritmo genetico es el de evolucionar a partir de una poblacin de soluciones para un determinado problema, intentando producir nuevas generaciones de soluciones que sean mejores que la anterior. Estos algortmos operan en un ciclo simple: Creacin de la poblacin inicial, seleccin y

reproduccin, ste ltimo implicando una recombinacin y mutacin del material genetico de las soluciones. La reproduccin, en este algoritmo, se describe a travs de tres operadores genticos: reproduccin, cruza y mutacin. Reproduccin.- Las cadenas con valores ms altos tiene probabilidades ms altas de contribuir con uno o ms sucesores en la siguiente generacin. Este operador es una versin artificial de la seleccin natural de Darwin. En las poblaciones naturales la aptitud esta determinada por la habilidad de organismo de sobrevivir y de llegar a la madurez y su subsecuente reproduccin. En el sistema artificial, la funcin objetivo es el arbitro final en la vida o muerte de una cadena dada. Cruza.- Una vez que se ha realizado la reproduccin, se procede a la reproduccin sexual o cruza de los individuos seleccionados. La poblacin nueva intercambia material cromosmico y sus descendientes forman la siguiente generacin. Mutacin.- Cuando un sistema se ha detenido en una estructura gentica que se sospecha no es la ptima, o cuando el sistema se ha viciado con diversas cadenas muy parecidas, es necesario infiltrar mutaciones que reanimen el sistema. La mutacin no permite la estabilizacin de poblaciones en soluciones locales. Algunas caractersticas de los Algoritmos Genticos: 1. Se usan parmetros codificados como una cadena de longitud finita sobre un alfabeto finito. 2. Son algoritmos de funcionamiento paralelo. 3. Usan operadores probabilsticos. 4. Se afectan menos por los mximos locales. 5. Estn menos restringidos por continuidad, derivadas y unimodalidad.

Lgica Difusa (Fuzzy Logic) (6) La lgica nebulosa ofrece un mecanismo para que las computadoras puedan tratar
con informacin imprecisa. La lgica difusa fu creada para trabajar con conceptos no definidos concretamente tales com grande, alto, jven, que no utilizan una lgica binaria (si/no) Los sistemas basados en lgica difusa han demostrado gran utilidad en una gran variedad de operaciones de control industrial y tareas de reconocimiento de patrones, desde el reconocimiento de escritura a la validacin del crdito financiero. Una de las principales potencialidades de la lgica difusa cuando se la compara con otros esquemas que tratan con datos imprecisos, es que las bases de conocimiento de un sistema de este tipo es fcil de examinar, entender, mantener y actualizar.

Teora del Caos (7) Es un conjunto de tcnicas para examinar y determinar relaciones altamente
complejas entre datos que han sido inicialmente clasificados como al azar. Una caracterstica de este tipo de datos es que una diferencia menor en las condiciones iniciales puede resultar en cambios dramticos en los resultados en un perodo muy breve. Esto es epecialmente aplicable a los mercados financieros donde un entendimiento comprensible de los factores que influencian y como lo hacen, en el mercado es imposible. La teoria del caos tambin nota la evidencia de un sistema a oscilar alrededor de un rea en oposicin a estabilizarse en un nivel de equilibrio. Este tipo de

comportamiento est presente en los mercados financieros, donde un gran nmero de participantes tienen distintos objentivos y costos.

GLOSARIO (9)
Inteligencia Artificial Es el campo de la ciencia de la computacin dedicado a analizar y desarrollar sistemas que reproduzcan e imiten los procesos de pensamiento y razonamiento del hombre. Redes Neuronales (Neurals Networks) Son programas de Inteligencia Artificial capaz de simular algunas de las funciones de aprendizaje del ser humano. Sin reglas convencionales, una red neuronal obtiene experiencia analizando automtica y sistemticamente una cantidad de datos, para determinar reglas de comportamiento. En base a estas reglas, puede realizar predicciones sobre nuevos casos. Estas tcnicas se aplican a problemas de clasificacin y series de tiempo. y ofrecen el potencial de identificar conexiones que otras tcnicas no pueden, porque utiliza relaciones lineales y no-lineales entre los datos, puede trabajar con cualquier tipo de distribucion (no solamente distribucin normal) y maneja datos con redundancia y/o inconsistencia en la informacin Data Mining Son sistemas de bsqueda de conocimiento, tratando de determinar relaciones y patrones de comportamiento en bases de datos, de una forma inteligente y automtica. Sistemas expertos Los sistemas expertos permiten el desarrollo de otros sistemas que representan el conocimiento como una serie de reglas. Las distintas relaciones, conexiones y afinidades sobre un tema pueden ser compilados en un sistema experto pudiendo incluir relaciones altamente complejas y con mltiples interacciones. Lgica difusa (Fuzzy Logic) Es un conjunto de tcnicas matemticas para la representacin y tratamiento de datos que no tienen una precisin definida y concreta. La evaluacin de este tipo de datos es a menudo una cuestin relativa (pe. alto / bajo) Algoritmos Genticos Son algoritmos matemticos aplicables a problemas de optimizacin, basados en la teora de la evolucin de Darwin, operando en un ciclo simple de seleccin y reproduccin, implicando una recombinacin y mutacin del "material genetico" de las soluciones Una "poblacin" de posibles soluciones se genera al azar, se evaluan con respecto a un objetivos y las mas aptas se combinan entre si para producir nuevas soluciones. El ciclo se repite hasta llegar a una solucin aceptable o al determinarse el ptimo de una funcin. Teora del Caos (Chaos Theory) Teora que describe el comportamiento de sistemas no lineales, basada en que la dinmica y el comportamiento irregular de un conjunto complejo de datos, tiene un orden subyacente. Comprende un conjunto de tcnicas para examinar y tratar de determinar las relaciones entre datos que han sido inicialmente clasificados como al azar.

Una caracterstica de este tipo de datos es que una diferencia menor en las condiciones iniciales puede resultar en cambios muy grandes en los resultados, en un perodo muy breve. Tambin muestra la tendencia de los resultados a oscilar alrededor de un rea en oposicin a estabilizarse en un nivel de equilibrio. Por ejemplo, este comportamiento est presente en los mercados financieros, donde es imposible un entendimiento comprensible de los factores que influencian y hay un gran nmero de participantes con distintos objetivos. Base de Conocimiento En inteligencia artificial, una recopilacin del conocimiento y reglas sobre un tema especfico. Sistemas de Clasificacin (Classifier Systems) En inteligencia artificial, estos sistemas ejecutan un tipo de aprendizaje que genera reglas a partir de ejemplos. Sistemas Determinsticos Sistemas en los que el resultado es determinado por una ecuacin, donde la causa y sus efecto son fcilmente reconocibles. Programacin Gentica En inteligencia artificial, es una forma de desarrollo para generar programas automticamente, partiendo de un juego de instrucciones primitivas. Fractales Modelos matemticos para describir la naturaleza irregular de lneas, planos o volmenes. Se pueden aplicar para representar modelos de datos. Lgica Deductiva Lgica tradicionalmente usada en sistemas expertos, definiendo un mtodo para el razonamiento que parte de un concepto general para llegar a otros especficos. Mtodo Heurstico Resolucin de problemas, probando diferentes mtodos y comparando cual es el que ofrece la mejor solucin. Lgica Inductiva Lgica donde la agrupacin de reglas que describen comportamientos particulares conducen a una regla general LISP Un idioma de programacin basado en lgica de predicado y uno de los ms usados en aplicaciones de inteligencia artificiales. C/C++ Idioma usado para la programacin de sistemas, estructurado en bloques y con grandes facilidades para controlar las mquinas a nivel de hardware.

Las redes neuronales en Finanzas (10) Los sistemas basados en redes neuronales son los mecanismos mas avanzados y
sofisticados para el pronstico de los precios de acciones.

Las redes neuronales han resultado herramientas muy efectivas para complementar las decisiones financieras. Debidamente entrenadas y programadas, las redes permiten realizar pronsticos utilizndose mayormente para generar informacin cuantitativa (p.e. los precios esperados de acciones). Las redes neuronales se han creado con el fin de duplicar y simular los componentes y funcionalidades del cerebro humano. Estos sistemas deben aprender de los datos que se le suministran, por medio de un proceso de entrenamiento; el conocimiento se almacenar como "pesos" dados a los distintos enlaces entre las neuronas de la red. El mtodo de entrenamiento es un factor relevante en las redes y en su aplicacin en las finanzas, es el aspecto ms importante. Dos etapas se necesitan para el entrenamiento de la red. En la primera, el diseador necesitan adquirir conocimiento de los aspectos que pueden influir en el resultado del proceso de adopcin de medidas. En la segunda, el diseador debe tratar una cantidad muy grande de datos, que se utilizarn para entrenar la red segn los criterios identificados en el primer juego de informacin. Estos datos consistirn tpicamente de bases de datos histricas de precios e indicadores matemticos, financieros y estadsticos. El entrenamiento es un proceso que normalmente requiere una cantidad significativa de tiempo. En los pronsticos financiero, el sistema requerir miles de datos y una actualizacin peridica, antes que pueda utilizarse en los pronsticos de tiempo real. Un punto importante para destacar es que los datos debe estar libres de errores que de otra manera ocasionaran soluciones inadecuadas. El proceso de entrenamiento puede durar desde horas a las semanas, dependiendo de la cantidad de datos que se utilicen. Cualquier institucin financiera tiene por lo menos un sistema que trabaja en tiempo real para apoyar la adopcin de medidas de los operadores. Las redes neuronales y los sistemas expertos pueden integrarse para superar las limitaciones de cada tcnica.

La "Optimizacin" en Finanzas (11) Los modelos de optimizacin, son especialmente indicados para apoyar la
administracin de carteras, en ambientes tan dinmicos y exigentes como los financieros. El uso de estos sistemas permiten : * Tratar coordinada y simultneamente a todos los componentes de la cartera, * Considerar los costos fijos y variables involucrados en cada operacin (pe. comisiones y gastos por compra o venta), * Controlar restricciones a cumplir (pe. incluir un determinado porcentaje de papeles de un rubro, o que ese porcentaje no sea mayor a otro valor), * Cumplir con consideraciones tcnicas (pe. un valor mnimo de liquidez), * Considerar datos cualitativos (pe. noticias, rumores, apreciacin personal)

Los Sistemas Expertos en Finanzas (12) El tema ms importante para el desarrollo de herramientas financieras con
sistemas expertos es la adquisicin de conocimientos especficos: que criterios seran los utilizados por un experto para tomar las mejores decisiones.

Al presente, la informacin sobre tales sistemas se basa en la divulgacin de casos exitosos que han tenido algunos operadores financieros y generalmente en otros pases. Esto puede llevar a la prdida de ventaja competitiva. En general, los operadores financieros hoy prefieren sistemas basados en redes neuronales para el pronstico, mientras que los sistemas expertos ahora tienden a ser utilizados en otras zonas financieras, donde el resultado del sistema debe ser una decisin clara y concreta.

ltima actualizacin: 10/09/98 Para enviar comentarios: aaia@iname.com


Un servicio de -Business Development System-: http://www.laguia.com.ar/aaia.htm

Qu combinacin existe entre inteligencia artificial e inteligencia humana? Segn los especialistas en la materia, el interfaz entre el hombre y la mquina va a reducirse drsticamente en los prximos aos. Hoy en da ya se habla al ordenador y muy pronto se entrar literalmente "en el programa" del ordenador, penetrando, gracias a la tecnologa virtual, en un mundo puramente imaginario concebido por los programadores. Ya se est experimentando en Japn, en la Universidad de Hokkaido, programas informticos de control del ordenador por el pensamiento... Muy pronto, programas (artificiales) y neuroprogramas (cerebrales) sern una misma cosa. Los principios de inteligencia artificial de los programas de ordenadores han desarrollado capacidades inteligentes para las que el cerebro humano no est dotado normalmente como son la rapidez de clculo, el almacenamiento de volmenes enormes y su ordenacin adecuada. Por su parte, el cerebro humano realiza operaciones complementarias como son la comparacin, la evaluacin arbitraria y original, la creacin artstica, la invencin, el humor, la bsqueda de la esttica, etc. Y as hoy se consideran los ordenadores que utilizan la simbolizacin grfica unos verdaderos instrumentos de "amplificacin del pensamiento" que, con la realidad virtual se convertirn en los clebres "motores de la imaginacin"... Qu relacin existe entre las tecnologas de la consciencia y la sociedad humana? Una vez que el interfaz entre el hombre y el ordenador sea el ptimo y que los hombres unan sus respectivas consciencias, la consciencia o "multiconsciencia" de la humanidad podr comenzar realmente a ser operativa. Ya sea por sector de actividad, por especialidad, por afinidad, por juego o por "azar", se est imponiendo en toda la superficie del planeta un proceso similar al que rene las neuronas de nuestro crtex. Hasta dnde podemos comparar este proceso con el de las funciones cerebrales humanas? La memoria, la creatividad, la atencin selectiva, la consciencia en s misma, sern todas ellas comparables algn da con las funciones informticas planetarias que se estn instalando hoy en da? Este es el tema del congreso "La consciencia de la Tierra" que se expondr prximamente en esta pgina web y ser sometido a un foro de debate.

