Blog de robótica e inteligencia artificial

3/04/2019

El estudio del tiro parabólico sin ordenadores

Este artículo se publicó originalmente el 22 de febrero en la Revista Dyna, publicación de investigación en ingeniería:



El estudio de la trayectoria de las bolas de cañón es un bonito caso de las tensiones entre el conocimiento práctico y teórico en la ciencia a lo largo de la historia. Sorprende la cantidad de matemáticas que se dedicaron a este campo.

Nicolo Tartaglia es un científico del siglo XVI, cuya fama ha llegado hasta nuestros días principalmente por la pelea que tuvo con Cardano sobre la resolución algebraica de las ecuaciones cúbicas. Sin embargo, Tartaglia también publicó en 1537 La nova scientia, en la cual describía la trayectoria de un proyectil como si fuera una línea recta inicial, y una posterior caída:

Figura 1: Ilustración de tiro mixto y portada de Nova scientia [1] 





Figura 2: Ilustración de tiro horizontal, según Tartaglia [2]


Realmente, ni siquiera el propio Tartaglia se terminó creyendo su teoría, tal y como reconoció años más tarde. Pero este pensador italiano sentó las bases para crear unos ábacos que tabulaban sus cálculos, y así poder calcular la longitud del tiro en función de la inclinación del cañón. Estos ábacos se usaron hasta el siglo XVIII.

Más tarde, en 1638, Galileo Galilei propuso su modelo de disparo parabólico, lo cual era un poco absurdo, ya que Galileo, a pesar de conocer que había algún tipo de resistencia al aire, no la contabilizó en sus cálculos. El caso es que conseguía una trayectoria simétrica que no resultaba nada realista, y por eso, los artilleros siguieron usando el modelo de Tartaglia. En ciertas ocasiones, hasta les era suficiente usar el modelo de tiro triangular de Daniel Santbech, propuesto en 1561.

Figura 3: Modelo de disparo de Daniel Santhech [1]

Sin embargo, todo esto cambió en el siglo XVIII con nuestro siguiente personaje: Benjamin Robins. Este científico inglés nació en Bath en 1707, justo el mismo año que el matemático Euler. Pronto se dedicó a la ingeniería militar, y su mayor contribución al estudio de la balística reside en que sugirió que era imprescindible tener en cuenta la fuerza de resistencia de aire, y que dependía mucho más de la velocidad inicial del disparo que de su alcance. Para demostrarlo, Benjamin Robins diseñó un péndulo balístico, gracias al cual podía calcular las velocidades iniciales de los proyectiles, teniendo en cuenta la mecánica newtoniana y la teoría de péndulos de Huygens. De hecho, a Robins también se le considera el padre de los túneles de viento por este tipo de aportaciones.
 
Figura 4: Péndulo balístico de Robins   
 


Esencialmente, el invento consistía en disparar una bala contra la masa colgada del péndulo y calcular su arco. La masa del péndulo era bastante mayor que la de las balas de aquella época.


Benjamin Robins ya era miembro de la Royal Society desde 1727, y afortunadamente, la grandeza de este personaje se notó enseguida. En 1742 publicó su obra New principles of gunnery. Cómo sería el libro, que un empleador de Euler, Federico el Grande de Prusia, preguntó al matemático cuál era el mejor libro de balística, y a pesar del poco apego que tenía Robins a su propio libro, Euler lo eligió. No solo eso, sino que lo tradujo del inglés al alemán, y añadió unos cuantos comentarios sobre él. De manera que el nuevo manuscrito pasó de tener 150 páginas a 720. En 1783, se tradujo al francés, y según cuenta Napoleón, fue uno de los libros que más influyó a sus científicos e ingenieros.

Escribió una vez un oficial de artillería, que Robins era a la artillería como el inmortal Newton lo era a la filosofía. Antes de su influencia, el acierto en el tiro era una cuestión de azar sujeta a múltiples variables e incertidumbres. Ese mismo siglo, el presidente de la Royal Society fue más allá y afirmó que Robins había inventado una ciencia nueva.










