En el artículo titulado “Propiedades y aplicaciones del grafeno”, escrito por Rodríguez y Vasilievna el año 2008, se menciona que los nanomateriales han acaparado el interés de la investigación científica de las últimas dos décadas, debido al descubrimiento de propiedades disímiles a las que ofrecen los macromateriales, dando lugar al advenimiento de una nueva rama del saber científico: La nanotecnología. El espectro de posibilidades de su aplicación es de bastante amplitud y versatilidad tal que inauguran una verdadera revolución tecnológica. Novoselov y sus colegas, en el artículo publicado el año 2005 con el título “Cristales atómicos bidimensionales”, indican que nanomateriales es el nombre genérico con que se designa a las partículas de una dimensión igual o menor a una millonésima de milímetro. Pueden ser obtenidas a partir de diferentes elementos o compuestos químicos. El carbono, por ser el elemento más conocido e intrigante de la tabla periódica, es el que ha focalizado en mayor grado la atención científica a este respecto. El carbono tiene varias formas alotrópicas. Alotropía, en química, es la existencia, especialmente en el estado sólido, de dos o más formas estructurales moleculares o cristalinas de un elemento. Según Katsnelson, en el artículo escrito el año 2007 titulado “Grafeno: Carbón en dos dimensiones”, los alótropos del carbono pueden ser: (1) Tridimensionales, tales como el diamante y el grafito; (2) Bidimensionales, tales como el grafeno; (3) Monodimensionales, tales como los nanotubos; (4) Cero dimensionales, tales como los fullerenos. Esta alotropía tan extensa se debe a la capacidad de los átomos de carbono para formar redes muy complicadas y numerosas diversas estructuras.
En el articulo “El Grafeno y sus posibilidades de impacto en la industria minera” escrita el año 2014, el investigador Valdivia realiza un análisis del documento mencionando que la aparición del grafeno no es tan sorpresiva en el ámbito científico. Las últimas dos décadas el avance constante de la nanotecnología, aproximadamente desde mediados de los años noventa del siglo veinte, ha estimulado la generación de un sinnúmero de materiales con propiedades sorprendentes. La idea fuerza de la nanotecnología, verificada una y otra vez, es que al reducir el tamaño de los materiales a escala nanométrica, donde un nanómetro es la millonésima parte de un milímetro, sus propiedades físicas y químicas varían notablemente respecto al mismo material pero de mayor tamaño. Estos objetos, de masa tan reducida y dimensiones de entre uno a cien nanómetros se denominan desde entonces nanomateriales. Algunos ejemplos notables de nanomateriales son los nanotubos de carbono, puntos cuánticos de semiconductores, nanofibras, nanoesferas metálicas, nanocintas, y otros.
Geim y Novoselov, en el artículo publicado el año 2007 con el título “El ascenso del grafeno”, mencionan que el grafeno es el bloque de construcción de otros materiales carbonáceos que se conocen desde hace más tiempo. El grafeno es un material bidimensional, una lámina compuesta de átomos de carbono enlazados en hibridación, ordenados en hexágonos regulares que se extienden a lo largo y a lo ancho conservando un átomo de espesor. Si esta lámina se enrolla se obtienen nanotubos de carbono de pared sencilla; si son varias láminas las que se enrollan a la vez serán nanotubos de pared múltiple; si la lámina de grafeno se envuelve como una pelota de fútbol se obtienen fullerenos, y si las láminas de grafeno se apilan como las hojas de un libro se obtiene grafito.
En palabras de Tronc y sus colegas, en el artículo publicado el año 1992 con el título “Transformación de hidróxido férrico en spinel por adsorción de hierro”, los nanotubos de carbono son conocidos desde el año 1991 cuando fueron identificados por el investigador Iijima, mientras que los fullerenos fueron obtenidos por Kroto, Heath, O’Brien, Curl y Smalley en el año 1985. Estos descubrimientos son relativamente recientes si se comparan con el del grafito, cuyo uso se remonta 6000 años atrás cuando en el este de Europa se comenzó a usar para decorar cerámica. Según Zhu y sus colegas, en el artículo escrito el año 2010 con el título “Materiales basados en el grafeno, grafeno y oxido de grafeno: Síntesis, propiedades y aplicaciones”, el grafito debe su nombre precisamente a su uso para escribir, graphein en griego, bien en la cerámica de hace seis mil años o con los lápices que aún se utilizan. El investigador Guo y sus colegas, en el artículo publicado el año 2011 con el título “Microcristales tetracaidecaedrales de magnetita: Síntesis, caracterización y estudio micro-Raman”, mencionan que en el año 1986 Boehm y colaboradores recomendaron el uso de la palabra grafeno para las láminas de carbón que componen el grafito. La terminación “eno” se usa para denominar hidrocarburos aromáticos policíclicos, aún cuando la raíz del nombre sea de origen trivial por ejemplo: naftaleno, antraceno, tetraceno, etc. En 1997 la “Unión Internacional de Química Pura y Aplicada” formalizó esta recomendación al incorporarla en el “Compendio de Tecnología Química”. En él se establece que “el término grafeno se debe usar solo cuando se discutan las reacciones, las relaciones estructurales u otras propiedades de láminas individuales”, descartando así el uso de términos como láminas de grafito, láminas u hojas de carbón, puesto que estas implican una estructura tridimensional que el grafeno no posee.
