No confía la industria en la
ciencia evolutiva: E. Mezura
Edgar Onofre Fernández

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.