Muy pronto dispondr de ejercicios interactivos en esta pgina web! No dude en visitarnos regularmente!
http://www.fondamental.com/sp/sindex.htm

PROYECTOS.:
Actualmente se estn realizando numerosos proyectos no solamente a nivel
europeo, sino a nivel mundial, que por lgica son mucho ms numerosos. Una de las vertientes que parece disponer de ms adeptos en cuestin de Inteligencia Artificial, parece ser el Procesamiento del Lenguaje Natural, dado que no solamente da lugar a un aprovechamiento cientfico sino que adems es de alto rendimiento en la sociedad para multitud de situaciones que no nos paramos a pensar muy a menudo.

Muchos de los proyectos dispuestos en los enlaces de est pgina ya han concluido
y disponen de informacin relativa a los mismos en sus pginas oficiales, que dada la extensa referencia expuesta sobre esos proyectos es aconsejable visitar. Muchos no disponen de enlaces pero s de informacin que en la medida de lo posible se ir habilitando en esta parte de Proyectos Europeos. http://www.fortunecity.com/skyscraper/chaos/279/index.htm PROCESAMIENTO DEL LENGUAJE NATURAL: http://www.fortunecity.com/skyscraper/chaos/279/proyectos/proyectos1.html APRENDIZAJE AUTOMTICO: http://www.fortunecity.com/skyscraper/chaos/279/proyectos/proyectos2.html ROBTICA: http://www.fortunecity.com/skyscraper/chaos/279/proyectos/proyectos3.html

Proyecto SAACE:
Sistema de Aprendizaje con Capacidad de Evolucin
Proyecto de Investigacin del Programa Sectorial de Promocin general del Conocimiento. Referencia: PB95-1039 Participantes: Antonio Bahamonde, Jos Ranilla y Jaime Alonso, (Centro de Inteligencia Artificial) Fechas de desarrollo: 1996-Sep-11/1997-Sep-11

PALABRAS CLAVES: Aprendizaje Automtico, Inteligencia Artificial, Induccin

RESUMEN: El
objetivo de este proyecto es la construccin de un sistema de aprendizaje automtico con capacidad de evolucin: SAACE. El material de entrenamiento de partida sern colecciones de ejemplos descritos por tablas atributo-valor; cada uno de estos ejemplos tendr un valor especial o clase. En una primera etapa el sistema debera ser capaz de inducir reglas de clasificacin. As, al encontrarnos con un caso nuevo, podremos decidir qu clase es la ms apropiada para l segn lo que acabamos de aprender de los ejemplos de entrenamiento y que est codificado en las reglas.

Pero

algunas veces el conocimiento del contexto que estamos tratando de sintetizar no es invariable en el tiempo. Si dispusisemos de una fuente de retroalimentacin que proporcionase crticas sobre la utilidad de las clasificaciones hechas, podramos esperar mejorar su calidad. Esta es precisamente la tarea de la segunda fase de actuacin de SAACE: tratar de adaptar las reglas aprendidas a los nuevos tiempos y circunstancias. http://www.aic.uniovi.es/aprendizaje/saace.html

Aprendizaje Automtico
En estas pginas se podrn ver los siguientes aspectos de nuestra investigacin sobre
Aprendizaje Automtico Publicaciones del grupo del Centro de Inteligencia Artificial Publicaciones de otros autores Proyectos de Investigacin "SAACE: Sistema de aprendizaje automtico con capacidad de evolucin" "ARAPE: Autoorganizacin de reglas aprendidas paralelamente a partir de ejemplos" Acciones Especiales de Investigacin "Calificacin morfolgica de la poblacin bovina Asturiana de los Valles" Referencias sobre Aprendizaje Automtico La pgina de Abanico Propuestas de Proyectos Fin de Carrera

Nuestra investigacin en Aprendizaje Automtico est centrada en la induccin a


partir de ejemplos. Concebimos el aprendizaje, desde el punto de vista computacional, como el problema de

sintetizar procedimientos computables para realizar tareas de las cuales slo tenemos algunas descripciones parciales sobre el modo en que nos gustara que trabajase el sistema.
En trminos muy generales el esquema es el siguiente:

http://www.aic.uniovi.es/aprendizaje/presentacion.html

Proyecto ARAPE:
Autoorganizacin de reglas aprendidas paralelamente a partir de ejemplos
Proyecto de Investigacin del Programa Sectorial de Promocin General del Conocimiento. Referencia: PB96-1457

Participantes: Antonio Bahamonde, Jos Ranilla, Jaime Alonso y Oscar Luaces (Centro de Inteligencia Artificial) Fechas de desarrollo: 1997-Oct.-1/1998-Oct.-1 RESUMEN: El objetivo de este proyecto es la construccin de un sistema de
aprendizaje automtico a partir de un conjunto de ejemplos de entrenamiento y donde el conocimiento finalmente obtenido estar codificado mediante reglas. Estas reglas sern aplicadas siguiendo un principio de distancias; as, cada nuevo caso ser clasificado por la regla ms cercana. Por tanto, necesitamos mtricas no triviales para tratar con reglas cuyas condiciones estn descritas tanto por atributos con valores numricos como simblicos El sistema a construir en este proyecto estar compuesto por dos subsistemas. El primero proporcionar un borrador preliminar de las reglas de clasificacin. El segundo paso consistir en calcular mtricas para tratar tanto con datos numricos como no numricos. Nuestro planteamiento en esta segunda fase est basado en la idea de Kohonen sobre los mapas autoorganizados. As trataremos de autoorganizar las reglas aprendidas para mejorar su calidad conceptual y de clasificacin. Los resultados de la autoorganizacin pueden ser semnticamente interpretados para obtener un conjunto final ms compacto de reglas de clasificacin ms explcitas y precisas. http://www.aic.uniovi.es/aprendizaje/arape.htm

Programacin Lgica Genticos


Programacin Lgica Paralela

Paralela

Algoritmos

El trabajo en esta lnea de investigacin se centra en el desarrollo, y aplicacin a la

resolucin de problemas, de un modelo de interpretacin de programas lgicos que explota las principales fuentes de paralelismo que ofrece la programacin lgica, a saber: Paralelismo AND Independiente, Paralelismo OR y Paralelismo Productor/Consumidor. El objetivo general del modelo que estamos desarrollando es conseguir una descomposicin de la tarea de evaluar una pregunta con respecto a un programa lgico en un subconjunto de tareas independientes, de tal forma que su realizacin en paralelo sea posible y eficiente. Adems, tratamos de reducir en la medida de lo posible la realizacin de trabajo redundante que inevitablemente se produce en la resolucin de problemas en paralelo. Para conseguir estos objetivos, el modelo utiliza una serie de estructuras ordenadas para manejar la informacin que se genera durante la bsqueda de soluciones: el rbol AND/OR para representar las tareas independientes, el Retculo de Flujo de Datos para representar el paralelismo AND independiente, y la Red de Procesos y Soluciones para gestionar las soluciones parciales de los subobjetivos de las preguntas que se deben resolver. Paralelamente al desarrollo formal del modelo de interpretacin, vamos desarrollando distintas simulaciones del modelo para estudiar empricamente algunos aspectos, como la planificacin de procesos, y su aplicacin a la resolucin de problemas complejos. El objetivo final es conseguir una implementacin eficiente sobre una plataforma multiprocesador utilizando los entornos de programacin concurrente convencionales como la librera de hilos (threaths) POSIX y los entornos PVM y MPI. Algoritmos Genticos

En esta lnea de trabajo el objetivo es mejorar la eficiencia de los Algoritmos


Genticos convencionales en la resolucin de problemas con restricciones. Nuestra principal aportacin en esta lnea consiste en disear estrategias de inicializacin alternativas a la generacin puramente aleatoria de los AGs clsicos. Para ello tratamos de incorporar, durante el proceso de generacin de los individuos que componen la poblacin inicial, la informacin sobre el dominio del problema que proporcionan diversos mtodos heursticos, algunos de los cuales ya han sido utilizados en conjuncin con estrategias de bsqueda diferentes a los AGs. http://www.aic.uniovi.es/PLyP/presentacion.htm

Almacn de Material Docente:


Este Almacn de Material Docente busca ser un foro comn de la comunidad
acadmica cuya actividad docente se centra en el mundo de la Inteligencia Artificial. Aqu podrn encontrarse diversos materiales que se usan efectivamente en las aulas universitarias de un buen nmero de universidades. Este Almacn est organizado con arreglo al siguiente ndice: Lista de asignaturas dentro del campo de la IA por Universidades. Aqu podr encontrar tanto los contenidos de las asignaturas como textos de enunciados de exmenes, soluciones a algunas de las

preguntas planteadas, apuntes, transparencias, material de laboratorio, etc. Foro de discusiones LISP Mtodo Prctico de Enseanza de la Ingeniera del Conocimiento Recensiones de bibliografa y de otros materiales docentes Metainterprete: un intrprete de CommonLisp (con aplicaciones pedaggicas) Conexiones con otros puntos www de informacin relacionados Para enviar aportaciones a este almacn Lista de distribucin de docencia en IA. Para enviar mensajes a la lista Para suscripciones (altas y bajas)

http://www.aic.uniovi.es/amdia/almacen.htm

Optimizacin Heurstica y Redes Neuronales


(Perfil de autores del libro.) Adenso Daz , (Introduccin, Recocido Simulado)
Profesor Titular de Organizacin de Empresas en la Escuela Tcnica Superior de Ingenieros Industriales de Gijn (Espaa), Licenciado en Ciencias Matemticas y Doctor en Ciencias Empresariales. Autor de dos libros sobre Direccin de la Produccin, ha trabajado durante varios aos en la Empresa Nacional Siderrgica Espaola. Ha publicado, entre otras, en revistas como ``International Journal of Production Research, European Journal of Operations Research, Interfaces, International Journal of Operations & Production Management , etc.

Hassan M. Ghaziri, (Redes Neuronales)


``Assistant Professor'' de la ``Graduate School of Business and Management'' de la ``American University of Beirut'', y es doctor por la ``cole Polytechnique Fdrale de Lausanne'', Suiza, donde ha trabajado en el desarrollo de redes neuronales para problemas de optimizacin combinatoria.

Fred Glover, (Bsqueda Tab)


Catedrtico de Direccin de la Produccin y Operaciones de la Universidad de Colorado en Boulder, USWest Chair, es autor de varios libros, de ms de 300 artculos en las principales revistas tcnicas relacionadas con Management Science, y posee numerosas condecoraciones y premios de investigacin.

Jos Luis Gonzlez Velarde , (GRASP)


Profesor del Instituto Tecnolgico de Monterrey, Mxico, es Master en Investigacion Operativa e Ingenera Industrial por la Universidad de California en Berkeley, y Doctor por la de Texas en Austin. Ha trabajado como consultor en empresas

mexicanas de fabicacin y servicios, y ha publicado en revistas como ``Journal of Intelligent Manufacturing, European Journal of Operations Research'', o ``Transportation Science''.

Manuel Laguna , (Algoritmos Genticos)


Doctor en Ingenieria Industrial e Investigacion Operativa por la Universidad de Texas en Austin, y ``Assistant Professor'' de Direccion de la Produccin y Operaciones en la ``Business School'' (Universidad de Colorado). Ha trabajado como consultor de sistemas productivos y como ingeniero de planta (Massey Ferguson). Ms recientemente ha sido consultor en el rea de telecomunicaciones para USWest. Ha publicado en revistas como ``Management Science, Operations Research, Annals of Operations Research, Computers and Operations Research y Journal of Intelligent Manufacturing'', y es coautor de tres libros.

Pablo Moscato , (Recocido Simulado, Algoritmos Genticos)


Diplomado por la Universidad Nacional de la Plata, Argentina, ha sido miembro del Concurrent Computation Program del California Institute of Technology en 19881989. Desde 1990 trabaja para la Comisin de Investigaciones de la Provincia de Buenos Aires. En la actualidad desarrolla mtodos heursticos y metaheuristicos para problemas de optimizacin de gran escala en relacion con programacin concurrente y sistemas distribuidos. En la actualidad es Profesor Adjunto en la Universidad del Centro de la Provincia de Buenos Aires.

Gerald Thompson, (Prlogo)


Titular de la ctedra IBM de la Graduate School of Industrial Administration, Carnegie Mellon University, as como Senior Research Fellow en el IC2 Institute de la Universidad de Texas. Sus lneas de investigacin se centran en las nuevas tcnicas algortmicas, teora de control y economa computacional.