BIBLIOGRAFIA

[1] Janet Heine Barnett (2009). Mathematics goes ballistic: Benjamin Robins, Leonhard Euler, and the mathematical education of military engineers, BSHM Bulletin: Journal of the British Society for the History of Mathematics, 24:2, 92-104, DOI: 10.1080/17498430902820887

[2] Ed Sandifer. How Euler did it. The cannonballs http://eulerarchive.maa.org/hedi/HEDI-2006-12.pdf

[3] The first wind tunnels.

https://www.centennialofflight.net/essay/Evolution_of_Technology/first_wind_tunnels/Tech34.htm

[4] McMurran, S., & Rickey, V. F. (2008, October). The impact of ballistics on mathematics. In Published in the Proceedings of the 16th ARL/USMA Technical Symposium https://www.revolvy.com/page/Benjamin-Robins

[5] Steele, B. D. (1994). Muskets and pendulums: Benjamin robins, Leonhard Euler, and the ballistics revolution. Technology and Culture, 35(2), 348-382


Comparte:

2/11/2019

Alexa, las voces y lo que vendrá

En las últimas semanas he recibido muchas noticias cuanto menos, sorprendentes, sobre Alexa, el asistente de voz inteligente de Amazon. A pesar de que no me guste nada usar la palabra 'inteligente' en electrodomésticos, creo que los asistentes de voz sí que la merecen, por justicia.

Y esto no son buenas noticias para los electrodomésticos, ya que se abre la nueva era en la que habrá que fijar las nuevas reglas de juego. Y me quedo muy sorprendido de las capacidades de los asistentes de voz, así que la regulación que corresponda deberá tener en cuenta cosas insospechadas.

Quizás al agudo lector no sea consciente de la cantidad de posibilidades de estos inventos. Así que en este artículo colgaré unos simples titulares (principalmente sobre Alexa) que a mí sí que me han llamado la atención:






- Alexa grabó la conversación privada de una pareja y se la envió a un contacto aleatorio

- ¿Puede Alexa mentir?

- Alexa, ¿te tengo que pedir ayuda para tomar mis decisiones? 

- Deja de hablar con extraños

- Las personas que viven solas hablan continuamente con los asistentes de voz

- Alexa y Google Home tienen la capacidad de predecir cuándo va a terminar tu relación

- ¿Por qué no tener una cita con Alexa?

- Alexa ahora da consejos para las citas

- Cómo Alexa y otros asistentes de voz recompensan a los usuarios psicológicamente

- Qué técnicas psicológicas usan los asistentes de voz contigo

- Pronto los asistentes de voz decidirán por ti en las compras





¿Os dais cuenta de todo lo que ha entrado en casa de golpe? Los asistentes de voz se basan sobre todo en el Procesamiento del Lenguaje Natural, la cual es una de las ideas de mayor impacto de la inteligencia artificial según muchos expertos. La patente de lo que sería el corazón de Alexa se presentó en 2012, y este sistema sigue aprendiendo a partir de las interacciones de los usuarios. El sistema de Google Assistant cada vez reconoce mejor las palabras y Alexa cada vez adquiere más habilidades.

La mayoría de noticias que he enlazado sobre los asistentes de voz no logran quitarse ese manto frío de inquietud y misterio sobre el futuro de esta tecnología. Los humanos no somos culpables de nuestras reacciones psicológicas y humanas hacia estos aparatos, pero las empresas y los organismos públicos sí que son responsables de cómo actúan estos aparatos con nosotros. ¿Os imagináis que Google haya detectado que el número de veces que decimos a través del asistente de voz la palabra 'coche' es indicativo de que unas acciones van a subir? ¿U os imagináis que Amazon venda al gobierno las reacciones de la población cuando por la tele emiten un discurso presidencial polémico? ¿O que midan el estado de ánimo en cada casa y propongan productos de marketing para subirlo? Tal y como insiste la Catedrática en Psicología Cognitiva, Helena Matute, 'Google y Amazon hacen experimentos de psicología con nosotros sin avisarnos de ello'. Lo cual es lo peligroso.

¿Qué clase de correlaciones, de aprendizaje no supervisado, habrán hallado sin ningún tipo de comunicación pública?
Comparte:

12/25/2018

2018, un año de lectura

Como viene siendo habitual en el blog, este es el resumen de lecturas que he tenido a lo largo de 2018 (otros años: 2017, 2016, 2015, 2014, 2013. ¡Qué lejos quedan las lecturas de enero! Los enlaces de cada libro están dirigidos a algunas de las editorias y librerías a las que tengo cierto cariño y os recomiendo visitar. Entre otras, Traficantes de Sueños, Librería Hontza, Anti-Liburudenda, Librería el Joker, Iberlibro...


