![](IMAGES/ciencia6%20copia.gif) |
A
pesar de que las técnicas parala resolución de problemas
complejos que propone la computación evolutiva –que permite
obtener de una computadora la mejor de entre muchas soluciones posibles–
podrían generar grandes ahorros para la industria, la medicina
y el sector transportista, éstos no confían en los adelantos
de la ciencia, afirmó Efrén Mezura Montes, académico
del Centro de Investigación y Estudios Avanzados (Cinvestav)
del Instituto Politécnico Nacional (IPN), quien agregó
que “en México, desgraciadamente, son muy limitadas las
aplicaciones evidentes de estudios científicos. En otros países
sí se da, pero en nuestro país la industria no confía
en esto”.
Durante su visita al Departamento de Inteligencia Artificial de la
UV, Mezura Montes explicó que la computación evolutiva
se refiere a un conjunto de técnicas que modelan la evolución
de las especies en una computadora: “Normalmente esta evolución
simulada en la compu-tadora se utiliza para resolver problemas del
mundo real, principalmente los de optimización; es decir, cuando
tienes un problema para el que existen |
|
muchas soluciones posibles, buscas la mejor de todas y en un tiempo
razonable. Son técnicas que resuelven un problema simulando
la evolución del pensamiento para encontrar cada vez mejores
soluciones. Ése es el problema que por excelencia atacan
los algoritmos evolutivos, sin embargo, el ámbito de solución
de problemas es más amplio y puedes encontrarte con problemas
de clasificación y clustering”.
Aunque la jerga de esta rama de la inteligencia artificial puede
resultar incomprensible fuera del círculo de expertos, “cuando
acudes a un hospital por cierta enfermedad, a veces se apoyan en
técnicas de este tipo que han ayudado a determinar la sintomatología
para clasificarla dentro de un tipo de padecimiento. Que te puedan
diagnosticar y recetar los medicamentos convenientes tiene que ver
con un proceso que permitió clasificar esta enfermedad y
que no es un problema sencillo de clasificar porque esa enfermedad
se parece a muchas otras”.
Este tipo de técnicas realmente están resolviendo
problemas de la vida cotidiana en un alto porcentaje: “He
visto que últimamente la cobertura de autobuses es bastante
eficiente: hay muchas corridas, puedes cancelar boletos, la programación
de horarios es muy amplia y todo ello representa un problema complejo
de optimización. Seguramente ellos tienen una buena planeación
en la que se aplica este tipo de técnicas, y uno sólo
se da cuenta que va y viene en tiempo y forma”.
A pesar de que el científico aceptó que existen en
nuestro país áreas donde existe una comunicación
estrecha entre la ciencia y la industria, aseguró que en
el campo de la computación evolutiva, de los algoritmos evolutivos
y de los problemas de optimización, la comunicación
es completamente inexistente. “Ha habido ciertos intentos
pero no mucho interés, y no quiero decir que la industria
tenga la culpa, sino que la situación del país todavía
no se presta para eso. En México estamos pensando en resolver
otro tipo de conflictos y no podemos dar el siguiente paso: buscar
y aportar soluciones científicas de vanguardia que la industria
pueda costear y, con ello, recibir un beneficio a cambio”.
Aun cuando los algoritmos evolutivos podrían representar
grandes ahorros en gastos que para el país y la industria
son colosales, hay pocos proyectos donde se busca el apoyo de la
ciencia con técnicas heurísticas o evolutivas, “pero
son pocos, no hay interés real y no existen siquiera los
puentes entre asociaciones que enlazan a los científicos
con la industria para atacar este tipo de problemas. Además,
la comunidad científica que en México estudia algoritmos
evolutivos es relativamente pequeña, está en fase
de crecimiento. Ya nació, pero somos pocos todavía.
Nos hace falta gente para poder ofrecer a la industria soluciones
más sólidas”.
La computación evolutiva es una de las dos principales ramas
de la inteligencia artificial: mientras la neurocomputación
busca automatizar la manera de resolver un problema en una máquina
usando lo que nosotros usamos para resolverlo, el cerebro, la computación
evolutiva busca valerse de la evolución que creó al
cerebro humano para resolver problemas. Los científicos se
han planteado cómo el cerebro humano fue evolucionando desde
nuestros antepasados hasta la fecha, y la computación evolutiva
busca modelar ese progreso pero con soluciones de un problema que
se busca resolver. |