Fan T. Tsen, (Introduccin)


Associate Professor de Management Science en la Universidad de Alabama en Huntsville. Licenciado en Management Science por la National Chiao-Tung University de Taiwan, obtuvo su Ph.D. en Management Science por la Universidad de Texas en Dallas. Ha publicado numerosos trabajos sobre secuenciacin, simulacin y optimizacin combinatoria. Optimizacin Heurstica y Redes Neuronales Edited by Belarmino Adenso Diaz Editorial Paraninfo, (Madrid, Espaa, 1996), ISBN 84-283-2269-4 Back to the main page http://alife.ccp14.ac.uk/memetic/~moscato/libro-authors.html

Nuevos Modelos de Computacin: Computacin Molecular


Motivaciones En los ltimos aos se ha sugerido y mostrado que computadoras basadas en interacciones a nivel molecular (Computadoras con ADN y

Computadoras Cunticas) pueden ser una alternativa viable a las computadoras electrnicas convencionales. Existen problemas complejos que requieren una bsqueda intensiva para su resolucin que no son eficientemente resueltos por las computadoras digitales. Las computadoras moleculares se muestran ms adecuadas para la resolucin eficiente de dichos problemas debido a su enorme capacidad de paralelismo. En particular, en la computacin con ADN el paralelismo reside en el hecho de que un tubo de ensayo puede contener 10^18 molculas de ADN. Una simple operacin sobre el tubo de ensayo supone del orden de 10^18 operaciones simultneas. Aqu estriba la enorme ventaja de las computadoras con ADN frente a las computadoras clsicas para la resolucin de ciertos problemas complejos. Responsable(s) Juan Pazos Sierra Proyectos en Curso CADENA Proyectos Terminados

http://delicias.dia.fi.upm.es/areas/nuevos_modelos_de_computa_Esp.html

CADENA(Computacin con ADN) (10.1)


Motivaciones: La computacin con ADN se inicia en 1994 con el trabajo de L. Adleman en el que resuelve el Problema de Hamilton. Se resolva en un laboratorio de biologa molecular un problema matemtico complejo utilizando un tubo de ensayo con ADN y aplicndole ciertas tcnicas (PCR, separacin, clonacin). Este trabajo supuso un gran avance en las ciencias de la computacin ya que se mostraba que era posible realizar computos a nivel molecular y, adems, con una enorme capacidad de paralelismo inherente. Objetivos: Determinar la capacidad `terica' de cmputo de los modelos de computacin con ADN probando su equivalencia con los modelos clsicos: Mquinas de Turing, Pram. Determinar la capacidad `prctica' de cmputo de los nuevos modelos de computacin con ADN. Para ello, se realizarn simulaciones en computadora digital convencional de los cmputos con ADN. Creacin de nuevos modelos de computacin molecular ms potentes que los ya existentes. Incorporacin de nuevas ideas algortmicas (algoritmos de ramificacin y acotacin y heursticas) a los modelos de computacin molecular.

http://delicias.dia.fi.upm.es/../proyectos/encurso/cadena/cadena_proyecto_Esp.html

Compresin de Informacin Sintctica


Cuando se plantea el almacenamiento de una gran cantidad de informacin textual enfrentamos el problema de codificarlo de tal forma que cualquier redundancia en el texto puede utilizarse en nuestro provecho. Diccionarios tales como el Diccionario del Espaol de Mxico, un proyecto todavia en realizacin iniciado hace mas de diez aos en El Colegio de Mexico, enfrentaron este reto. En ese entonces era miembro del equipo que sugera, implementaba y probaba una variedad de alternativas para reducir el peso computacional que la informacin sintctica plantea cuando encontramos el hecho de que la manera ptima de lograr una compresin que explotaba la redundancia inherente en cualquier intercambio discreto de informacin fu descubierto por D. Huffman y reportado en su artculo "A Method for the construction of minimum-redundancy codes": Proceedings of the IRE, vol. 40, (1952). El cdigo de Huffman coding involucra la construccin del rbol de frecuencias de cada uno de los smbolos que forman el mensaje original. Una vez que ste ha sido construido, los nodos hojas pueden codificarse por medio de una especificacin binaria de la trayectoria necesaria para llegar a ellos desde la raz. Los detalles son ahora parte del contenido estndar de un curso de licenciatura sobre diseo y anlisis de algortmos y es nuestra intencin en esta seccin ilustrar su implementacin usando Mathematica, la cual ofrece un punto de vista novedoso y que ejemplifica la aplicacin de gramticas transformacionales al planteamiento y solucin de esta clase de problemas. Junto con el cdigo hemos includo comentarios y dibujos adicionales como ayuda para la comprensin de ste. Mas

informacin sobre los cdigos Huffman puede encontrarse en el lbro "Algorithms" por R. Sedgewick.
http://www.uaq.mx/informatica/maestria/pf.html - - - - - - - - --

Cmo elegir la herramienta adecuada?


La eleccin entre los diferentes sistemas de ayuda a la toma de decisiones depende entre otros factores del tipo de tarea a realizar, vase sobre este particular el trabajo de Laudon y Laudon (1988, pag 132). 3a) Tipo de decisin Simon (1960) ha clasificado las decisiones en estructuradas y no estructuradas: las decisiones estructuradas son repetitivas, rutinarias y existe un procedimiento definido para abordarlas; por el contrario, en las decisiones no estructuradas el decisor debe proporcionar juicios y aportar su propia evaluacin. 3b) Nivel al que se toman las decisiones Tambin el nivel al que se toman las decisiones afecta la eleccin del tipo de sistema ms apropiado. Gorry y Scott-Morton (1971) han

propuesto un esquema que relaciona el tipo de decisin (estructurada, semiestructurada y no estructurada) y el nivel organizacional (control operativo, de gestin y estratgico) con la herramienta a utilizar. Lgicamente en el nivel operativo dominan las decisiones estructuradas, en el nivel de gestin las semiestructuradas y en el estratgico las no estructuradas, formando una diagonal. En la figura siguiente hemos actualizado este esquema incorporando las herramientas informticas ms novedosas, e incluso anticipando lo que puede ser un futuro prximo. Las herramientas a utilizar segn el tipo de decisin y el nivel organizativo

4) Nivel operativo y decisiones estructuradas


Como podemos apreciar en el grfico, en el nivel operativo y toma de decisiones estructurada dominan los sistemas informatizados convencionales como los programas de contabilidad financiera y de costes, los de elaboracin de nminas, y que en general realizan tareas mecnicas. Son los llamados Sistemas de Proceso de Transacciones (TPS) basados en programacin algortmica convencional.

5) Nivel operativo y decisiones no estructuradas


El nivel operativo, pero con decisiones semiestructuradas, todava est dominado por los programas convencionales, en lo que habra que incluir programas de control de tesorera, control de existencias y tambin las hojas de clculo y sistemas gestores de bases de datos. Conforme las decisiones son menos estructuradas, empiezan a ser aplicables sistemas expertos y sistemas de ayuda a la toma de decisiones. As, para la gestin financiera ms bsica, en la que adems de realizar clculos

mecnicos: tipos de inters efectivo, cuotas de amortizacin de prstamos, etc., tambin hay que tomar decisiones que manejan informacin incompleta o precisan incorporar el conocimiento de un especialista humano. Finalmente, en el nivel de de toma de decisiones menos estructurada pueden incorporarse modelos neuronales: por ejemplo, asesorando en la concesin de las tarjetas de crdito de unos grandes almacenes o a qu clientes se les enva catlogos por correo.

6) Nivel de gestin y decisiones estructuradas


Conforme el nivel organizativo avanza en el eje de las x, las decisiones se hacen ms complejas. Si las decisiones son estructuradas, como en el anlisis de presupuestos y control, contabilidad analtica, anlisis contable, etc, dominan los programas convencionales, quiz incorporando algn mdulo experto. Este tipo de programas se denominan Sistemas de Gestin de Informacin o Management Information Systems (MIS).

7) Nivel de gestin y decisiones no estructuradas


Conforme las decisiones se hacen menos estructuradas se hacen ms necesarios los sistemas expertos. En temas puntuales como la elaboracin de presupuestos, la prediccin de variables financieras como el beneficio, el cash-flow, podran incorporarse modelos neuronales. Ntese como en este esquema descrito hemos situado el anlisis de la informacin contable en las decisiones semiestructuradas. No hay una teora general que pueda ser aplicada paso a paso pero tampoco encaja en las decisiones completamente intuitivas o no estructuradas.

8) Nivel estratgico
En el nivel estratgico son barridos los programas convencionales mantenindose nicamente las hojas de clculo, por su capacidad de simulacin. Los llamados Executive Information Systems (EIS), o Sistemas Informativos para Ejecutivos dominan las decisiones menos estructuradas, con tareas como la planificacin estratgica y de contabilidad directiva. Las redes neuronales pueden cubrir un hueco importante en las decisiones no estructuradas, debido a esa capacidad de encontrar relaciones complejas entre los patrones de entrada.
-----------

I-A\KERMAN 3D - VIDA ARTIFICIAL.


VIDA ARTIFICIAL
Un enfoque desde la Informtica Terica

Blanca Cases Dpto. de lenguajes y Sistemas Informticos de la UPV/EHU email: mailto:jipcagub@si.ehu.es [index][principal]

1. Introduccin La investigacin en Sistemas Complejos en general, y en Vida Artificial en particular, suele parecer a la gente de una novedad exultante. Hace diez aos, teman como Teora de Sistemas, Simulacin de Sistemas Biolgicos, Ciberntica o Redes Neuraneles eran abordados por minoras. No en vano fueron lneas de investigacin oficialmente cerradas ya desde los aos 60. La excepcin en los primeros 80 fueron los problemas de caracterizacin del comportamiento catico en sistemas de ecuaciones no lineales, estudios que interesaron sobremanera a las Ciencias Fsica y Matemticas. An y todo sistmicos, los calogosa no compartan la visin de los cualitivistas. Una de las desventajas que tuvimos la gente egresada del rea de la informtica en torno a la investigacin interdisciplinar, casi exclusiva del rea sistmica, fue la anomia. Por razones de pura descontextuacin histrica de la enseanza, no tuvimos la referencia de la Ciberntica como teora del control y las comunicaciones en animales y en mquinas. La idea de la Inteligencia Artificial exhibida en las novelas de Stanilav Lem, ms all de la Ciberntica clsica, creaba en los estudiantes de los 80 un delima intelectual frente al cnon imperante de la bsqueda heurstica en un espacio abstracto de estados. Estos problemas, la descontextuacin histrica y el que los estudios sistmicos estuvieron apartados del paradigma oficial de la informtica, hicieron de la Ciberntica de Wiener y de la propuesta para una Teora General de Sistemas de von Bertalanfy, tierra de nadie. Por eso, quienes investigbamos en Sistemas en los aos 80 tuvimos como primer trabajo averiguar el nombre de la lnea de investigacin que seguamos. Casi indefectiblemente estas personas nos ubicamos hoy da bajo el denominador comn de la investigacin en Sistemas Complejos. Es Muy difcil, por lo tanto, ofrecer una panormica de la Vida Artificial, ya que requiere tener en cuenta los conociminetos especficos del pblico al que se intenta llegar. Cuando el pblico es eminentemente infomtico, ni siquiera puede presuponerse una buena cimentacin histrica de la propia disciplina. Es por ello que esta introduccin a la Vida Artificial est enfocada desde la historia de la Informtica. Se pretende as mostrar de forma esquemtica que la Inteligencia Artificial es a la Psicologa lo mismo que la Vida Artificial a la Biologa y, por otra parte, mostrar que al igual que la Inteligencia Artificial se realiment con la Informtica Terica dando lugar modelos de cmputo que son en realidad modelos de la mente procesadora de smbolos, la Vida Artificial tambin est aadiendo y tomando corpus terico de la Informtica, intentando asimilar los procesos vivientes a modelos computaciobnales. Los Autmatas Celulares de von Neumman que son su modelo de cmputo clsico, aunque apartado del paradigma oficial de la Teora de Lenguajes Formales, son, como veremos, el punto para la construccin de la Vida Artificial. Para ello en el apartado 2 se presenta el marco interdisciplinar y los hitos histricos en la Informtica que llevaron al establecimiento de la Inteligencia Artificial a partir de los aos 60, en constraste con la corriente Ciberntica. En el apartado 3 se habla del enfoque sistmico y se enumeran las realizaciones y propuestas de los aos 70 y 80 en el marco de la Invetigacin en Sistemas, Conexionismo y Caos en sistemas Dinmicos. Desde esta panormica, en la seccin 4 se define la Vida Artificial, se describen sus reas de trabajo y realizaciones y se hace particular nfasis en los problemas que se plantean a la VA desde la Informtica Terica hoy da. 2. El marco interdisciplinar en que nace la Informtica: Ciberntica vs. Inteligencia Artificial. El positivismo del s. XIX configur la Ciencia como corrientemente la concebimos, basada en la observacin de los hechos, elaborando modelos formales predictores de los fenmenos y contrastables con la realidad, estableciendo leyes que superen las explicaciones sobrenaturales o abstractas. El fuerte desarrollo matemtico de las de ecuaciones diferenciales, de la lgica y de la estadstica en el s. XIX est imbuido de este espritu, y sugera a las disciplinas humanistas herramientas para su formalizacin y metodologas de investigacin. Las llamadas Ciencias humanas y sociales, entran en el s. XX con la absoluta necesidad de definir su objeto propio y cientfico de estudio, tarea harto difcil, en tanto que lo biolgico, lo social y lo psicolgico estn sumamente imbricados en la naturaleza de los seres humanos. Definir el objeto de estudio de la psicologa, de la lingstica o de la sociologa para convertir stas en ciencias positivas implicaba determinar la naturaleza de los datos que se estudian y las metodologas vlidas para su estudio, de forma que ambas se integren en un corpus terico coherente. Dicho corpus terico deba ser consistente tambin en el marco multidisciplinar. La palabra "sistema" como vocablo borroso que designa a una entidad formada por unidades interdependientes que interactan a lo largo del