lunes, 28 de septiembre de 2015
lunes, 14 de septiembre de 2015
Agentes conversacionales
En la tesis de maestría de Cobos, escrita el año 2013 con el título “Integración de un chatbot como habilidad de un robot social con gestor de diálogos”, se menciona que el uso de los agentes conversacionales o chatbots es bastante común, pues se han vuelto instrumentos de uso múltiples en disciplinas variadas, desde simples supervisores de conversaciones, atención al cliente, ayudantes, hasta mantener una conversación de cualquier tema específico con la capacidad de emular el diálogo que un usuario mantendría con un agente real. Los agentes son programas basados en inteligencia artificial, son entidades capaces de percibir su entorno, procesar lo que perciben y tener una reacción, es decir, una respuesta o actuar en su entorno de manera racional.
El investigador Pérez, en la tesis doctoral escrita el año 2014 con el título “Análisis y optimización de agentes conversacionales 3D para sistemas empotrados”, indica que en el ámbito de la inteligencia artificial existen dos grandes posturas que marcan el objetivo de las investigaciones en todos los campos en los que participa. La “inteligencia artificial fuerte” persigue la creación de máquinas conscientes, una verdadera “vida artificial”, mientras que la “inteligencia artificial débil” descarta esta posibilidad y sus pretensiones son más modestas; considera suficiente el que una máquina pueda actuar como si fuera inteligente. Estas dos visiones tan distantes han impregnado la investigación sobre sistemas conversacionales. La primera aproximación, referida a la inteligencia artificial fuerte, sería la de la percepción de los sistemas conversacionales como una simulación del lenguaje humano, con el objetivo de lograr una teoría completa y capaz de ser implementada en términos computacionales. La segunda aproximación, de la inteligencia artificial débil, con un perfil más ingenieril, es la construcción de interfaces hombre-máquina más naturales y fáciles de usar debido a la incorporación de la comprensión y gestión del dialogo hablado. El análisis realizado se complementa con el efectuado en el artículo escrito por Larsson, el año 2005 titulado “Sistemas de dialogo: Simulaciones o interfaces”.
Edlund y sus colegas, en el artículo publicado el año 2006 titulado “Dos caras de los sistemas de dialogo hablado”, mencionan que otro aspecto relevante que afecta al diseño e implementación del sistema conversacional es la metáfora que el propio sistema representa de cara al usuario. La metáfora “interfaz” considera que el sistema se percibe como una interfaz con la máquina, mientras que la metáfora “humana” hace que el sistema sea percibido como un ser humano. Durante las fases de diseño del agente conversacional se debe ser coherente con el tipo de metáfora que representa el sistema, ya que el tipo de diálogo que el usuario mantiene y espera de él es diferente en ambos casos.
Gracias a este reciente desarrollo en la tecnología de los agentes conversacionales, están surgiendo investigaciones que abordan la incorporación de aspectos “humanos” a estos sistemas, como pueden ser la personalidad, incorporada en el artículo de Galvao y sus colegas del año 2004 titulado “Persona-AIML: Una arquitectura para el desarrollo de chatterbots con personalidad”, y el uso de la intención, reportado en el artículo escrito por Neves y sus colegas el año 2006 con el título “IAIML: Un mecanismo para tratar la intencionalidad en chatterbots AIML”, o las emociones durante los diálogos, mencionado por Baldassarri y sus colegas en el artículo publicado el año 2007 con el título “Interacción emocional con actores virtuales a través de lenguaje natural”. Otro aspecto importante que se introdujo en tiempos relativamente recientes es la idea de dotar al agente conversacional de una representación física virtual, una encarnación, son los denominados ECAs, reportados en el artículo de Baldassarri y sus colegas escrito el año 2007 con el título “Motor de código abierto para agentes animados encarnados”. Estos agentes pueden consistir en simples caras animadas que hablan o ser mucho más complejos, con representaciones gráficas 3D de cara y cuerpo, incluyendo variaciones gestuales, sincronización labial, etc. Cerezo y sus colegas, en el artículo publicado el año 2007 con el título “Agentes virtuales 3D para el control de entornos inteligentes domóticos”, mencionan que entre otras aplicaciones, se están presentando estudios prometedores acerca del uso de este tipo de agentes como nueva forma de interacción en el área de los ambientes inteligentes.