Sueño de la Cepeda (JJ Domínguez)
Es un pequeña novela enmarcada en Castilla y León, de corte costumbrista. Muy bien escrita y se lee muy fácil  El libro me lo dio su propio autor, ya que ahora es bastante difícil de conseguir.



Habla del homo-economicus y cómo el consumismo ha ido devorando la identidad de muchos de los pueblos y sus costumbres. El libro está muy bien escrito y se lee rápido. Además, la autora es una gran representante del pensamiento político



Este libro habla de la psicología, un poco de neurociencia y comportamiento del ser humano durante distintas fases de su vida. Me ha parecido un libro muy romántico, ya que principalmente las explicaciones del comportamiento humano se basa en el 'comportamiento respecto a la pareja'. Muy recomendable y ameno de leer.



Fouché fue un político francés en tiempos de la Revolución Francesa y Napoleón. Se le pone de ejemplo de víbora y equilibrista político, capaz de desdecirse, contradecirse, traicionar y humillar a quien sea con tal de conseguir sus propósitos. Durante el libro se narra su biografía y peleas contra Robespierre y Napoleón, entre otros.



Poco que decir de esta obra. Es suficientemente conocido. Se lee muy rápido.



Un gran libro, de esos que los lees con una libreta al lado y apuntas datos de vez en cuando. Es uno de mis favoritos este año. La tesis de este libro es explicar qué es lo que ha hecho que Occidente sea quien domine el mundo por ahora. Habla con gran rigor y explicaciones históricas sobre factores como geografía, sentido de la propiedad, medicina, etc, que distinguieron a los países que dominan ahora el mndo frente a otros. Muy recomendable.



Es un libro que recuerdo con cierta nostalgia. La autora es una psicoterapeuta que trata a niños de altas capacidades en Francia. A lo largo de todo el libro, describe el comportamiento traumático, obsesivo, agobiante y en ocasiones, destructivo, de este don en los niños. El libro no es para nada un manual técnico, sino que la autora lo describe con gran humanidad. No hay aún base científica sólida para decir que 'todos los superdotados' se comportan de una manera u otra. A pesar eso, el libro da a entender unos patrones de comportamiento que se repiten constantemente. 



 Es una novela corta que describe a la perfección algunos de los sentimientos de una mujer en el amor, en el desamor y en las decisiones irracionales que hacen que el mundo avance.



Mikel Ayestaran es un periodista de guerra con mucha experiencia. En el libro, cada capítulo es una ciudad de conflicto, a las cuales estamos muy acostumbrados a escuchar en los telediarios. Mikel describe sus peripecias y modo de funcionar en cada ciudad. En el libro es inevitable caer en cierta subjetividad.



Novela costumbrista del Madrid de los tiempos de Cánovas y Sagasta. Describe una realidad un poco deprimente de una familia corriente de Madrid, con sus ambiciones, envidias, problemas y alegrías. No es un libro que me haya entusiasmado particularmente.



Al principio, el libro de Ian Morris parece que responde a la pregunta de para qué sirve la guerra y cómo moldeó un pasado según ciertas decisiones políticas y militares. Sin embargo, la segunda mitad del libro no responde a la pregunta, y más bien divaga sobre las distintas civilizaciones y factores que hacen que triunfe o sucumba. Particularmente, no me ha gustado, y prefiero con creces el libro Civilización (Niall Ferguson), que habla sobre temas muy parecidos.



El libro habla exactamente de lo que anuncia el título. Raymond Kurzweil hace un exhaustivo resumen a las distintas técnicas y planteamientos de los investigadores a la hora de simular el cerebro, tanto en su proceso de aprendizaje, como en su comportamiento químico y eléctrico. Es un libro de consulta, sin embargo, el estilo es muy ameno y se lee con facilidad.



