Año 5 • No. 169 • febrero 21 de 2005 Xalapa • Veracruz • México
Publicación Semanal


 Páginas Centrales

 Información General

 Información Regional

 Ex-libris

 Investigación

 Estudiantes

 Arte Universitario

 Foro Académico

 Halcones al Vuelo

 Contraportada

 Números Anteriores

Créditos



 

 
 

Reportaría ahorros en industria, medicina y transporte
La industria no apoya estudios en computación evolutiva: Mezura
Edgar Onofre
A pesar de que las técnicas para la resolución de problemas complejos que propone la computación evolutiva –que permite obtener de una computadora la mejor de entre muchas soluciones posibles–, podría generar grandes ahorros para la industria y sectores como los de medicina y transportes, éstos no confían en los adelantos de la ciencia, afirmó Efrén Mezura, del Centro de Investigación y Estudios Avanzados (Cinvestav) del Instituto Politécnico Nacional (IPN).


Efrén Mezura.
Durante su visita al Departamento de Inteligencia Artificial de la UV, Mezura Montes destacó, sin embargo, que en México, “desgraciadamente, son muy limitadas las aplicaciones evidentes de cuestiones científicas.

En otros países sí se da, pero en México la industria no confía en estas cosas”.
De acuerdo con el investigador, la computación evolutiva se refiere a un conjunto de técnicas que modelan la evolución de las especies en una computadora. La computación evolutiva resuelve principalmente problemas de optimización: tienes un problema para el que existen muchas soluciones posibles y quieres la mejor de todas y en un tiempo razonable. “Ése es el problema que 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 clasificarlo 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, que no es un problema sencillo porque esa enfermedad se parece a muchas otras”.

Este tipo de técnicas, dijo, están permitiendo resolver 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 bastante robusta y todo ello representa un problema complejo de optimización. Seguramente ellos tienen una planeación fuerte en la que se aplican este tipo de técnicas y uno simplemente se da cuenta que va y viene en tiempo y forma”.

A pesar de que aceptó que en nuestro país existen áreas donde se da una comunicación muy fuerte entre la ciencia y la industria, aseguró que en el campo de la computación evolutiva, de los algoritmos evolutivos y problemas de optimización, “la comunicación es completamente inexistente; ha habido ciertos intentos pero no mucho interés, y tampoco quiero decir que la industria tiene la culpa, sino que la situación del país todavía no se presta para eso”.

Los algoritmos evolutivos podrían representar, dijo, grandes ahorros en gastos que para el país y la industria son colosales actualmente. “Hay algunas cuestiones en proyectos más grandes donde se busca el apoyo de la ciencia con técnicas heurísticas o evolutivas, aunque es ínfimo, pero 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”.

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 resolver el problema –el cerebro–, la computación evolutiva se plantea valerse de la evolución, que creó al cerebro humano de la mejor manera para resolver problemas.