Wooldridge y Jennings, en el libro publicado el año 1995 con el título “Agentes Inteligentes” mencionan que un agente conversacional es un programa de software que interpreta y responde a las declaraciones realizadas por los usuarios en lenguaje natural corriente. Se integra técnicas de lingüística computacional y la comunicación se puede establecer a través de Internet, mensajes instantáneos, correo electrónico, foros, etc. El término “agente conversacional” puede ser analizado por las dos palabras que lo componen. La palabra “agente” es un sistema software, el cual, viene definido por su flexibilidad, entendiendo por flexible que un agente sea: (1) Reactivo, responda al entorno en que se encuentra. (2) Proactivo, que sea capaz de intentar cumplir sus propios objetivos. (3) Social, sea capaz de comunicarse con otros agentes mediante algún tipo de lenguaje. Utilizando el Diccionario de la Real Academia Española, la palabra conversacional significa “Perteneciente o relativo a la conversación.”, entonces un agente conversacional es una entidad artificial diseñada para tener conversaciones con seres humanos u otros agentes conversacionales. Los agentes conversacionales son llamados chatbot, bots, chatterbots, Vpersonas o persona virtual. En la actualidad existen muchos agentes conversacionales con variadas características, utilidades, complejidad y capacidad de respuesta. Se puede encontrar desde sencillos chatbots pensados como juego y diversión, que pretenden responder de forma más o menos cómica, hasta otros muy complejos y técnicos en algún campo que tienen un uso práctico elevado o simplemente que han sido construidos con fines comerciales.
El investigador Pérez, en la tesis doctoral escrita el año 2014 con el título “Análisis y optimización de agentes conversacionales 3D para sistemas empotrados”, indica que en el ámbito de la inteligencia artificial existen dos grandes posturas que marcan el objetivo de las investigaciones en todos los campos en los que participa. La “inteligencia artificial fuerte” persigue la creación de máquinas conscientes, una verdadera “vida artificial”, mientras que la “inteligencia artificial débil” descarta esta posibilidad y sus pretensiones son más modestas; considera suficiente el que una máquina pueda actuar como si fuera inteligente. Estas dos visiones tan distantes han impregnado la investigación sobre sistemas conversacionales. La primera aproximación, referida a la inteligencia artificial fuerte, sería la de la percepción de los sistemas conversacionales como una simulación del lenguaje humano, con el objetivo de lograr una teoría completa y capaz de ser implementada en términos computacionales. La segunda aproximación, de la inteligencia artificial débil, con un perfil más ingenieril, es la construcción de interfaces hombre-máquina más naturales y fáciles de usar debido a la incorporación de la comprensión y gestión del dialogo hablado. El análisis realizado se complementa con el efectuado en el artículo escrito por Larsson, el año 2005 titulado “Sistemas de dialogo: Simulaciones o interfaces”.
Edlund y sus colegas, en el artículo publicado el año 2006 titulado “Dos caras de los sistemas de dialogo hablado”, mencionan que otro aspecto relevante que afecta al diseño e implementación del sistema conversacional es la metáfora que el propio sistema representa de cara al usuario. La metáfora “interfaz” considera que el sistema se percibe como una interfaz con la máquina, mientras que la metáfora “humana” hace que el sistema sea percibido como un ser humano. Durante las fases de diseño del agente conversacional se debe ser coherente con el tipo de metáfora que representa el sistema, ya que el tipo de diálogo que el usuario mantiene y espera de él es diferente en ambos casos.
Gracias a este reciente desarrollo en la tecnología de los agentes conversacionales, están surgiendo investigaciones que abordan la incorporación de aspectos “humanos” a estos sistemas, como pueden ser la personalidad, incorporada en el artículo de Galvao y sus colegas del año 2004 titulado “Persona-AIML: Una arquitectura para el desarrollo de chatterbots con personalidad”, y el uso de la intención, reportado en el artículo escrito por Neves y sus colegas el año 2006 con el título “IAIML: Un mecanismo para tratar la intencionalidad en chatterbots AIML”, o las emociones durante los diálogos, mencionado por Baldassarri y sus colegas en el artículo publicado el año 2007 con el título “Interacción emocional con actores virtuales a través de lenguaje natural”. Otro aspecto importante que se introdujo en tiempos relativamente recientes es la idea de dotar al agente conversacional de una representación física virtual, una encarnación, son los denominados ECAs, reportados en el artículo de Baldassarri y sus colegas escrito el año 2007 con el título “Motor de código abierto para agentes animados encarnados”. Estos agentes pueden consistir en simples caras animadas que hablan o ser mucho más complejos, con representaciones gráficas 3D de cara y cuerpo, incluyendo variaciones gestuales, sincronización labial, etc. Cerezo y sus colegas, en el artículo publicado el año 2007 con el título “Agentes virtuales 3D para el control de entornos inteligentes domóticos”, mencionan que entre otras aplicaciones, se están presentando estudios prometedores acerca del uso de este tipo de agentes como nueva forma de interacción en el área de los ambientes inteligentes.