tiempo entre s y con el medio, realizando globalmente alguna tarea o proceso, o exhibiendo algn tipo de comportamiento global, apoy la definicin del objeto de estudio de las ciencias humanas, por mimetismo con las ciencias naturales a principios del s.XX. La distincin entre "estructura", las relaciones que mantienen entre s las unidades del sistema, y "funcin", la contribucin de las unidades al comportamiento global, orient diferentes metodologas de anlisis de los datos en las ciencias sociales y humanas ya antes de los aos 30. La aproximacin metodolgica de corte estructuralista en la conformacin de las ciencias humanas, en concreto de la psicologa y la lingstica, fue particularmente importante a principios del s.XX e influy notablemente en el posterior desarrollo de la Informtica. Una primera distincin dentro de esta corriente viene determinada por la naturaleza, mental o no, de los datos que se estudian. Podemos hablar as de un estructuralismo americano influido por la psicologa conductista, y de un estructuralismo europeo, sustentado por las escuelas ms relevantes (si exceptuamos al psicoanlisis de Freud, que no fue una psicologa experimental sino una prctica clnica exitosa): la Psicologa Evolutiva de Piaget y la Psicologa de la Gestalt. 2.1.- El Estructuralismo americano. Para la psicologa conductista el objeto de estudio es la conducta de los organismos en trminos de estmulo respuesta. El conductismo (BUR78) parte de las tesis de la reflexologa rusa de Pavlov (18491936) y las teoras de Thorndike (1874-1949)', el conductismo clsico de J. B. Watson (1878-1958) ~y el neoconductismo de Skinner~, siendo fundamentalmente una psicologa experimental del aprendizaje. Una de sus caractersticas fundamentales es el rechazo del mentalismo y de los datos que pudieran provenir de la introspeccin, ya que dichos datos no podran considerarse como directamente observables. A pesar de que el conductismo parte de la reflexologa, su evolucin se aparta totalmente de la neurofisiologia, ya que ni siquiera un modelo del sistema nervioso es vlido para dar cuenta de la conducta en los presupuestos del conductismo clsico. Es destacable el hecho de que la psicologa conductista no se centra exclusivamente en las capacidades superiores humanas de razonamiento y lenguaje, sino en el campo ms amplio de la psicologa animal. El conductismo tuvo influencia en la lingstica (LYO80), ya que la comunicacin verbal, al ser directamente observable, permitira estudiar el pensamiento como conducta verbal, interpretando el pensar como "hablar en silencio", realizndose movimientos imperceptibles de los rganos fonadores. Las aportaciones ms directas del conductismo a la lingstica fueron realizadas en los aos 30 por el americano Bloomfield(1887-1949). 2.2. El Estructuralismo europeo La corriente estructuralista europea se opone a la americana en la naturaleza de los datos que se estudian: es fundamentalmente mentalista, si bien se presentan variantes en esta concepcin. Podemos, con la venia de los filsofos, hablar de un estructuralismo lgico y de un estructuralismo sistmico. 2.2.1.- La vertiente lgica La vertiente lgica es la que est directamente relacionada con el nacimiento de la Informtica. La idea de la formalizacin del lenguaje natural y de la mecanizacin del razonamiento es la que subyace a la lgica, trabajada ya desde Aristteles. La formalizacin de la lgica de predicados de primer orden que conocemos hoy la iniciaron Boole (1815-1869) y Frege (1848-1925), paralelamente a Peano(1858-1932), tomando inspiracin de la obra de Leibnitz. Por otra parte, Hilbert propuso en 1910 el problema cuya resolucin abrir el campo de investigacin de la Informtica Terica, que se desarroll principalmente en Europa: el "Entscheidungsproblem", que se preguntaba si exista un algoritmo para deducir siempre una frmula o su negacin de un conjunto de axiomas en la lgica, es decir, si se poda decidir por algn procedimiento algortmico la verdad o falsedad de una frmula. No es extrao en este contexto que la psicologa se preguntase especficamente por las capacidades 16gico-matemticas de la inteligencia humana. La psicologa Evolutiva, (GAR84) cuya primera figura fue Jean Piaget (1896-1980), y cuyas investigaciones se extendieron posteriormente al campo ms amplio de la epistemologa, caminaba en esta direccin. Para Piaget (BUR78), es la estructura de la mente humana la que determina el aprendizaje y afirma que dicha estructura viene dada por una particular organizacin neurofisiolgica de la especie humana que determina la inteligencia. Segn Piaget se aprende a pensar, pero ese aprendizaje est condicionado por el grado de maduracin somtica que determina una serie de etapas en la organizacin neurofisiolgica. Lleg a estas conclusiones observando hacia 1923 que todos los nios de la misma edad cometan ms o menos los mismos errores al someterlos a ciertos test. Esto supone una evolucin en cinco perodos de la infancia para el pensar humano, que determinan los esquemas relacionales y las operaciones lgico-matemticas que una criatura es capaz de comprender. 2.2.2.- La vertiente sistmica El enfoque que aqu llamamos sistmico, y que se aproxima ms a lo que hoy podemos estudiar como Sistemas Complejos, es ms antiguo. El trabajo del suizo (1859-1913) Ferdinand de Saussure (SAU89), se reconoce como el punto de partida del estructuralismo europeo. Saussure define la "Langue" (la

Lengua) como objeto de estudio de la lingstica en trminos sistmicos: la Lengua es la estructura del sistema lingstico que subyace a una comunidad de hablantes, de distinta naturaleza que las producciones individuales del habla, pero emergente de la masa hablante. La Lengua es un objeto vlido de estudio porque es una estructura de naturaleza psico-social representada en la mente de cada hablante. La fonologa, la gramtica, la semntica de la Lengua pueden ser estudiados cientficamente porque son representaciones aprehensibles para el lingista igual que para cualquier otro mortal. Saussure concibe el signo lingstico como una entidad mental que asocia, de forma arbitraria, las imgenes sensoriales de los referentes con las imgenes sensoriales de los sonidos, significantes con significados, produciendo un sistema de valores que articulan una sustancia de pensamiento y que son creados colectivamente~. La psicologa de la Gestalt o psicologa de la forma (BUR78) es una corriente que tambin podemos catalogar como sistmica. Aparece en Alemania entre los aos 1920 y 1930, fundada por Max Wertheimer, Kurt Kofka y Wolfgang Kohler. "Gestalt" es una palabra alemana que puede traducirse por "forma", "organizacin" o "configuracin", y su postulado fundamental es que la percepcin es ms que una suma de sensaciones producidas por los estmulos, y que la forma en que los estmulos estn organizados interviene en lo que se percibe. Wertheimer define la Gestalt como un conjunto cuyo comportamiento o actuacin no se determina desde sus elementos, sino por la organizacin interna del conjunto. Los elementos en singular no tienen caractersticas perceptibles, lo cual se formula en el principio del isomorfismo: "sea el hecho biolgico, social o fsico, en todo caso es un conjunto de elementos; pero sus propiedades no derivan de stos, sino de la organizacin interna del conjunto: de su gestalt" (BUR7S). Para la psicologa de la gestalt el objeto central de estudio es la conducta. Sin embargo, se estudia la conducta en su relacin causal con un campo psico-fsico, ya que necesariamente la conducta se desarrolla en un mbito geogrfico, en un plano objetivo. El campo psicofsico es la estructura dinmica del mbito conductal: el dinamismo entre dos polos, fsico-objetivo y psquico-subjetivo, que causa la conducta. La percepcin se organiza en base a leyes estructurales que conciernen tanto a la organizacin neuro-psquica especfica como al medio estimulante. La experiencia perceptiva aade contenidos a lo que se percibe, pero no determina su estructuracin. La escuela de la Gestalt mantiene una posicin holista y antimecanicista. Se considera que se perciben hechos molares, es decir, globales, y que la percepcin no puede explicarse como una simple suma de sensaciones. La asociacin holista consiste en que las caractersticas de lo que se percibe se explican en funcin del todo del que forman parte. La palabra "banco" se percibe diferente cuando aparece en frases como "voy al banco" o "me siento en el banco". Los objetos individualizados en la percepcin presentan propiedades en gran medida constantes, a pesar de que la estipulacin fsica es fluctuante: lo que es constante es la diferencia de potencial estimulativo entre figura y fondo. Cuanto mayor sea esta diferencia de potencial mayor ser el poder impositivo de la figura. Son famosos los dibujos ambiguos en los que, segn se mire, se pueden ver dos figuras diferentes. Para los gestaltistas el aprendizaje depende de la capacidad para percibir o pensar los posibles cambios estructurales de una situacin problemtica. Es una aproximacin a la Inteligencia diferente de la de la logicista. Cuando un sujeto se enfrenta a una situacin que no es capaz de resolver se genera una tensin que le induce a resolverlo, intentando reestructurarlo de manera diferente. Esta proceso se produce en virtud de un campo psico-fsico individual en el que actan dos tipos de factores: los estructurales, externos al sujeto e inherentes a la propia situacin, y los funcionales, motivados por las necesidades y motivaciones. Segn la Gestalt, la resolucin del problema equivale a una percepcin diferente de la solucin problemtica, y constituye una vivencia que se ha bautizado en la literatura como "Insight", la vivencia del AH!. 2.3.- De la Informtica Terica a la Inteligencia Artificial. El "Entscheidungsproblem" propuesto por Hilbert en la lgica, deriv en una Informtica Terica previa a la construccin de los primeros ordenadores, y que no fue en absoluto ajena al panorama interdisciplinar anteriormente descrito. La preocupacin fundamental fue, desde 1910 hasta 1936 fue el determinar qu clase de problemas pueden resolverse mediante formulaciones constructivas por procedimientos algortmicos, y cules eran los lmites. Se buscaba una teora de lo calculable mediante un procedimiento, un algoritmo, y por eso se formalizaban las reglas del clculo aritmtico. El verdadero padre de la informtica terica fue Kurt Godel: demostr la validez del clculo lgico de primer orden, y este es el teorema que se conoce como el de "completitud" de la lgica. Pero el resultado ms importante de Godel es el de "incompletitud" de la aritmtica, 1931, por el que establece que la formalizacin de la aritmtica en la lgica de primer orden hace que existan sentencias ciertas que no son demostrables. Estas sentencias se corresponden con paradojas del tipo "esta frase es falsa": si admitimos que es falsa, entonces se cumple lo opuesto de lo que dice la frase y por lo tanto es verdad; si admitimos que es cierta, la frase dice de s misma que es falsa: es una paradoja. Si toda frmula cierta fuera demostrable, ocurrira que se puede expresar una frmula que dice de s misma "yo no soy demostrable en la aritmtica" con la que surge una paradoja como la anterior.

Ocurre entonces que cualquier demostrador automtico de teoremas sobre los nmeros naturales que construyamos se encontrar con la posibilidad de demostraciones de longitud infinita, sin tener ningn criterio para poder parar. Por lo tanto, se conoca ya el lmite de lo computable antes de que se construyeran los primeros ordenadores. Posteriormente, se comprob que cualquier formalizacin de la aritmtica distinta de la lgica tena el mismo lmite: la paradoja. Se investigaron formalizaciones distintas de los procesos constructivos de resolucin de problemas, para ver si tenan los mismos lmites que la lgica, buscando la nocin ms general posible de "procedimiento efectivo de cmputo". En 1935 se lleg a la misma conclusin desde una aproximacin basada en funciones: Alonzo Church formaliz la aritmtica en el A.-clculo (posteriormente el lenguaje LISP), y Kleene mediante funciones p,-recursivas. Ambas aproximaciones mostraron los mismos lmites que la lgica. Pero la nocin ms aceptada de procedimiento efectivo de cmputo fue la propuesta por el ingls Alan Turing en 1936. La mquina de Turing, un dispositivo dotado de una memoria en forma de cinta infinita sobre la cual una cabeza lectora puede leer o escribir, y desplazarse a izquierda o derecha de acuerdo con un estado interno y el smbolo ledo en la cinta. Tambin mostr la misma limitacin que el resto de los modelos. Se establece as la Terora de la Computabilidad, que es la base de la Informtica Terica. Inmediatamente despus, en 1939, se abord, en el contexto de la Il G.M. la construccin de los primeros ordenadores. La construccin de las primeras computadoras abri un sinfn de posibilidades para la formalizacin a todas las ciencias, pero sobre todo a las ciencias humanas. La lingstica encontr en el ordenador un medio adecuado para estudiar las propiedades formales de la lengua, entendida como la estructura comn subyacente a las expresiones individuales del habla de una masa hablante, para estudiar los sonidos, la gramtica y los significados de la lengua como sistemas abstractos con entidad propia, separados del mundo fsico en el que slo hay expresiones del habla producidas individualmente. La psicologa tambin tuvo en los ordenadores un medio distinto al del complicado cerebro humano en el que reproducir los fenmenos de la inteligencia humana, las capacidades del lenguaje y de realizar operaciones 16gico-matemticas, y este es el embrin de la Inteligencia Artificial hacia 1940, gestado por Alan Turing. Los ordenadores derrumbaron el veto impuesto por el conductismo a la psicologa "mentalista". El llamado "Test de Turing" acerca de la posibilidad de modelar las capacidades de razonamiento y lenguaje en un medio computacional, viene a decir que si en la interaccin entre una mquina y una persona no se puede distinguir a una y a otra, entonces habr que admitir la inteligencia de la mquina. Se abre as un intenso debate acerca la posibilidad de modelar la mente, la inteligencia, y de probar empricamente la bondad del modelo. El rea interdisciplinar de las Ciencias Cognitivas se va conformando de esta manera en estos aos 40. 2.4.- La Ciberntica: el gap intelectual en la concepcin de la Inteligencia Artificial. Por los datos histricos aportados, cabra esperar que la Inteligencia Artificial, que no es ms que el intento de reproducir en una materialidad distinta de la orgnica las capacidades inteligentes de los seres vivos, tomara inspiracin inmediata de la corriente estructuralista europea en su vertiente logicista. Y sin embargo no ocurri as. La razn fundamental fue que la construccin de los primeros ordenadores fue posible gracias a la convergencia de la Teora de la Computabilidad con el desarrollo de la Ingeniera Elctrica. La influencia de Shannon (DIA84) en el desarrollo de la informtica fue enorme, ya que su tesis doctoral (1937) consisti la aplicacin del lgebra de Boole para circuitos de computacin mediante la composicin de puertas lgicas. El Colosus, europeo, se construy en Inglaterra en 1939 siguiendo las ideas de Alan Turing, y se aplic a la criptografa. La primera computadora americana, la Mark I, se construy en base a las ideas de Shannon, y se emple en la balstica. El desarrollo inmediatamente posterior de la Informtica Terica a travs de la Teora de Autmatas tiene mucho que ver con la Teora de Circuitos. El derrumbe del conductismo no slo abri la puerta a la concepcin estructuralista europea, sino tambin a la posibilidad de elaborar modelos inspirados en la materialidad del sistema nervioso. Recordemos cmo la base reflexolgica del conductismo fue abandonada por razones metodolgicas. La posibilidad abierta por la Ingeniera elctrica de modelar el sistema nervioso fue la base de la Ciberntica, corriente americana ocupada en estudiar los problemas de control y comunicacin en animales y en mquinas y basada en el desarrollo de la tecnologa de ordenadores y la automatizacin de procesos. La Ciberntica, una disciplina fundada en 1943 por el matemtico Norbert Wiener y el neurofisilogo Arthur Rosenblueth en torno a los resultados que produjeron las investigaciones en balstica llevadas a cabo en los Estados Unidos por Wiener durante la Il Guerra Mundial (WIE48/85) (GEO79). Shannon tambin form parte de este equipo. Se trabajaba en la construccin de sistemas de tiro automtico, capaces de derribar un avin en vuelo: el dispositivo deba seguir el objetivo y disparar en el momento adecuado para producir el impacto. El modelo fundamental de la Ciberntica era el circuito de retroalimentacin, es decir, un proceso dinmico en el que una canddad variable depende parcialmente del valor que tena en el momento anterior. Cuando en un circuito de retroalimentacin existe una meta que cumplir, como alcanzar y mantener un valor estable, la conducta del mismo puede controlarse comparando la cantidad