Es un libro que ha cambiado en cierto modo la manera que tengo de evaluar el mundo, y de intentar entender el comportamiento de las personas. Dan Ariely, un reputado investigador del comportamiento económico humano en la universidad de Duke, nos relata y explica con todo lujo de detalles los comportamientos totalmente irracionales de los seres humanos mediante unos sencillos experimentos. Todo el libro termina concluyendo que actualmente, las leyes están diseñadas presuponiendo que todo el mundo hace decisiones lógicas, pero que habría que tener en cuenta sesgos, trampas, precios ancla y otros muchos factores apasionantes. Totalmente recomendable.


Es el libro más bello que he leído este año, en mi opinión, y también ganador de un premio Pulitzer. El autor relata desde la Antigüedad hasta nuestro días,  cómo ha sido y cuáles han sido los descubrimientos, teorías, personas, héroes y heroínas en la lucha contra el cáncer. Está presentado de un modo muy humano a la par que riguroso, donde no se queda en el plano de grandes investigadores. No. En la historia son igualmente importante los pacientes, la sociedad que entendió pronto el mensaje, los médicos, y cualquiera que haya podido aportar su granito de arena.



Hay muchos libros sobre la historia de Europa. John Hirst la cuenta con humor, y con capítulos muy independientes el uno del otro. Tan pronto habla de los romanos, como de las presiones de la Corona inglesa con la religión, como la Revolución Industrial. Es uno de estos libros de subrayar muchas líneas. Además, se lee muy rápido y el estilo es muy socarrón.



Vi que Alberto Moyano, @eljukebox, recomendaba este libro, y para mí, dio en el clavo. Feliz Final es una novela que habla de las crisis de pareja, su camino, las decisiones, los acuerdos que se hacen durante ella, las medias mentiras y las medias verdades, y todo eso a lo que suele recurrirse para mantener una relación viva. El libro cuenta estas cosas desde el flechazo hasta la ruptura final de una manera magistral.



Este libro describe los descubrimientos y formación de la electricidad como elemento de consumo diario, industria y ciencia. El libro emplea la primera cuarta en explicar los descubrimientos de Faraday, Maxwell, Franklin, etc, y a partir de ahí, casi todo el libro transcurre en las decisiones gubernamentales que han dado forma al sector eléctrico en el mundo tal y como lo conocemos hoy en día. Mi idea era que este libro sería parecido a The Most Powerful Idea in the World, que habla de la 1ª Revolución Industrial, pero para mí, Craig Roach no logra acercarse a ese nivel.



Es una novela bestseller de uno de los autores más vendedores de España ahora mismo. La novela cuenta la historia de Antonia Scott, una mujer increíble que resuelve casos policiales imposibles con la ayuda de un inspector de policía un tanto particular. La novela se lee muy rápido y el estilo de narrativa es muy ágil.



De nuevo, @eljukebox recomedaba este libro. Es el primer libro de poesía en los resúmenes que escribo por aquí. Quizás sea un poco dura para iniciados como yo, pero una vez que se entiende el significado, son muy emocionantes.


No Alfa (Jon Eldritch) 
Es una obra de Sci-Fi que me ha encantado. Jon Eldritch describe una realidad humana utópica en el que las personas tienen una parte física real y un programa de ordenador corriendo en paralelo a lo largo de sus vidas. El protagonista de la obra, Daniel, investigará durante todo el relato las misteriosas muertes de unas entidades robóticas. En el libro se mezcla inteligencia artificial, software y seguridad informática.

Esta lectura ha sido importante para mí, ya que he participado como voluntario en un proceso de corrección y opinión.


Capitalist realism: is there no alternative? (Mark Fisher)
Cogí este libro con más expectativas de las que consiguió saciar. Mark Fisher es un famoso activista, ya fallecido, sobre alternativas al capitalismo. El libro es bastante negativo respecto a la posibilidad de otras alternativas, y lo expone de una manera muy filosófica. En cambio, yo esperaba un relato mucho más histórico, con los orígenes, crisis y evolución del capitalismo.


La corrosión del carácter (Richard Sennett)
Precisamente, el libro de Sennett habla desde un punto de vista más social del cambio de carácter de las personas, principalmente debido a la nueva realidad económica y laboral. Critica los eslóganes muy repetidos estos días como que 'no parar en un sitio fijo a trabajar es bueno para ti', 'supérate', 'sacrifica cosas', 'plantéate nuevos retos'. Sació mis expectativas mucho más que el libro de Mark Fisher, y además, se lee mucho más fácil.