Wooldridge y Jennings, en el libro publicado el año 1995 con el título “Agentes Inteligentes” mencionan que un agente conversacional es un programa de software que interpreta y responde a las declaraciones realizadas por los usuarios en lenguaje natural corriente. Se integra técnicas de lingüística computacional y la comunicación se puede establecer a través de Internet, mensajes instantáneos, correo electrónico, foros, etc. El término “agente conversacional” puede ser analizado por las dos palabras que lo componen. La palabra “agente” es un sistema software, el cual, viene definido por su flexibilidad, entendiendo por flexible que un agente sea: (1) Reactivo, responda al entorno en que se encuentra. (2) Proactivo, que sea capaz de intentar cumplir sus propios objetivos. (3) Social, sea capaz de comunicarse con otros agentes mediante algún tipo de lenguaje. Utilizando el Diccionario de la Real Academia Española, la palabra conversacional significa “Perteneciente o relativo a la conversación.”, entonces un agente conversacional es una entidad artificial diseñada para tener conversaciones con seres humanos u otros agentes conversacionales. Los agentes conversacionales son llamados chatbot, bots, chatterbots, Vpersonas o persona virtual. En la actualidad existen muchos agentes conversacionales con variadas características, utilidades, complejidad y capacidad de respuesta. Se puede encontrar desde sencillos chatbots pensados como juego y diversión, que pretenden responder de forma más o menos cómica, hasta otros muy complejos y técnicos en algún campo que tienen un uso práctico elevado o simplemente que han sido construidos con fines comerciales.
lunes, 7 de septiembre de 2015
Segunda parte Mapas genéticos
En el articulo “Mapeo de genes en peces: Un medio para un fin” publicado el año 2001 por los investigadores Danzmann y Gharbi, se menciona que el mapa genético o mapa de ligamiento de una especie es una representación del orden lineal de un grupo de genes o marcadores a lo largo del genoma, siendo la distancia entre loci adyacentes proporcional a la frecuencia de recombinación entre los mismos. Los marcadores ordenados se distribuyen en grupos de ligamiento, cuyo número debe corresponder al número haploide de cromosomas de la especie cuando el mapa tiene una cobertura genómica adecuada. En un proyecto genómico, estos mapas de ligamiento facilitan el marco de referencia para el ensamblaje a lo largo de los cromosomas de las secuencias brutas de acido desoxirribonucleico obtenidas en los programas de secuenciación genómica. Sakamoto y sus colegas, en el artículo publicado el año 2000 titulado “Un mapa de ligamiento de micro satélites de la trucha arco iris (Oncorhynchus mykiss), caracterizada por grandes diferencias específicas del sexo en las tasas de recombinación”, mencionan que los mapas genéticos proporcionan por sí mismos importante información acerca de los genomas: Son esenciales para entender el comportamiento de los cromosomas y sus interacciones durante la meiosis; permiten la localización de elementos genómicos estructurales, marcadores moleculares y loci que influyen en caracteres mendelianos pero también la “disección genética de rasgos cuantitativos”, definidos por Lynch y Walsh, en el artículo publicado el año 1998 titulado “Genética y análisis de rasgos cuantitativos”, suministran estimaciones del tamaño genómico y posibilitan el estudio evolutivo mediante mapeo comparativo. Por ello, según Naruse y sus colegas, en el artículo publicado el año 2000 con el título “Mapa detallado vinculado de medaka, Oryzias latipes: Genómica comparativa y evolución del genoma”, en la mayoría de las especies, incluyendo los peces, uno de los principales objetivos de los proyectos genómicos ha sido la obtención de mapas genéticos o de ligamiento.