variable con la meta, y la regulando la accin del proceso para acercarse a la meta en el paso posterior: en este caso hablamos de Servomecanismos. El sistema nervioso animal y humano es el procesador de informacin por excelencia, pero los procesos que realiza no estn todos al nivel de los que estudia la Inteligencia Artificial. Est la cuestin, abierta, de que las capacidades de razonamiento simblico y lenguaje son a su vez sistemas independientes que emergen de la complicada dinmica de las neuronas en un cerebro humano, y un modelo que quiera no slo describir estas capacidades mentales, sino tambin explicarlas, debe de imitar el funcionamiento del sistema nervioso. Los problemas que se refieren a la motricidad de los organismos, a cmo procesa el sistema nervioso la informacin que recibe de los sentidos para enviar rdenes a los msculos, se resisten a abstraerse de la materialidad. Tambin stos son comportamientos inteligentes, entendiendo la inteligencia como capacidad de adaptacin de un organismo a su entorno. El medio en el que se reproducen dichos fenmenos son los robots, y estos sistemas deberan trabajar en tiempo real e interactuando con un mundo real, no de laboratorio, pues la motricidad de los animales est fuertemente adaptada a las constricciones y a la imprevisibilidad del mundo fsico. La robtica ser otra rea de trabajo comn para la Inteligencia Artificial y para la Ciberntica, aunque su origen se plantea desde la Ciberntica. Wiener observ que el modelo del bucle de realimentacin era aplicable a muchos otros fenmenos, pero en particular era til como modelo del sistema nervioso~ para explicar la motricidad de los animales. Cuando depositamos un lpiz en la mesa no lo hacemos con un movimiento brusco: los sentidos observan la posicin de la mano y el cerebro manda la orden a los msculos efectores del movimiento previendo la posicin de la mano unos instantes despus, los sentidos realimentan al sistema con la nueva posicin de la mano, y as sucesivamente para conseguir un movimiento controlado que paulatinamente va frenando al llegar a la mesa. Cuando nos referimos al controlador de un robot nos estamos refiriendo casi con seguridad a un programa que rige un bucle de realimentacin similar a los descritos: la Ciberntica triunf en ese campo. En un sistema como el de tiro automtico como los que inspiraron a la Ciberntica, el disparo se decide en funcin de una serie temporal que relaciona la posicin prevista del avin con la posicin real, determinada por el radar y contaminada de ruido en los instantes t=O,t=l,t=2.... El problema de determinar el momento del disparo se convierte entonces en el problema de predecir una serie temporal relacionando las posiciones del proyectil y del objetivo. Shannon desarroll una Teora de la Informacin, inspirada en los problemas de transmisin de mensajes por una lnea, al constatar el hecho que la realimentacin excesiva de un servomecanismo poda ser tan grave como una realimentacin insuficiente porque la excesiva sensibilizacin del aparato predictor llevaba a oscilaciones incontroladas. Ya que estos problemas aparecan cuando se contemplaban bucles de realimentacin en fenmenos de naturaleza muy diversa, se plante que el concepto central de la teora habra de ser el de "mensaje", formalizado como una serie temporal. El problema de la realimentacin se formalizaba como un problema de prediccin sobre dicha serie estadstica, convirtindolo en uno de minimizacin del error cuadrtice medio de la prediccin. Se entraba entonces en el campo de la mecnica estadstica, uno de cuyos conceptos claves es el de entropa, el cual poda asimilarse directamente al concepto de cantidad de informacin de un mensaje. La unidad de informacin "bit", que determina la longitud del mensaje necesaria para transmitir la ocurrencia de un hecho entre dos alternativas equiprobables con un alfabeto mnimo de dos smbolos, procede de esta teora de la informacin. Esta es una de las confusiones ms importantes del alumnado de informtica: confundir el smbolo, entidad abstracta como el punto en geometra, con el bit, unidad de medida de informacin. En 1948, quedaban integradas la Teora de la Informacin de Shannon y la Ciberntica. 2.5.- El predominio de la Inteligencia Artificial. Alrededor de la Ciberntica de los aos 40-50, se agrupaban fundamentalmente las matemticas, la ingeniera elctrica y la neurofisiologa. Por el tipo de problemas que se investigaban, el tipo de modelo que se propona y la formacin cientfica de los investigadores, la inteligencia humana tendra que ser abordada desde la materialidad del cerebro. Para reproducir en una mquina las capacidades inteligentes tanto animales como humanas habra que reproducir la forma en que las neuronas se transmiten informacin unas a otras, en la simulacin de redes neuronales. Los autmatas que construy la Informtica Terica como modelos de cmputo simblico aceptadores de lenguajes, fueron en su inicio modelos de redes neuronales desarrollados por MacCulloch y Pitts en 1943. Una red neuronal (ARB64) intenta imitar la forma en que las neuronas reales se transmiten informacin de unas a otras. Los modelos de MacCulloch y Pitts fueron llamados redes "modulares" porque un "modulo" es la representacin formal de una neurona real. La incidencia de un estmulo en los receptores de informacin, como las clulas nerviosas de la retina, (entradas a la red) activa un impulso electroqumico que se transmite del cuerpo de una neurona por el axn a otras neuronas. Una neurona slo puede transmitir un impulso si recibe una cantidad suficiente de impulsos de otras neuronas. Un

mdulo o neurona se identifica con un elemento que tiene m entradas, x1...xm, que provienen del exterior o de otras neuronas, y una salida. Cada conexin tiene asociado un peso wi. Una red neuronal es una coleccin de neuronas en las que las salidas de stas se conectan con otros mdulos o con el exterior a travs de lneas de entrada y salida. El proceso de una red neuronal es dinmico: las neuronas actan sincrnicamente a golpe de reloj, y en el instante t cada neurona puede estar activada, estado 1, si dispara un impulso, o inactiva, en estado 0. La funcin que rige la transicin es: y(t+1)=1 <=> Sumatorio de wixi(n) mayor o igual a theta. En el instante t+1, cada unidad pondera las entradas con los pesos asignados a cada una y si el total de excitacin transmitida supera una cantidad umbral 6, entonces la neurona transmite el impulso. En otro caso, permanece inactiva. Las conexiones pueden ser excitatorias, si los pesos wi son positivos o grandes, y por lo tanto contribuyen a la transmisin del impulso de la entrada xi a la unidad, o inhibitorias en el caso contrario, cuando wixi es un valor negativo que se opone a la superacin de la cantidad umbral. Las entradas y salidas pueden bifurcarse y estar una neurona conectadas a otras varias, pero el impulso es el mismo para todas. Una red neuronal, como las de MacCulloch y Pitts, se puede entonces representar por un grafo valuado en el que las neuronas o nodos se conectan unas con otras de forma arbitraria, existiendo una serie de nodos que representan a las entradas y otro conjunto a las salidas. Se ha demostrado que las Redes Neuronales de MacCulloch y Pitts y los autmatas finitos(ARB64) son equivalentes. La idea es que aunque se trabaja con informacin numrica, como los pesos o el umbral, en cada instante de tiempo t la red est en un estado global determinado por la configuracin unidades activas e inactivas que se asimila a un estado interno del autmata, y la funcin que cambia este estado global por otro se puede identificar con la funcin de transicin de un autmata transductor que pasa a otro estado interno. Los autmatas finitos fueron desarrollados por Kleene en 1951 (DIA84) como mquinas reconocedoras de secuencias regulares de eventos a partir de las las redes neuronales. 2.6.- El predominio de la Inteligencia Artificial Una de las figuras ms relevantes de la Lingstica y de la Informtica Terica a nivel mundial en la segunda mitad del siglo es el norteamericano Noam Chomsky. Elabor un modelo mentalista del lenguaje y del entendimiento, que incluye una teora acerca de cmo los nios son capaces de adquirir "competencia" en el uso de su lengua materna. Dicho modelo le acerca ms a la lnea del estructuralismo europeo representado por Piaget que al americano, del que directamente proviene: las fuentes lingsticas para su trabajo fueron sugeridas por Bar-Hillel (DIA84), que segua la lnea conductista de Bloomfield. Frente a los estudios descriptivos de la lengua, Chomsky propone un modelo explicativo de la capacidad de producir el lenguaje. El modelo de cmputo que establece en 1955 es el de una Gramtica Generativa, inspirada en la Gramtica universal del Racionalismo (CHO86), capaz de dar cuenta de la capacidad creativa o generadora de la mente, y que provee de un mecanismo formal, un conjunto finito de reglas, para producir los infinitos enunciados gramaticalmente aceptables de una lengua combinando los elementos de un determinado conjunto (vocabulario, sintagmas...), y determinar como inaceptables al resto. En el desarrollo de la Informtica Terica de los aos O se demostr que las gramticas y los autmatas son modelos de cmputo equivalentes. Podra as hablarse (JOH-L) de una especie de "rgano del lenguaje" que se desarrolla a medida que el nio crece. Este 6rgano sera algo similar a una Gramtica Transformacional, capaz de convertir oraciones de una estructura gramatical superficial a una estructura gramatical profunda, genticamente determinada para la especie humana. Este principio es el mismo que se aplic en informtica a la construccin de compiladores, que traducen frases de un lenguaje de programacin de alto nivel a lenguaje mquina. Podemos afirmar que el trabajo de Chomsky es el abre oficialmente la investigacin en Inteligencia Artificial, cuyo desarrollo no comentaremos aqu, ya que el propsito de este artculo es seguir la lnea de evolucin de la Informtica Terica para presentar la Vida Artificial. La idea principal de la Inteligencia Artificial la de es formalizar las capacidades humanas de razonamiento y lenguaje elaborando modelos abstractos de "la mente", valindose para ello de los ordenadores y de los modelos de computacin. La Ciberntica y de la Inteligencia Artificial se convirtieron en dos campos bien diferenciados en los aos 50-60. El trabajo de Chomsky contribuy a que la Inteligencia Artificial fuera el paradigma dominante hasta la dcada de los 80. Entrando de lleno en las diferencias entre Ciberntica e Inteligencia Artificial, citamos a Sowa: ".-Desde sus mismos inicios, la ciberntica ha estudiado los mecanismos de bajo nivel como los bucles de retroalimentacin y los servomecanismos. Ha tenido una visin ascendente de cmo tales estructuras podran interactuar en el control animal y de sistemas informticos