En 2018, otros libros los he dejado inacabados, entre otros La Princesa de Berlín (Arthur R.G. Solmssen, Un hombre llamado Ove (Backman Fredrik), Deshaciendo errores (Michael Lewis), El misterio de la banca (M. Rothbald), God in a cup (Michaele Weissman), Octubre (China Mieville), y La Tabla rasa (de Steven Pinker)

Ahora mismo, estoy sumido en La conquista del pan, de Piotr Kropotkin.


Como novedad, este año también me he pasado de oyente ocasional de podcasts a oyente habitual. Estos son algunos que os recomiendo:









2018 ha tenido más bajadas que subidas. Ha sido un año de muchos cambios, y muy duros. Cambios en los sueños, en las metas y en el orden de prioridades de muchas cosas. Todo esto probablemente esté provocado por las estancias de investigación de 2018, muchas noches de insomnio y las personas que se cruzan en mi vida. Algunas de ellas, totalmente apasionantes, las cuales ni me imaginaba encontrar (aunque no les guste reconocerlo ni que se lo digan).

He aprendido a pilotar, he visitado sitios espectaculares, he invertido tiempo y dinero en proyectos que creo que merecen mucho la pena, sigo aprendiendo y he cruzado miradas que me han hecho volar más que cualquier cohete.

No dejéis de ilusionaros, nunca, seguid peleando y avanzando, porque lo único inevitable en esta vida son la muerte... y los impuestos.




Comparte:

12/13/2018

Mary Lasker, la directora de marketing contra el cáncer

Ha habido agitadores sociales que han cambiado la historia, y Mary Lasker (1900-1994) ha sido una de ellas. No fue científica, sino removedora de conciencias y hábil estratega y negociadora entre las élites. Mary Woodward se casó en 1940 con Albert Lasker, un rico y bien conectado ejecutivo de marketing de la industria del tabaco de Estados Unidos. Por su parte, Mary Woodward era una diseñadora de ropa con aspiraciones, que pretendía cambiar la sociedad convenciendo a los poderosos. Y la causa filantrópica que eligió fue la lucha contra el cáncer, que para el matrimonio comenzó en 1943.


Fuente: Wikipedia



Podéis seguir leyendo el artículo en la web de publicación orininal, MujeresConCiencia. Un blog sobre mujeres (a menudo olvidadas) que inspiraron y marcaron la historia de la Ciencia.
Comparte:

12/04/2018

Keynes y el contexto de la semana laboral de 15 horas

En estas latitudes, el gobierno ha propuesto realizar un registro de las horas que pasan los trabajadores en jornada laboral. En este país se hace una polémica de casi todo, y estoy seguro que en alguno de los debates que acaecerán se nombrará al ínclito John Maynard Keynes y su famosa predicción de que en 2030 disfrutaremos de una jornada laboral de 15 horas. La dejó redactada en la obra de 1930, Economic prospects for our grandchildren.


Fuente

En este artículo me gustaría describir brevemente cuál era el pensamiento económico de este autor y qué suponía cuando realizó esta propuesta.

Keynes predecía que las personas tendrían que trabajar mucho menos, tendrían sus necesidades cubiertas y podrían decidir cuánto más de tiempo de ocio se tomarían respecto a lo que estamos acostumbrados.

Sin embargo, no parece que esto se esté cumpliendo, ya que la tendencia actual en muchos puestos de trabajo es a difuminar la línea de separación entre vida personal y vida laboral. Además, en Estados Unidos el número total de horas trabajadas se ha mantenido estable durante muchas décadas y tienden a no gastar todo su período de vacaciones, al contrario que en Europa.  

Pero vamos al contexto de la predicción: Keynes era una persona que defendía la intervención del estado para el mantenimiento del sistema capitalista y para el progreso de la economía. Fruto de su pensamiento, se crearon instituciones como el FMI y el Banco Mundial

Los años dorados del capitalismo fueron desde 1930 a 1970 aproximadamente. Durante estos años, la economía creció exponencialmente. Es decir, se incorporaron diversas técnicas de organización laboral y se innovaron distintas tecnologías que hicieron que la productividad empresarial creciera sin parar. Fueron unos años de mucha presión de sindicatos y regularización, lo cual permitió también que los salarios de los trabajadores crecieran junto a los beneficios empresariales, empujados por la adorada productividad. 