Danzmann y Gharbi, en el artículo mencionado anteriormente, señalan que los mapas genéticos son esenciales para la identificación y el seguimiento de genes o regiones genómicas de interés económico como los “loci de caracteres cuantitativos” para iniciar programas de selección asistida por marcadores moleculares. De acuerdo con Lee, en el artículo publicado el año 1995 con el título “Marcadores de ADN y programas de fitomejoramiento”, los mapas saturados facilitan información para la clonación posicional de genes, permiten la expansión directa del conocimiento del acervo genético a través de la correspondencia comparativa entre taxones y aceleran la identificación e incorporación de genes deseables en los cultivos al aportar pistas importantes para entender la base biológica de los caracteres complejos. El investigador Cornide, en el artículo publicado el año 1993 titulado “Marcadores moleculares, nuevos horizontes en la genética y selección de las plantas: Construcción de mapas genéticos en especies diploides”, señala que la elaboración de un mapa genético se realiza en tres etapas: (1) Determinación de los grupos de ligamiento, (2) Ordenamiento de los genes dentro de cada grupo de ligamiento y (3) Estimación de las distancias entre grupos de ligamiento con base en las frecuencias de recombinación observadas. Gepts y sus colegas, en el artículo publicado el año 1993 titulado “Enlaces en la cartografía del frijol común”, mencionan que una característica de los mapas de ligamiento genético es que la longitud del genoma, medido en centiMorgans, puede ser influenciado por el polimorfismo entre los progenitores, el número de marcadores y las frecuencias de recombinación. Entre otros la longitud del genoma de Phaseolus se estima en 1250 centiMorgans. Korstanje y Paigen, en el artículo publicado el año 2002 con el título “De loci de caracteres cuantitativos a genes: Comienza la cosecha”, señalan que la aplicación de los mapas genéticos para la detección de loci de caracteres cuantitativos, ha ofrecido resultados consistentes en diferentes especies. Los loci de caracteres cuantitativos se identifican dentro del genoma de una planta con base en el principio de asociación entre los marcadores moleculares polimórficos y el fenotipo de los individuos de una población de mejoramiento.
Según Tanksley, en el artículo publicado el año 1993 titulado “Mapeado de polygenes”, tres métodos ampliamente utilizados para la detección de loci de caracteres cuantitativos son: El análisis de un simple marcador, el mapeo por intervalos simple y el mapeo por intervalos compuesto. En palabras de Mora y sus colegas, en el artículo publicado el año 2008 con el título “Mapeo de loci de caracteres cuantitativos usando un enfoque multivariado” La mayoría de los métodos de mapeo de loci de caracteres cuantitativos usados actualmente se basan en la utilización del principio del mapeo por intervalos. El grado de localización necesario para los loci de caracteres cuantitativos individuales varía dependiendo de la característica y del locus estudiado. Tanto la selección asistida por marcadores moleculares como la separación de un loci de caracteres cuantitativos benéfico de uno deletéreo estrechamente ligado serán frecuentemente efectivas con la localización de un intervalo menor o igual a un centiMorgan. Sin embargo, según Funke y sus colegas, en el artículo publicado el año 1993 titulado “Cartografía física de una región en el genoma de la soja que contiene secuencias duplicadas”, el aislamiento de genes en intervalos cada vez menores es necesario debido a que las regiones del genoma de las plantas varían ampliamente en sus frecuencias de recombinación por megabase de acido desoxirribonucleico. De ahí que el grado de saturación con marcadores y la cantidad del mapeo fino requerido para cada loci de caracteres cuantitativos puede variar dependiendo del grupo de ligamiento y del número de loci de caracteres cuantitativos implicados.
Danzmann y Gharbi, en el artículo mencionado anteriormente, señalan que los mapas genéticos son esenciales para la identificación y el seguimiento de genes o regiones genómicas de interés económico como los “loci de caracteres cuantitativos” para iniciar programas de selección asistida por marcadores moleculares. De acuerdo con Lee, en el artículo publicado el año 1995 con el título “Marcadores de ADN y programas de fitomejoramiento”, los mapas saturados facilitan información para la clonación posicional de genes, permiten la expansión directa del conocimiento del acervo genético a través de la correspondencia comparativa entre taxones y aceleran la identificación e incorporación de genes deseables en los cultivos al aportar pistas importantes para entender la base biológica de los caracteres complejos. El investigador Cornide, en el artículo publicado el año 1993 titulado “Marcadores moleculares, nuevos horizontes en la genética y selección de las plantas: Construcción de mapas genéticos en especies diploides”, señala que la elaboración de un mapa genético se realiza en tres etapas: (1) Determinación de los grupos de ligamiento, (2) Ordenamiento de los genes dentro de cada grupo de ligamiento y (3) Estimación de las distancias entre grupos de ligamiento con base en las frecuencias de recombinación observadas. Gepts y sus colegas, en el artículo publicado el año 1993 titulado “Enlaces en la cartografía del frijol común”, mencionan que una característica de los mapas de ligamiento genético es que la longitud del genoma, medido en centiMorgans, puede ser influenciado por el polimorfismo entre los progenitores, el número de marcadores y las frecuencias de recombinación. Entre otros la longitud del genoma de Phaseolus se estima en 1250 centiMorgans. Korstanje y Paigen, en el artículo publicado el año 2002 con el título “De loci de caracteres cuantitativos a genes: Comienza la cosecha”, señalan que la aplicación de los mapas genéticos para la detección de loci de caracteres cuantitativos, ha ofrecido resultados consistentes en diferentes especies. Los loci de caracteres cuantitativos se identifican dentro del genoma de una planta con base en el principio de asociación entre los marcadores moleculares polimórficos y el fenotipo de los individuos de una población de mejoramiento.