.-La Inteligencia Artificial, sin embargo, comenz con una visin descendente de smbolos, lenguaje y conocimiento, y se preguntaba qu clase de mecanismos y representaciones son necesarias para simular las habilidades humanas. .-A pesar de que tanto la I.A. como la ciberntica usan redes, los elementos de stas pertenecen a diferentes niveles del procesamiento mental. Las redes en ciberntica representan neuronas individuales, pero en I.A. representan conceptos de alto nivel y relaciones, cada una de las cuales depende de millones de neuronas interactuantes." p.339(SOW84) M. Minsky (JOH88) (POL89), autor destacado en el rea de la Inteligencia Artificial, public junto con S. Papert el tratado "Perceptrones", uno de los mltiples modelos de redes neuronales, en 1969, que anunciaba el fin del inters de investigar en este tema y otros afines mostrando sus limitaciones, y abriendo as la puerta al desarrollo de la I.A clsica. 3.- El enfoque sistmico en la Informtica. 3.1.- La Teora General de Sistemas. La Ciberntica se conform principalmente en torno a los modelos de redes neuronales y al modelo de control mediante bucle de realimentacin. del comportamiento adaptativo de los organismos. Sin embargo, muchos de los problemas que hoy competen a la Vida Artificial, como el problema de la autorreproduccion de los seres vivos, o la autoorganizacin, fueron ya planteados desde la Ciberntica. La razn ms importante fue la convergencia de esta corriente con la Teora General de Sistemas, que se debe a Ludwig von Bertalanffy, bilogo de profesin, y que fue comenzada a formular ya a finales de los aos 30 (BER75/86). Su pretensin era estudiar las caractersticas generales de los sistemas, dando especial importancia a aquellos aspectos de la realidad que no eran entonces accesibles a un tratamiento cientfico convencional El tema que fundamentalmente le preocupaba era el de la organizacin de los sistemas vivos, ya que mientras la ciencia tradicional propugnaba el reduccionismo corno paradigma conceptual, en la explicacin de la cosa viviente el hecho que ha de tomarse como fundamental es el de la globalidad, no siendo el total explicable como una simple suma de las partes. Podemos apreciar, a la vista del panorama interdisciplinar de principios de siglo, que esta nocin de Sistema es un intento de formalizar conceptos difusos, como ser vivo, lengua o sociedad, para construir objetos de estudio cientficos que justifiquen una determinada disciplina. La Sociologa, la Biologa la Psicologa y la Lingstica se han realimentado constantemente a lo largo de su historia. Todas estas disciplinas han encontrado un lugar comn en la Teora General de Sistemas propuesta por Bertalanffy. La nocin de sistema de Bertalanffy estaba ntimamente ligada a la idea de "relacin", a lo estructural. Era necesario encontrar una formalicen matemtica ms orientada a lo cualitativo, a lo relacional, que a lo cuantitativo. Su objetivo era elaborar una teora de sistemas abiertos, que intercambian materiales con el medio ambiente, como sucede con cualquier organismo vivo. Un sistema sera un conjunto de elementos interrelacionados entre ellos y con el medio, un modelo de ndole general. Se tratara adems de encontrar leyes generales reguladoras de los sistemas, capaces de dar cuenta de fenmenos que aun siendo materia de estudio en disciplinas diferentes son formalmente idnticos. La lectura del "Curso de Lingstica General" de Ferdinand de Saussure (**) resultar seguramente sorprendente por su actualidad a cualquier persona introducida en la investigaci6n en Sistemas Complejos. Las dicotomas saussurianas: lenguahabla, sustancia-forma, diacrona-sincrona, relaciones sintagmticas-paradigmticas no hacen ms que plasmar las maneras en que un sistema puede ser analizado desde el punto de vista estructural. Por otra parte, los planteamientos de la Gestalt, escuela psicologa en la que se apoya oficialmente la Ciberntica (WIE48/**) son absolutamente sistmicos. Desde su formulacin del principio del isomorfismo, que de alguna forma justifica la elaboracin de modelos generales de los sistemas aplicables a fenmenos de distinta naturaleza, a la concepcin de la conducta como proceso dinmico de interaccin con el medio. Bertalanffy distingue varios procedimientos tpicos para la descripcin sistmica. Uno de los enfoques ms generales podra llamarse axiomtico, "ya que su principal inters radica en la definicin rigurosa del sistema y la deduccin de sus implicaciones mediante mtodos matemticos y lgicos modernos" pp.147(BER75/86). Por otra parte, est la teora dinmica de sistemas, que se ocupa de las transformaciones de los sistemas en el tiempo o en una escala asimilable al mismo. La primera distincin que se hace en los modos de formalizar un sistema es entre descripciones externas y descripciones internas. (BER75/86) (CAS79). En la descripcin externa de un sistema (CAS79), el comportamiento global se describe como una "caja negra", representndose las relaciones con el entorno y con otros sistemas mediante diagramas de flujo. El sistema se describe mediante funciones de transferencia que relacionan una serie de variables de entrada con otras de salida, como en el caso de los sistemas de ecuaciones lineales y los programas de ordenador. Segn Casti las descripciones externas de los sistemas mantienen una gran analoga con la psicologa conductista. Si asimilamos el organismo estudiado a un sistema, el esquema de descripcin sera el de una caja negra en la que nicamente interesa estudiar la relacin de las entradas con las salidas.

Ntese que este proceder slo puede proporcionar un modelo descriptivo de la conducta, y no una explicacin de por qu se produce. La metodologa conductista requiere entonces de la estadstica para elaborar sus resultados (por ejemplo, la regresin mltiple permite encontrar un sistema lineal que aproxima una relacin entrada-salida), y ms concretamente de los modelos de aprendizaje estadstico. Recordemos que la estadstica era una de las tres grandes lneas de desarrollo de las matemticas de principios de siglo. Las descripciones internas de los sistemas, casi siempre referidas a sistemas dinmicos, se realizan clsicamente mediante ecuaciones diferenciales, pero esta no es la nica forma de especificacin. Un ejemplo de descripcin dinmica interna de tipo algebraico (CAS79) lo constituyen los autmatas, entendidos como sistemas capaces de transformar un conjunto de entradas en un conjunto de salidas mediante la especificacin de un conjunto finito de estados y de una funcin que permite la transicin de un estado a otro al detectar una entrada. Recordemos que los autmatas son modelos de computacin simblica inspirados en la dinmica neuronal asimilables a sistemas dinmicos en los que el espacio de estados es finito. La lgica de predicados de primer orden y las gramticas, modelos abstractos de la mente procesadora de smbolos, son otro tipo de formalismos para la descripcin interna. Queda an otro tipo tradicional de descripciones (CAS79): a travs de funciones de potencial o de entropa, cuando slo interesa caracterizar cmo se mueve un sistema dinmico hacia un estado de equilibrio. Las funciones de potencial se utilizan cuando se quiere caracterizar el movimiento del sistema hacia un objetivo de acuerdo con las entradas que recibe, identificando el avance hacia la meta con la optimizacin (minimizacin) de la funcin de potencial. La descripcin en trminos de entropa (medida del grado de desorden de un sistema) sera un caso particular del anterior en el que la funcin a optimizar tiene que ver con una funcin de entropa. Este es el mecanismo bsico de los modelos de control Cibernticos, y es tambin el mecanismo que permite, segn la Gestalt, percibir un objeto sobre un fondo, adaptndose el sensor para mantener constante (y mxima) la diferencia de potencial estimulativo. 3.2.- La mquina autorreproductiva de von Neumann y los autmatas celulares. La Ciberntica y la investigacin en Teora de Sistemas siguieron prcticamente el mismo camino desde la publicacin de "Cybernetics" por N. Wiener en 1948, hasta el punto de confundirse, a pesar de esto algunos autores insisten en las diferencias. Esta confluencia crea el problema de cmo puede caracterizarse computacionalmente "lo vivo". Uno de los hombres ms relevantes de la Informtica, von Neumann, a quien debemos la arquitectura de los ordenadores programables actuales, realiz importantes avances en la Informtica Terica que hasta hace pocos aos fueron relegados en la historia oficial a un plano meramente anecdtico. A travs del modelo computacional de los Autmatas Celulares, desarrollado ya en los ltimos aos 40, intent caracterizar una caracterstica primordial de los sistemas vivientes: la autorreproduccin. El razonamiento de von Neumann, anlogo al Test de Turing en la Inteligencia Artificial, se resume as segn Langton: -La autorreproduccin, se lleva a cabo por una mquina bioqumica altamente compleja. -Entonces, el comportamiento de esa mquina es descriptible como una secuencia lgica de etapas. -Luego, si el algoritmo se puede llevar a cabo por alguna mquina, existe una mquina de Turing que hace lo mismo (tesis de Church). -Por lo tanto, se requiere modelar una mquina de Turing capaz de autorreproducirse. Si esta mquina de Turing autorreproductiva existe, es plausible que los procesos de autorreproduccin biolgicos sean algortmicamente descriptibles, y por lo tanto la vida puede simularse en mquinas. Von Neumann consigui bosquejar una mquina de Turing autorreproductiva utilizando los Autmatas Celulares. Recordemos que Turing especific una mquina universal capaz de recoger en la cinta la codificacin de cualquier otra mquina (a travs de un nmero natural) y los datos para sta (tambin naturales), y ejecutar dicha mquina sobre esos datos. Tambin demostr el resultado anlogo al de el teorema de incompletitud de Godel, conocido como el Problema de Parada: el problema de decidir si una mquina codificada por un nmero natural n converger devolviendo un resultado al darle como dato el mismo natural n no es decidible. El problema de von Neumman no era por lo tanto trivial. Un organismo vivo desarrollado A tiene un cdigo gentico (A). Denotemos por (A,(A)) al organismo completo, que incluye su autodescripcin. A estara representado por una mquina de Turing, mientras que (A) sera el cdigo de dicha mquina. A partir de dicho cdigo (A), por reproduccin asexual (si no media mutacin) se desarrolla otro organismo A que tambin tiene el mismo cdigo gentico. Se tratara de encontrar (HEA92) una mquina de Turing copiadora universal U tal que a partir de (A,(A)) produzca dos organismos (A,(A)), (A,(A)). En concreto, cuando le damos a U el organismo (U,(U)), la mquina producira una autorrplica. El problema, es que el cdigo de esta mquina, (A,(A))=(X), debera producir al aplicarse U el resultado (X,(X))=((A,(A)),(A,(A)), y as infinitamente. Su idea era realizar un modelo material de dicha mquina autorreplicativa. Pero von Neumman prefiri para este fin una mquina U que no es una mquina de Turing, pero si un modelo de computo equivalente las mquinas de

Turing: los autmatas celulares. Un autmata celular A=(T, N, M) est formado por red D-dimensional T, cuyos nodos estn ocupados por autmatas finitos idnticos M, que mantienen entre s relaciones de vecindad definidas por una plantilla de entorno N. Cada clula est ocupada por autmatas finito M=(Z,A), todos idnticos. La clula puede tomar un estado dentro de un conjunto Z, caracterizado por un color. Se reserva un color especial, el estado quiescente qp, como color de fondo. Lo ms comn es tomar la dimensin D=2, y T es una matriz m x n, aunque para propsitos tericos como el de von Neumann se supone que la matriz es infinita en las cuatro direcciones. Se pueden tomar diversas plantillas de entorno N, pero las ms comunes son el entorno de 5 elementos, en el que cada clula se conecta con sus cuatro vecinos situados en las direcciones N, E, S y O y donde el primer elemento del entorno corresponde a la direccin de la clula, C. N=(C,N,E, S, O) En el entorno de 9 elementos: N=(C, N, NE, E, SE, S, SO, O) Cada autmata finito i realiza transiciones de un estado a otro tomando como entrada el propio estado y los estados de sus vecinos N (i) en un instante de tiempo t. Todos los autmatas finitos realizan sus transiciones sincrnicamente a partir de una configuracin de estados iniciales, esto es un movimiento del autmata celular. Un computo del autmata celular es una secuencia de movimientos. Si la funcin de transicin de M es A, el cambio de estado de una clula a otra se realiza como en el siguiente ejemplo: Sea N(i)=(qi1, qi2, qi3, qi4, qi5) el entorno de estados de la clula i. La expresin sigma(qi1, qi2, qi3, qi4, qi5)=q', quiere decir que toda clula que en el instante t tenga las posiciones definidas por el entorno N =(C, N, E, S, O) en los estados (qi1, qi2, qi3, qi4, qi5), pasar en el instante t+1 al estado q'. Las casillas de los bordes reciben tratamiento especial, bien cerrando la red come un toro o bien suponiendo que existe un marco formado por clulas en estado aquiescente. Se parte siempre de una configuracin inicial, es decir de una asignacin inicial de estados a las clulas, y el computo sigue hasta que se alcanza un punto fijo, pero puede ocurrir tambin que el computo sea infinito. Si la matriz es finita, siempre se alcanzar un ciclo de configuraciones que se repite infinitamente. Los autmatas celulares se popularizaron con el llamado Juego de la Vida. Se trata de una matriz mxn en la que las clulas pueden estar en dos estados: vivo o muerto, representados por los colores negro y blanco (aquiescente) respectivamente. N es la plantilla de entorno de 9 elementos. Sea N(i) el entorno de estados de la clula i. La funcin de transicin representa una constriccin de tipo biolgico: una clula slo puede estar viva si en el entorno hay suficientes clulas vivas, al menos 3, para asegurar la reproduccin y que la casilla siga ocupada, y no demasiadas clulas vivas, como mucho 4, para asegurar que no hay excesiva competencia y el organsimo pueda sobrevivir. Por negros (N(i)) denotemos el nmero de clulas vivas que hay en el entorno. Las dinmicas que interesa estudiar son las que permiten que una poblacin sobreviva, es decir, que no se alcance la configuracin de un tablero en estado muerto. Aunque von Neumann apunt a una demostracin de que la Mquina de Turing puede simularse mediante autmatas celulares utilizando 29 estados por clula y entorno de 5 elementos, aunque no lleg a implementarse nunca. 3.3.- Evolucin de la Teora de Sistemas en los aos 70-80 Sin entrar a profundizar en ellas, enumeramos a continuacin las lneas de investigacin en Teora de Sistemas recogidas en el informe elaborado por Roger. E. Cavallo sobre el estado del arte en ese campo en 1979 y patrocinado por la "Society for General Systems Research" (fundada por Bertalanffy en) (CAV79). Caracterizacin algortmica del aprendizaje y de los sistemas adaptativos. Caracterizacin autopoytica de la organizacin de lo vivo. Heurstica conversacional. Teora de Sistemas Fuzzy. Teora General de Redes. General System Problem Solver (GSPS) Teora Generalizada de la Informacin. Ley de la Variedad de Requisitos. Teora de Sistemas Vivos. La metodologa del Q-anlisis. Teora Tricotiledn del Diseo de Sistemas. El estudio de los sistemas vivos y la conducta adaptativa ocupa, como puede verse, una buena parte de la investigaci6n en Teora de Sistemas. El concepto que es comn a varias de las propuestas que hace R. Cavallo y que es uno de los puntos centrales de la corriente denominada "Nueva Ciberntica" (PAS88) es