En definitiva, todo marchaba bien. Se creó el llamado estado de bienestar, se extendieron los seguros laborales y los derechos de los trabajadores. Fue en esta época dorada donde Keynes realiza su predicción: creía que la tecnología y otras innovaciones organizativas por sí mismas harían que el trabajador pudiera ir reduciendo su semana laboral, incluso generando beneficios para el empresario. Es decir, era muy optimista respecto a lo que hoy llamamos desempleo tecnológico. Sin embargo, la alegría exultante no fue eterna, y en 1970 aproximadamente, la productividad empezó a decrecer.

Entre 1920 y 1970 se consiguió un 2,82% de incremento anualizado de productividad. Sin embargo, de 1970 a 2014, creció solo por un 1,62% anual. 


Fuente

Cada vez era más difícil aumentar beneficios en las empresas. Una metáfora equivalente podría ser la de extraer petróleo de un campo. Al principio es fácil, pero cada vez los costes van aumentando más y requiriendo mayor energía para obtener esa materia prima.

Debido a este problema de pérdida de productividad, a continuación se ve la curva que Keynes nunca previó ni contempló: la separación de la evolución de la hora pagada al trabajador y el producto obtenido.

Fuente

La dificultad de mejorar la productividad obliga a las empresas a reducir costes de salarios y a hacer que los trabajadores inviertan muchas más horas. Las empresas basan una gran parte de su crecimiento en operaciones financieras (recompra de acciones), no a partir de sus medios productivos.

De hecho, ahora mismo se aboga por el modelo capitalista sin intervención, abanderado por Milton Friedman, en el que el estado no debería intervenir en la economía, ya que el mercado se regulará solo.

Por esta serie de razones, espero que quede claro que el mundo en el que John Keynes elaboró su teoría es totalmente distinto del actual. Lo cual no quita para afirmar que la semana laboral de 5x8 horas no es lo mejor desde el punto de vista de la Ciencia, pero esa reflexión me la dejo para un siguiente post.
Comparte:

11/19/2018

En @MapIgnorance: la convergencia entre inteligencia artificial y neurociencia

Esta semana publiqué un artículo en el blog de divulgación de la Universidad del País Vasco, Mapping Ignorance. El artículo original está en inglés, y esta es una traducción libre de el mismo.



Muchos investigadores de inteligencia artiicial (IA) están alertando sobre un invierno en esta disciplina, lo cual significa que los científicos pueden perder interés en el campo, las instituciones reducir los fondos y perder presencia en el debate público. No sería el primer invierno de IA, no obstante. Las pasadas dos décadas han supuesto una época de optimismo sin parangón en la inteligencia artificial, y a ello han contribuido la mejora del hardware, la existencia de grandes bases de datos y el desarrollo del aprendizaje-profundo. Sin embargo, aún estamos muy lejos de una inteligencia más humana.

Personalmente, no estaría tan seguro sobre el descenso de actividad investigadora en IA, pero de lo que sí que estoy convencido es de que cada vez irá más de la mano de la neurociencia y sus reglas. Por lo tanto, podemos denominar invierno de la IA al período que se necesitará para entender lo suficientemente bien el cerebro como para dar un gran salto adelante, tanto en IA como en neurociencia. Este artículo pretender describir las tendencias actuales de los investigadores en esta dirección y algunos ejemplos de las contribuciones de la neurociencia.



Fuente


Es paradójica la situación actual, ya que en su orgien la IA estaba basada en la neurociencia y en la psicología. A partir del desarrollo posterior y expansión de estas disciplinas, los límites de estas ciencias se hicieron muy níticos y se perdió la interacción entre ellas.

La neurociencia otorga dos ventajas para la IA. En primer lugar, sirve de inspiración para una nueva multitud de nuevos algoritmos, independientes de ideas matemáticas que han dominado tradicionalmente la IA, como el aprendizaje profundo y las redes neuronales. En segundo lugar, la neurociencia puede servir de sistemas de validación de las técnicas de IA que ya existen. Si un algoritmo existente se prueba sobre un modelo de cerebro, se comprobará su plausabilidad como elemento hacia un sistema de inteligencia general.