Según Tanksley, en el artículo publicado el año 1993 titulado “Mapeado de polygenes”, tres métodos ampliamente utilizados para la detección de loci de caracteres cuantitativos son: El análisis de un simple marcador, el mapeo por intervalos simple y el mapeo por intervalos compuesto. En palabras de Mora y sus colegas, en el artículo publicado el año 2008 con el título “Mapeo de loci de caracteres cuantitativos usando un enfoque multivariado” La mayoría de los métodos de mapeo de loci de caracteres cuantitativos usados actualmente se basan en la utilización del principio del mapeo por intervalos. El grado de localización necesario para los loci de caracteres cuantitativos individuales varía dependiendo de la característica y del locus estudiado. Tanto la selección asistida por marcadores moleculares como la separación de un loci de caracteres cuantitativos benéfico de uno deletéreo estrechamente ligado serán frecuentemente efectivas con la localización de un intervalo menor o igual a un centiMorgan. Sin embargo, según Funke y sus colegas, en el artículo publicado el año 1993 titulado “Cartografía física de una región en el genoma de la soja que contiene secuencias duplicadas”, el aislamiento de genes en intervalos cada vez menores es necesario debido a que las regiones del genoma de las plantas varían ampliamente en sus frecuencias de recombinación por megabase de acido desoxirribonucleico. De ahí que el grado de saturación con marcadores y la cantidad del mapeo fino requerido para cada loci de caracteres cuantitativos puede variar dependiendo del grupo de ligamiento y del número de loci de caracteres cuantitativos implicados.
lunes, 31 de agosto de 2015
La inteligencia artificial mejora el diagnóstico de enfermedades mentales
Una de las pruebas más comunes para detectar trastornos cognitivos con diverso origen, como por el párkinson o el alzhéimer, es un simple test conocido como el "test del reloj”, en el que el paciente debe dibujar un reloj que debe marcar una determinada hora y, además, debe copiar otro ya dibujado. La observación de alteraciones en la manera de realizar estos dibujos permite a los médicos identificar síntomas de deterioro en el cerebro del paciente.
Muchos desórdenes neurológicos pueden estar presentes mucho antes de comenzar a tener un efecto apreciable en nuestras vidas. Por ejemplo, en el alzhéimer, los cambios en el cerebro pueden empezar a producirse diez o más años antes de que las alteraciones cognitivas sean apreciables. Sin embargo, la evaluación de estas pruebas es subjetiva, puesto que no es fácil llegar a conclusiones definitivas cuando los síntomas son muy leves. Contar con un método de diagnóstico más preciso y fiable podría permitir tratar a los enfermos mucho antes, retrasando el desarrollo de la enfermedad.
Con este objetivo, un grupo de científicos, liderados por investigadores del Laboratorio para la Inteligencia Artificial y Ciencias Computacionales del Instituto Tecnológico de Massachusetts (MIT), ha creado un programa informático capaz de detectar de manera mucho más precisa y automatizada estas alteraciones, ofreciendo un diagnóstico más fiable y precoz a partir de la misma prueba.
Para ello se han valido de los datos recogidos en el Lahey Hospital, un centro médico a las afueras de Boston (EE UU), que desde hace nueve años realiza el test del reloj utilizando un bolígrafo digital que captura en el ordenador los dibujos realizados por los pacientes, además de registrar el proceso de creación de los mismos con gran precisión. Este bolígrafo no fue creado expresamente para este fin, sino que se trata de un dispositivo comercial que incluso se puede comprar por internet. Sin embargo, ha venido como anillo al dedo para recoger la información necesaria de manera precisa y con un registro temporal, es decir, sabiendo en todo momento dónde está la punta del bolígrafo y, por tanto, si el paciente hace una pausa o duda a la hora de escribir.
En el alzhéimer, los cambios en el cerebro pueden empezar a producirse diez o más años antes de que las alteraciones cognitivas sean apreciables
Basandose en estos datos, el equipo, liderado por los investigadores Cynthia Rudin y William Souillard-Mandar del MIT, ha creado un programa informático capaz de interpretar y evaluar automáticamente el test del reloj, aumentando la precisión y eliminando la subjetividad de una evaluación realizada por humanos. "Hemos mejorado el análisis, de manera que es automático y objetivo” explica Rudin. "Con el equipamiento adecuado es posible obtener un resultado rápido y más preciso”. Los resultadosse han sido aceptados para su publicación en la revista Machine Learning.