el de sistema organizacionalmente cerrado (que se corresponde al de autopoyesis en los sistemas vivos, o al de p-individuaci6n en la Teora de la Conversacin), y que se define como aquel que descrito en trminos de operadores productivos que actan sobre los elementos del sistema para producir otros elementos dentro del mismo sistema, sean estos elementos biolgicos, mentales, conceptuales o sociales, creando as una separacin del sistema y del medio. En cuanto a la Teora de la Conversacin, se basa en la idea de que los individuos no pueden ser tratados como meros objetos en una investigaci6n, y que para estudiar un grupo es preferible asumir un proceso conversacional. Cada individuo fsico (persona) se interpreta como un procesador o M-individuo, que constituye un conjunto de P-individuos, o individuos psicolgicamente determinados, que se corresponden en gran medida con lo que los antroplogos llaman un "rol". La conversacin que involucra a un grupo de M o P-individuos se interpreta como un proceso productivo y reiterado en el que los conceptos son compartidos y enriquecidos. Si los elementos fueran biolgicos, se tratara entonces de un sistema vivo, acercndose aqu a la nocin de autopoyesis. (PAS88) (CAV79) En los aos 80, la Inteligencia Artificial Clsica fue asimilando muchos de los planteamientos de tipo sistmico. El estudio de las redes neuronales o de mecanismos inspirados en ellas resurgi con fuerza en los primeros aos 80, a partir de los trabajos en Ciencias Cognitivas del grupo interdisciplinar PDP (Parallel Distributed Processing) (RUM91). Una sntesis muy interesante entre Ciberntica e I.A. es la realizada recientemente por Minsky (POL89), quien no abandon del todo el paradigma conexionista, y ha trabajado en el desarrollo de una teora de la mente estructurada como una sociedad de actores, que interactan entre s pasndose mensajes a travs de k-lneas, o lneas de conocimiento, anlogas a redes neuronales (SOW84) (MIN86). A partir de aqu, la investigacin en modelos de computacin distribuida, redes neuronales y en general todo lo que se designa bajo el epgrafe de "conexionismo" (JOH88), ha cobrado un importante auge, convirtindose en el paradigma dominante de los aos 90. El desarrollo de la T~ de los Sistemas Dinmicos, que consigue desde los ltimos 70 importantes avances en la comprensin de los comportamientos caticos que muestran los sistemas de ecuaciones diferenciales no lineales, ha convergido con la computacin distribuida en el rea recientemente creada de los Sistemas Complejos. La Vida Artificial, disciplina oficialmente fundada en 1987 es heredera en parte de la Ciberntica, e intenta reproducir la vida en una materialidad distinta de la biolgica. Ciertas capacidades de los seres vivos, como la reproduccin y la morfogenesis (el proceso de desarrollo de un organismo vivo a partir de una clula), as como la evolucin filogentica de las poblaciones de organismos vivos, se simulan en ordenadores utilizando, entre otros, autmatas y gramticas como modelos formales. La Vida Artificial tambin se interesa por simular el comportamiento autnomo de los organismos vivos mediante robots. La Inteligencia Artificial Distribuida(ERC91), que se ocupa de la elaboracin de sistemas multiagente segn la propuesta de Minsky y que marca la pauta de los aos 90, est totalmente influida por la investigaci6n en Sistemas Complejos. P. Pollack (POL89) escriba ya en 1989 acerca que el Conexionismo introducira a la Inteligencia Artificial en la revolucin del pensamiento que actualmente se da en la fsica y en las ciencias biolgicas. La relacin entre estos temas la establece a travs del grafo indicado en la figura 1. Aunque en este grfico slo aparecen las gramticas como punto de inters para la Informtica Terica, en los aos transcurridos se ha demostrado que son muchos ms los problemas abiertos. 4. La Vida Artificial 4.1.- La fundacin de la Vida Artificial En 1984, cuando fue fundado el Instituto de Santa Fe, entidad privada dedicada a la enseanza superior e investigacin interdisciplinar en Sistemas Complejos. La Vida Artificial es un rea de investigacin de reciente creacin dentro del terreno ms amplio de los Sistemas Complejos. El rito fundacional se celebr en los Estados Unidos en Septiembre de 1987, con sede en el Laboratorio Nacional Los Alamos de Santa Fe, Nuevo Mxico. El nombre de este evento fue "Interdisciplinary Workshop on the Synthesis and Simulation of Living Systems", tambin conocido como ALIFE I, y su gestor el investigador Christopher Langton. Dicho evento, que inaugura oficialmente la Vida Artificial como rea independiente de investigaci6n, fue apoyado por el "Center of Nonlinear Studies", el "Santa Fe Institute" y "Apple Computer Inc". All se dieron cita cientficos dispersos procedentes de diversas disciplinas como la biologa, informtica, fsica, filosofa y antropologa. Tras la segunda edicin tom carcter de congreso bienal. En Mayo de 1996 se celebr en Japn ALIFE IV. La siguiente definicin de Vida Artificial se debe a Ch. Langton (LAN90), "... es el campo de estudio dedicado a la comprensin de la vida, intentando abstraer los principios dinmicos fundamentales que subyacen a los fenmenos biolgicos, y recreando esas dinmicas en otros

medios fsicos -tales como ordenadores- hacindolos accesibles a nuevos tipos de manipulacin experimental y de pruebas." Podemos apuntar algunas causas del nacimiento de la Vida Artificial como campo especfico: -Las grandes posibilidades prcticas de la Biologa. que inducen la necesidad de una Biologa Terica con leyes universales. Se trata de determinar las caractersticas que definen a los procesos vivos independientemente de la materialidad terrestre. Es decir, definir la vida tal y como podra ser en otra materialidad (**), e investigar los mecanismos bioqumicos que hacen emerger "lo vivo" como un fenmeno no reducible a las partes. -Los progresos en la teora matemtica de los Sistemas Dinmicos. La Caracterizacin de ciertos comportamientos caticos que se producen en los sistemas dinmicos no lineales realizada en los aos 80 lleva a interesarse por el anlisis de la dinmica cualitativa de los sistemas que presentan patrones emergentes complejos, es decir, que alcanzan configuraciones que no son absolutamente regulares ni absolutamente caticas. -Nuevas necesidades y posibilidades en el campo de la robtica. Como la exploracin espacial, trabajos penosos, cooperacin en cuadrillas, etc. El radical empequeecimiento de los procesadores permite construir pequeos robots dotados de autonoma, que imitan conductas animales, individuales y colectivas. Se puede as estudiar las conductas adaptativas y la cognicin desde la perspectiva de la corporeidad, cuestionando a la Inteligencia Artificial (**). -Nueva crisis del Software. Los ordenadores crecen exponencialmente en velocidad de proceso y capacidad de memoria decreciendo en tamao (**), lo que que hace posible la distribucin distribuida de informacin y su procesamiento. El espectacular avance de la conectividad lleva a la creacin de espacios On-line, como Internet, que estn adquiriendo verdadera importancia y significado social. Estos son sistemas complejos que plantean nuevos problemas de procesamiento de informacin y que requieren nuevos lenguajes. Los sistemas biolgicos son una referencia importante, ya que sistemas como un hormiguero o un ecosistema pueden ser entendidos y servir de inspiracin a para construir sistemas informticos capaces de resolver problemas La Vida Artificial se ha ocupado de los siguientes temas: -Procesos dc nivel prebitico, o de los mecanismos bioqumicos y evolutivos que llevan a la aparicin de la clula. Los elementos al nivel bioqumico son protenas, lpidos, carbohidratos y sus combinaciones forman un nmero tal que la organizacin de la clula viva tiene probabilidad casi cero. Se ha intentado explicar el surgimiento de la clula (MGR84) mediante modelos como la autopoyesis, desarrollado por Maturana y Varela, que sita el punto de partida para la evolucin de la clula en los procesos de formacin de membrana que permiten el flujo energtico y que surja un metabolismo. Otros modelos se basan en la auto-organizacin de unidades autorreplicantes involucradas en procesos autocatalticos, es decir, en los que el producto creado acelera el proceso de produccin, y produce unidades cada vez ms complejas. -Procesos al nivel celular: El fenmeno de la auto-reproduccin celular es el que ha ocupado a la Vida Artificial, ya desde su origen remoto en el planteamiento del autmata autorreplicativo de von Neumann. Christoffer Langton es el autor que, siguiendo la lnea de von Neumann, ms ha estudiado los autmatas celulares como modelos de cmputo que pueden dar cuenta de la auto-reproduccin, caracterstica bsica de lo viviente, tratando de crear expresamente una base para la Vida Artificial dentro de la Informtica Terica, de forma anloga a como fue instituida la Inteligencia Artificial. Por ser esta la lnea conductora de este escrito, su trabajo ser comentada con detalle. -Procesos al nivel del organismo: La morfogenesis, es decir, el proceso de desarrollo de un individuo desarrollado o fenotipo en su ambiente a partir de una codificacin gentica es uno de los temas ms importantes a investigar. La naturaleza de la cognicin y del aprendizaje, el papel del sistema nervioso en la conducta adaptativa de los organismos, son los que ms inters han despertado en la comunidad informtica, ya que son bsicamente los que plante la Ciberntica clsica en su campo de interseccin con Inteligencia Artificial. Las Redes Neuronales se aplican en un amplio nmero de investigaciones en Vida Artificial, y ellas mismas son objeto de investigacin. -Procesos al nivel colectivo. Buscando determinar los mecanismos de interaccin entre los individuos de una colectividad que hacen emerger comportamientos adaptativos o inteligentes al nivel de toda la colectividad de organismos. La simulacin de hormigueros es un ejemplo, y sugiere mltiples aplicaciones a la Informtica, sobre todo en cuanto a que tiene un campo de inters comn con la Inteligencia Artificial Distribuida. La investigacin en la comunicacin animal y en el origen del lenguaje entraran tambin en este nivel. -Evolucin filogentica. Investigando las leyes que rigen la evolucin de las poblaciones, los mecanismos de transmisin gentica, seleccin natural y adaptacin de las especies. El problema de la evolucin ha tenido consecuencias en el mundo de la informtica: los algoritmos genticos ya desarrollados por Holland desde los aos 70 han encontrado importantes aplicaciones en la optimizacin de funciones. Esto