Sin embargo, en este punto es donde las dos tendencias predominantes entre científicos difieren: investigadores como Henry Markram, Dharmendra Modha y Stepehen Larson están centrados en un modelo de simulación completo del cerebro, incluso desde un punto de vista biológico. Estiman que un millón de líneas de código son suficientes para este propósito. Están tratando de replicar todas las sinapsis, dendritas, activación de axones, etc, para poder entender cómo aprende el cerebro, o cómo obtiene información del entorno, e incluso cómo luchar contra enfermedades mentales. Sin embargo, en este artículo, hablaré sobre trabajos que sólo reproducen cómo funciona el proceso de aprendizaje, desde un punto de vista ingenieril.



Aprendizaje por refuerzo
La neurociencia ha vuelto a poner al aprendizaje por refuerzo (RL) de moda otra vez. Nunca ha sido una técnica particularmente atractiva: es un algoritmo computacionalmente muy muy ineficiente y requiere cientos o miles de experimentos para lograr la solución óptima. Pero durante la experimentación se pasa por distintos estados y decisiones y eso se ha vuelto una gran ventaja para modelar y representar algunas habilidades humanas esenciales.

Por ejemplo, RL se ha vuelto una buena representación del aprendizaje de las habilidades motoras en animales y humanos. Persigue el aprendizaje a través de las repeticiones de acciones. Querido lector, intenta simplemente recordar cómo aprendiste a montar en bici, a nadar o cómo aprendiste en una ciudad nueva el camino a casa. En definitiva, es una adición de prueba y error en el que la persona pondera mucho las buenas decisiones que le hicieron conseguir el equilibrio o llegar a su destino.

Además, la combinación de aprendizaje profundo y RL ha sido un gran hito, ya que representa el uso de memorias episódicas. RL, en este sentido, representa la habilidad natural de aprendizaje de habilidades, como las reglas de un juego. La información permanece almacenada, y a continuación, se extrae y se usa una red neuronal para hallar la solución óptima según las experiencias vividas pasadas. La combinación de RL + aprendizaje profundo se ha comprobado que es válido para simular cómo los niños adquieren experiencia y sentido común al interactuar con el entorno.

Finalmente, el RL también se está mostrando muy útil para modelar la capacidad de imaginar y planificar de los humanos. Los humanos pueden predecir resultados futuros a través de simulaciones, gracias a multitud de experiencias vividas pasadas.



Atención
Hasta hace bien poco, los modelos de redes neuronales más típicos (tradicional, convolucionales) trabajaban directamente sobre imágenes o vídeos completos, dando la misma importancia a todos los píxeles del cuadro a la hora de procesar. Sin embargo, no es así cómo trabaja el cerebro. En realidad, centra su atención en los objetos móviles, colores y partes específicas. Por lo tanto, este tipo de algoritmos de reconocimiento se están implementando para modelar la atención, y reducir el coste computacional al mismo tiempo.


Aprendizaje continuo
Una de las principales características del cerebro humano es la habilidad para aprender continuamente, sin olvidar los conocimientos y habilidades previamente adquiridos. En el caso de las redes neuronales, el re-entrenamietnto era catastrófico ya que borraba todos los conocimientos ya adquiridos. Este fenómeno se representa por el sesgo y los pesos, que representan el camino al conocimiento de una red neuronal. En la actualidad, los investigadores están desarrollando un tipo de aprendizaje y de pesos flexibles para usar la misma red neuronal para aprender nuevos conceptos, sin pérdida de información.


Aprendizaje eficiente
Los humanos tenemos una gran habilidad para aprender rápidamente nuevos conceptos a partir de unos pocos ejemplos, lo cual hace el conocimiento algo muy flexible. Esto es una habilidad extremadamente difícil para la IA. Sin embargo, sistemas de aprendizaje recientes están creando sistemas de redes neuronales que aprenden a aprender. Se puede entender con el siguiente ejemplo: un niño tiene una habilidad nautral para reconocer distintas letras, a pesar de que provengan de distintas caligrafías y personas. Las redes neuronales están adaptando este efecto ponderando el conocimiento previo con problemas parecidos.