Para crear el programa, el equipo de Rudin y Souillard-Mandar ha utilizado una serie de casos ejemplares para enseñar a la máquina qué es lo que debe buscar. "Estos ejemplos ayudan a calibrar el poder predictivo de cada una de las partes del dibujo” ha explicado Souillard-Mandar. "Gracias a ellos, hemos podido extraer miles de rasgos del proceso de dibujo que dan pistas acerca del estado cognitivo de cada sujeto, y nuestros algoritmos ayudan a determinar cuáles de ellos llevan a la predicción más fiable”.
Cuando la memoria está afectada, el periodo de reflexión se alarga
Los distintos desórdenes se revelan de diferente manera en el test del reloj. Por ejemplo, mientras que es normal que los adultos sanos pasen más tiempo pensando que dibujando, cuando la memoria está afectada, el periodo de reflexión se alarga. Por otra parte, en el caso del párkinson, los enfermos tienden a necesitar más tiempo para dibujar los relojes que, a su vez, tienden a ser más pequeños, sugiriendo que les está costando un mayor esfuerzo realizar la tarea. Estas consideraciones se podían pasar por alto en la prueba tradicional, ya que, en muchas ocasiones, el médico no ve en detalle cómo el paciente realiza el dibujo, sino tan solo el resultado final.
Este trabajo no sólo permite diagnosticar mejor una serie de patologías muy graves para quienes las sufren, sino que además ofrece un gran avance a la hora de automatizar procesos que pueden resultar tediosos y poco eficientes cuando se realizan por humanos. Una vez conseguido el propósito inicial de demostrar la eficacia de su método, el equipo científico ya se dispone a desarrollar un sistema sencillo que permita tanto a los neurólogos como a los no especialistas utilizar esta tecnología en los hospitales y centros de salud.
¿Qué sueñan las máquinas?
Las redes de neuronas artificiales de los programas de reconocimiento gráfico analizan el contenido de una imagen para clasificarla, pero también pueden generar cuadros surrealistas de animales, plantas, objetos, paisajes y edificios, que solo existen... en la “imaginación” de las máquinas.
Los programas y equipos electrónicos de Google que manejan buena parte de los datos que circulan por el mundo, también pueden tener “sueños” con espectaculares colores y formas, según se desprende de una investigación.
Los autores del post “Inceptionism: Going Deeper into Neural Networks” (http://googleresearch.blogspot.co.uk/), publicado desde la filial de Google en el Reino Unido, han denominado “inceptionismo” a la técnica mediante la cual las máquinas y su software generan surrealistas “sueños” digitales.
El inceptionismo es producto de uno de los complejos sistemas utilizados por la compañía para reconocer y clasificar, de forma automática, el enorme volumen de imágenes de Internet: las redes neuronales artificiales (ANNs por sus siglas en ingles).
Las ANNs son modelos estadísticos y matemáticos usados en computación para dotar a los programas informáticos de capacidad de aprender y que se inspiran en el funcionamiento del sistema nervioso central de los animales, sobre todo de su cerebro.
Estos modelos, estructurados como neuronas interconectadas que intercambian mensajes entre sí, y cuyas interconexiones evolucionan con la experiencia, tienen la capacidad de aprender, corregir errores, organizarse y adaptarse a distintas situaciones.
“Las redes neuronales artificiales han impulsado progresos notables en la clasificación de imágenes y el reconocimiento de la voz”, explican los ingenieros de Google Alejandro Mordvintsev, Christopher Olah y Mike Tyka.
Mordvintsev, Olah y Tyka explican que entrenan a sus redes neuronales artificiales en tareas de reconocimiento “mostrándoles millones de ejemplos de imágenes de un determinado elemento y ajustando, poco a poco, los parámetros hasta que producen las clasificaciones que deseamos”.
Descubrimientos sorprendentes
Estos ingenieros señalan que entrenan a estas redes simplemente mostrándoles muchos ejemplos de lo que quieren que aprendan, esperando que las ANNs extraigan la esencia de dicho elemento y lo reconozcan en cualquiera de sus formas, tamaños, colores y orientaciones, y que ignoren aquello que no es importante.
Al profundizar en el funcionamiento de estas redes, que aún no se comprende del todo, para mejorar su eficacia, Mordvintsev, Olah y Tyka descubrieron dos hechos sorprendentes.
Por un lado hallaron que las ANNs que son entrenadas para discriminar entre diferentes tipos de imágenes, también tienen la información necesaria para generar ellos mismos imágenes y, por otra parte, descubrieron que las imágenes generadas por medio del llamado ‘inceptionismo’ adquieren un aspecto surrealista no ajustándose, en muchos casos, al elemento que tendrían que representar.
Los ingenieros emplearon distintos métodos para visualizar el funcionamiento de las ANNs y su eficacia para reconocer imágenes, partiendo de la idea de que el mismo proceso usado para distinguir imágenes podría usarse para generarlas, y de que si una red neuronal conoce el aspecto de un objeto, por ejemplo un tenedor, entonces podría crear una imagen de dicho tenedor.