ha dado lugar al nacimiento de la computacin evolutiva y de la programacin evolutiva como reas de investigaci6n especficas. Segn Etxeberria (ETX95), en la V.A. se producen dos tipos de realizaciones, modelos e instanciaciones. En los modelos se intenta abstraer lo esencial de un fenmeno biolgico. Las instanciaciones son creaciones libres, sin referente concreto en lo biolgico, pero que dan lugar a comportamientos "comovivos" o que podran ser considerados vivos. Tambin en (ETX95) se distingue dentro de los modelos entre teora, simulaciones y realizaciones: mientras que una teora es un modelo conceptual de un fenmeno, de ndole general, una simulacin es una reproduccin del fenmeno biolgico en un universo abstracto, separado de las leyes fsicas. La realizacin implicara la reproduccin del fenmeno en un universo sometido a las mismas leyes fsicas que el fenmeno, por ejemplo en un robot o en material biolgico. Nos interesan aqu los modelos tericos y las simulaciones, desde la perspectiva del rea de los Lenguajes y Sistemas Informticos. Los sistemas que estudia la V.A. manejan un nmero alto de componentes que se especifican localmente a travs de reglas de transicin muy simples que permiten el paso de un estado a otro. Son por lo tanto sistemas dinmicos, en los que interesa categorizar su comportamiento cualitativo, que es lo que puede dar lugar a generalizaciones de inters analtico. Por otra parte, la vida es un proceso esencialmente evolutivo, ya desde el nivel prebitico. Cualquier proceso viviente se puede estudiar por s mismo, en su tiempo de desarrollo, o bien como consecuencia de la evolucin filogentica. 4.2. Nuevas propuestas de la Vida Artificial a la Informtica Terica 4.2.1.- El trabajo de Langton. La Informtica Terica est evolucionando a la par que la Vida Artificial. Antes se situ el origen de la V.A. en la propuesta de von Neumann de construir un modelo computacional de la Computacin. Pero en realidad, el anlogo al Test de Turing en la Vida Artificial fue formulando por Langton, cuya principal realizacin es haber sentado las bases para fundar la Vida Artificial en la Informtica Terica. El trabajo de Langton se dirige en dos vertientes: 1) Hacia la caracterizacin de la dinmica cualitativa de los autmatas celulares, determinando qu comportamientos emergentes son interesantes para la V.A., investigando las condiciones que cumplen las reglas locales que los producen y proponiendo criterios para establecer una nocin de cmputo especfica para los comportamientos emergentes complejos. 2) Hacia la consecucin de modelos de mquinas autorreplicativas, proponiendo configuraciones autorreplicativas e investigando sus caracterstica. En el primer aspecto, Langton abord una caracterizacin de "la vida al borde del caos" (LAN90). Para ello se bas en el trabajo de Wolfram (WUO84) y distingui tres zonas de comportamiento diferente en el cmputo de los sistemas dinmicos, basndose en la nocin de entropa. Por un lado estaran los cmputos de los autmatas celulares que alcanzan puntos fijos o peridicos en pocos pasos. En el otro extremo, aquellos cmputos totalmente caticos, que no dan lugar a ningn tipo de forma perceptible. Entre ambos, estaran los comportamientos complejos, que dan lugar a formas complejas, de aspecto fractal, que convergen en periodos largos, pero que presentan subciclos de cmputo con pequeas variaciones a lo largo de su evoluci6n. La dinmica cualitativa de los A.C. la establece en base a un parmetro donde k es el nmero de estados, n el nmero de k" k" k clulas en el entorno y nq el nmero de entornos de estados N(i) que producen con la transicin el estado quiescente. Es decir, mide la proporcin de entornos de estados que no llegan por A al estado muerto frente a todos los posibles. Generando aleatoriamente funciones de transicin A que cumplan la proporcin establecida A., ejecutndolas sobre configuraciones aleatorias, y midiendo la entropa en el computo de cada clula, Langton establece un valor crtico, que coincide con la medida del ndice de percolacin, ( torno al valor 0,5 para los arrays usados) y que determina el paso al rgimen catico. La variacin de se establece en el siguiente esquema, segn crece el parmetro. Explorando ms a fondo, Langton encontr que la caracterstica ms importante de los autmatas que muestran comportamientos complejos es que entre las distintas clulas la informacin mutua es significativamente alta, mientras que es baja en los comportamientos fijos y en los caticos. Es decir, el estado que toman las clulas en el comportamiento complejo est influido por el que toman las dems en mucha mayor medida que en los otros casos. Langton intuye as que estas zonas de comportamiento complejo son las interesantes desde el punto de vista computacional: tanto en los comportamientos fijos como en los aleatorios, no hay transmisin de informacin. El almacenamiento de informacin y su transmisin, son condiciones necesarias para que exista un proceso computacional. Por lo tanto, en la

zona de comportamiento complejo nos encontramos con un tipo de computacin que requiere ser investigado. En cuanto a la investigacin en las configuraciones auto-reproductivas, la mquina autorreplicativa de Von Neumann, requerira un A.C. tal que representada sobre l una mquina de Turing que tenga en la cinta representados ciertos datos, realice un cmputo que permita copiar dicha mquina y la configuracin de cinta en otra zona del array, y as indefinidamente. Dada la enorme complejidad de sta, se requiere encontrar mquinas "simples" capaces de autorreproduccin. Para ello contempla buscar configuraciones sobre un autmata celular que acten como programas y como datos, en las que la construccin de la copia sea activamente dirigida por la propia configuracin, pero sin estar totalmente programada en ella. Es decir, la configuracin no es pasivamente transcrita por el A.C., pero tampoco es un programa que dirija totalmente la copia. Siguiendo estos criterios, en (LAN**) se explica la construccin una configuracin capaz de autorreproducirse sobre un autmata celular, representada en la siguiente figura. 4.2.2. Otras aportaciones. Los Sistemas de Lindenmayer son formalizaciones en el terreno de la Teora de Lenguajes Formales del crecimiento de las plantas, en concreto sistemas de reescritura, esto es una tcnica para definir objetos complejos por reemplazamiento sucesivo de partes de un objeto inicial usando reglas o producciones. Un ejemplo clsico de un objeto geomtrico construido por reescritura es la curva del cristal de nieve, propuesta en 1905 por Koch, y reestablecida por Mandelbrot. Para producir esta curva necesitamos un iniciador y un generador. En cada paso de la derivacin se sustituye un segmento de la figura por una copia a escala del generador que tenia los mismos extremos. Cuando iteramos el proceso, obtenemos una forma similar a la de un cristal de nieve. Los L-sistemas son gramticas que sustituyen unas subpalabras por otras a partir de una palabra axioma, y son sus derivaciones las que dan lugar a las formas arborescentes que se dan en la naturaleza. Los Sistemas de Gramticas y Eco-gramticas, son formalismos muy recientes para modelar los procesos distribuidos. Se trata de sistemas de agentes modelados por gramticas que pueden realizar todas ellas derivaciones sobre una misma forma sentencial, que podra asimilarse a una pizarra o mundo comn. La caracterstica esencial es que los smbolos que son terminales para unos agentes no lo son para otros. Se estudian las capacidades de estos modelos para dar lugar a procesos cooperativos. En el campo de la simulacin de la evolucin de ciertas capacidades adaptativas, se trabaja con mundos artificiales: un tablero en el que se representan organismos y recursos. Los organismos estn dotados de una funcin que determina su grado de adaptacin al medio, y puede realizar acciones como moverse, comer, emitir seales o reproducirse, permitiendo slo la reproduccin de los individuos bien adaptados. 5.- Conclusiones Es cierto que esta no es una visin global de la Vida Artificial, pero este aspecto se ha sacrificado con el fin de procurar al alumnado de Informtica una comprensin de sus races tericas, y de hacer ver la necesidad de la investigaci6n bsica en Informtica Terica, al igual que la importancia que tiene el abordar un enfoque interdisciplinar. Un curso de Vida Artificial debe tocar todos los temas antes relacionados, y muy particularmente las tcnicas de simulacin de la evolucin mediante mundos artificiales, en las que se encuentra sentido a herramientas como los algoritmos genticos y las redes neuronales, y a los modelos de comportamiento cooperativo, que aunque de ms baje nivel que los que investiga actualmente la Inteligencia Artificial, sugieren aplicaciones tiles. La programacin gentica es otra herramienta importante, ya que al ser el referente de los programas ms cercano se identifica ms fcilmente la diferencia entre genotipos o programas y fenotipos o ejecuciones, el sentido de la reproduccin gentica y el papel de la seleccin en la evoluci6n. 6. Bibliografa Para las races histricas de la Informtica Terica (ARB64) Arbib, Michael A. Cerebros, mquinas y matemticas. Ed. Alianza Universidad, Madrid 1964 (BER75/86) BERTALANFFY, von Ludwig PERSPECTIVAS EN LA TEORIA GENERAL DE SISTEMAS Alianza Universidad. Madrid 1986 (1 eL 1975) (BUR78) BURK, Ignacio DIAZ GARCIA, P J.. PSICOLOGIA. UN ENFOQUE ACTUAL Programas deEducaci6n h4edia (ciclo diversificado) y Educaci6n Superior. Caracas1978 (CAS79)CASTI, J.CONNECTIVITY, COMPLEXITY AND CATASTROPHE INLARGE-SCALE SYSTEMS John Wiley 8r. Sons. 1979 (CAV79)CAVALLO, Roger E.SYSTEMS RESEARCH MOVEMENT: CHARACTERISTICS, ACCOPLISAMENTS, AND CURRENT DEVELOPMENTS.Society for General Sistems Research. New York. July 1979

(CHO86) Chomsky, Noam; El Lenguaje y el entendimiento. Ed. Seix Barral Barcelona 1986. (CHO78) CHOMSKI, Noam PROBLEMAS ACTUALES EN TEORIA LINGISTICA. TEMAS TEORICOS DE GRAMATICA GENERATIVA Siglo Veintiuno Editores. Madrid 1978 (l' ed. 1964) (CUE81) Cuevas, Gonzalo. TEORIA DE LA INFORMACION Y LA CODIFICACION. Ed. Dpto de Publicaciones de la Facultad de Informtica de la Universidad Politcnica de Madrid. (DIA84) Daz, Josep. Gnesis y evolucin de la Informtica Terica. Informe Tcnico RT 84/05. Facultad de Informtica de la Universidad Politcnica de Catalunya. 1984 (ERC91) ERCEAU, J. FERBER, J.."La Inteligencia Artificial Distribuda" Mundo Cientfico. n'l l6 vol l 1. pp.850-858 (GAR84) GARCIA-BORRON, Juan Carlos, TEORIA DEL CONOCIMIENTO Y METODOLOGIA DE LAS CIENCIAS. Vol 5 Ed. Vicens-Vives. Barcelona 1984. (GEO79) GEORGE, F. H. FUNDAMENTOS DE CBERNETICA Ediciones Piramide. Madrid 1979 (GUI88) Guiraud, Pierre. LA SEMANTICA Fondo de Cultura Econmica. Mxico 1988 (JOH88) JOHNSON-LAIRD, P. EL ORDENADOR Y LA MENTE. INTRODUCCION A LAS CIENCIAS COGNITIVAS. Ed. Paids. Madrid 198S (LYO80) LYONS, John SEMANTICA Ed. Teide. Barcelona 1980 (MIN86) MINSKI, Marvin LA SOCIEDAD DE LA MENTE. LA INTELIGENCIA HUMANA A LA LUZ DE LA INTELIGENCIA ARTIFICIAL. Ediciones Galapago. Argentina 1986 (PAS88) PASK, Gordon 'The old and New in Cybernetic Fashions" OOC PROGRAMME. Amsterdam. Febrero 1988 (POL89) POLLACK, J.B. -Connectionism: past, present, and future- Artificial Intelligence Review n' 3 (SAU89) Saussure, Ferdinand de; Curso de Lingstica General Ed. Akal Universitaria. Madrid 1989 (SOW84) SOWA, J.F. CONCEPTUAL STRUCTURES INFORMATION PROCESSING IN MIND AND MACHINE Addison-Wesley p. C. USA 1984 (WIE85) WIENER, Norbert CIBERNETICA O EL CONTROL Y COMUNICACION EN ANIMALES Y MAQUINAS Supernfimos 2-TUSQUETS EDITORES. Barcelona 1985 (ed. origin. 1948) Bibliografa especfica para un curso de Vida Artificial. (RAM95) RAMOS, Isidro (director) VIDA ARTIFICIAL. Ediciones de la Universidad de Castilla la Mancha, 1995 (KOZ93) KOZA (instructor) CS.425 ARTIFICIAL LIFE. Custom Course Material Winter 1993. Proceedings de ARTIFICIAL LIFE I, II,III,IV. http://www.geocities.com/CapeCanaveral/9802/3d4ca000.htm

----------

Grupos de Trabajo en I.A.


(Investigacin + Desarrollo)

Acadmicos
Grupo de Trabajo en Razonamiento Aproximado e Inteligencia Artificial Universidad de Granada

Grupo Noesis Universidad de Zaragoza Tecnologa Informtica: Inteligencia Artificial Dpto. Sistemas Informticos y Computacin. Universidad Politcnica de Valencia Grupo de Inteligencia Artificial Universidad Rovira i Virgil. Tarragona AI-Lab Dpto. Ciencias Computacin. Universidad de la Corua Grupo de Sistemas Inteligenctes Dpto. Electrnica y Computacin. Universidad deSantiago de Compostela LERPIA (Electronic List on Probabilistic Reasoning in Artificial Intelligence) U.N.E.D. LIDIA Laboratorio de Investigacion y Desarrollo en Inteligencia Artificial. Universidad de La Corua Grupo de Ingenieria del Conocimiento y Aprendizaje Dpto. de Lenguajes y Sistemas Informaticos Universidad Politcnica de Catalua Tratamiento de la Incertidumbre en Sistemas Inteligentes (UTAI) Dpto. de Ciencias de la Computacin e Inteligencia Artificial E.T.S. de Ingenieria Informtica Universidad de Granada Centro de Inteligencia Artificial. Universidad de Oviedo en Gijn. Departamento de Inteligencia Artificial. Facultad de Informtica Universidad Politcnica de Madrid Grupo de Percepcion Artificial (GPA) Instituto de Automtica Industrial, CSIC Sistemas de Informacin Avanzados e Inteligencia Artificial. (Grupo IAAA) Departamento Informtica. e Ingeniera de Sistemas CPS. Universidad de Zaragoza. Colectivo ARCA. Automatizacin del Razonamiento Cualitativo y Aplicaciones. Grupo de Investigacin integrado por varias universidades. Grupo de Planificacin y Scheduling Inteligente Universidad Politcnica de Valencia Grupo de Tratamiento del Lenguaje Natural Dpto. de Lenguajes y Sistemas Informaticos Universidad Politcnica de Catalua Grupos de investigacion en procesamiento del lenguaje Asociacion Espaola para el Procesamiento del Lenguaje Natural (SEPLN)

I+D en Empresas
ERITEL Grupo Robotiker (Pas Vasco) Proyecto VITAL (Andersen Consulting) Diseo y Metodologa, S.A. (grupo TIASA)

http://aepia.dsic.upv.es/grupos/grupos.html

Informacin recopilada de -Internet- por


http://usuarios.tripod.es/montdivi

Soft_Montdiv:

montdivi@mixmail.com

Software independiente, dedicado a la programacin de la IA-.

Tarragona. 05/01/2001

(Program manager)

Virginio Daz Montes