Esto es también muy importante en la transferencia de conocimiento de los humanos. Normalmente, una persona que sabe usar un ordenador o conducir un coche, podrá usar cualquier otro ordenador y conducir cualquier otro coche.


Conclusiones
No solo la IA se beneficiará de la colaboración con la neurociencia. En la dirección contrario, la IA y sobre todo, el aprendizaje-máquina, transformaron para siempre la neurociencia y las técnicas para analizar las imágenes de resonancia magnética, la realización de diagnósticos a partir de big-data y el desarrollo de nuevos medicamentos.

En la nueva era, ninguna de las dos ciencias podrá avanzar la una sin la otra.



[1] Hassabis, D., Kumaran, D., Summerfield, C., & Botvinick, M. (2017). Neuroscience-inspired artificial intelligence. Neuron, 95(2), 245-258.
Comparte:

11/11/2018

Errores de ajuste y Fukushima

Una famosa cita científica dice que si no usas datos, probablemente lo que hagas no sea ciencia. Pero contar con datos no resuelve el problema completo, ya que normalmente hay que interpretarlos y establecer una relación entre los datos con los que contemos. 

En este artículo pretendo explicar un par de casos históricos famosos sobre el problema de sobreajuste. Es decir, lograr que la relación que calcules sobre tus datos, sea demasiado cercana a los propios datos. Se va a entender muy bien con los siguientes ejemplos:


- Evolución del tamaño de población de Estados Unidos

Este ejemplo apareció en la página de Mathworks del software matemático Matlab. En ella, se dibujan algunos puntos del tamño de población de Estados Unidos a lo largo de la historia, y se ajusta con uan ecuación de segundo grado.


Pero si yo fuera Donald Trump, me preocuparía por ver la evolución de esta gráfica en el futuro:


Es decir, este ejemplo demuestra que a pesar de que la curva se ajusta muy bien a los datos puntuales con los que yo tenía, la gráfica no es correcta (o eso esperamos).

Lógicamente, no todos las líneas, según su grado, van a ajustar correctamente con la realidad, pero puede que arrojen resultados más lógicos.


 

- Ptolomeo y su sistema de círculos

Ptolomeo consideró que la Tierra era el centro del universo, y para eso creó un sistema de círculos que según él, reproducía perfectamente los movimientos de todos los cuerpos celestes alrededor de la Tierra. El problema era que había que dibujar nuevos círculos cada cierto tiempo para ajustar los datos.



Cuando el resto de los astrónomos tuvieron que crear tantos círculos que el modelado les parecía dudoso, llegó Copérnico a desarrollar un sistema más realista.


- La central de Fukushima

Este ejemplo de la central nuclear probablemente sea uno de los más esclarecedores de sobreajuste: para fabricar la central, los ingenieros se basaron en una relación denominada ley de Gutenberg - Richter, la cual establece la frecuencia de que ocurran terremotos de cierta magnitud. Desde los imperceptibles hasta los terremotos de grado 10.

Ahora, fijaros en las siguientes dos imágenes:



La primera imagen representa la relación que crearon los ingenieros, consistente en dos líneas rectas, donde el punto de inflexión ocurre alrededor de 7,3. La segunda imagen muestra un ajuste de los datos peor, consistente en una única recta. Sin embargo, la primera imagen establece que un terremoto de grado 9 se da cada 13.000 años, mientras que la segunda imagen indica que un terremoto así se da cada 300. Y por esta razón, Fukushima fue dimensionada solo para aguantar un terremoto de 8,6 grados.

¿Sorprendente? Un error de cálculo que costaba arreglar 30 segundos provocó que se echase a perder una gran infraestructura. Los datos no lo son todo. También existe su correcta interpretación.





Fuente:

1- https://ml.berkeley.edu/blog/2017/07/13/tutorial-4/
2- https://stats.stackexchange.com/questions/128616/whats-a-real-world-example-of-overfitting
3- https://datascience.stackexchange.com/questions/61/why-is-overfitting-bad-in-machine-learning
4- https://www.britannica.com/science/Ptolemaic-system
Comparte:

Sígueme en redes:

descripción descripción descripción

En mi mesilla

Blog Archive