Por ejemplo, le dieron instrucciones a sus ANNs para que creen un objeto determinado, para que amplifiquen una determinada figura en el contexto de una imagen, o para que amplifiquen cualquier elemento que reconozcan por si mismas dentro de una imagen, tomando sus propias decisiones.
Creatividad de redes neuronales
También entregaron a las redes neuronales una imagen y les dieron instrucciones del tipo “cualquier cosa que reconozca aquí. Queremos más de dicha cosa” e incluso les entregaron los cuadros creados por ellas mismas para que hicieran “zoom” sobre determinados partes y las procesaran de forma repetitiva, originando nuevas imágenes.
En el aspecto técnico, estos estudios hicieron concluir a los ingenieros de Google que, a veces, estas redes no están buscando el elemento que se les solicitó que busquen y que pueden aprovechar estas visualizaciones surrealista para corregir los errores y mejoran el entrenamiento de las ANNs.
En el plano estético el resultado es fascinante: una serie de coloridos cuadros de aspecto surrealista, intrincados diseños y toques impresionistas, en los que se observan, desde pesas con aspecto de músculos o animales con pieles de arcoiris, hasta montañas y árboles reconvertidos, en pagodas, hojas transformadas en aves, así como edificios y paisajes oníricos.
En uno de los ensayos se entregó a una de las ANNs una imagen de un cielo nublado y esta red, que había sido entrenada para detectar imágenes de animales, encontró una serie de nubes con formas de animales quiméricos, como un perro-caracol, un pájaro-camello y un pez-perro “del mismo modo que los niños disfrutan observando las nubes e interpretando sus formas”.
“Los ‘sueños de las máquinas’ no solo son útiles para el progreso tecnológico, sino además se pueden convertir en una nueva herramienta de expresión artística, una novedosa forma de remezclar conceptos visuales, e incluso de echar algo de luz sobre las raíces de los procesos creativos en general”, según Mordvintsev, Olah y Tyka.
Los programas y equipos electrónicos de Google que manejan buena parte de los datos que circulan por el mundo, también pueden tener “sueños” con espectaculares colores y formas, según se desprende de una investigación.
Los autores del post “Inceptionism: Going Deeper into Neural Networks” (http://googleresearch.blogspot.co.uk/), publicado desde la filial de Google en el Reino Unido, han denominado “inceptionismo” a la técnica mediante la cual las máquinas y su software generan surrealistas “sueños” digitales.
El inceptionismo es producto de uno de los complejos sistemas utilizados por la compañía para reconocer y clasificar, de forma automática, el enorme volumen de imágenes de Internet: las redes neuronales artificiales (ANNs por sus siglas en ingles).
Las ANNs son modelos estadísticos y matemáticos usados en computación para dotar a los programas informáticos de capacidad de aprender y que se inspiran en el funcionamiento del sistema nervioso central de los animales, sobre todo de su cerebro.
Estos modelos, estructurados como neuronas interconectadas que intercambian mensajes entre sí, y cuyas interconexiones evolucionan con la experiencia, tienen la capacidad de aprender, corregir errores, organizarse y adaptarse a distintas situaciones.
“Las redes neuronales artificiales han impulsado progresos notables en la clasificación de imágenes y el reconocimiento de la voz”, explican los ingenieros de Google Alejandro Mordvintsev, Christopher Olah y Mike Tyka.
Mordvintsev, Olah y Tyka explican que entrenan a sus redes neuronales artificiales en tareas de reconocimiento “mostrándoles millones de ejemplos de imágenes de un determinado elemento y ajustando, poco a poco, los parámetros hasta que producen las clasificaciones que deseamos”.
Descubrimientos sorprendentes
Estos ingenieros señalan que entrenan a estas redes simplemente mostrándoles muchos ejemplos de lo que quieren que aprendan, esperando que las ANNs extraigan la esencia de dicho elemento y lo reconozcan en cualquiera de sus formas, tamaños, colores y orientaciones, y que ignoren aquello que no es importante.
Al profundizar en el funcionamiento de estas redes, que aún no se comprende del todo, para mejorar su eficacia, Mordvintsev, Olah y Tyka descubrieron dos hechos sorprendentes.
Por un lado hallaron que las ANNs que son entrenadas para discriminar entre diferentes tipos de imágenes, también tienen la información necesaria para generar ellos mismos imágenes y, por otra parte, descubrieron que las imágenes generadas por medio del llamado ‘inceptionismo’ adquieren un aspecto surrealista no ajustándose, en muchos casos, al elemento que tendrían que representar.
Los ingenieros emplearon distintos métodos para visualizar el funcionamiento de las ANNs y su eficacia para reconocer imágenes, partiendo de la idea de que el mismo proceso usado para distinguir imágenes podría usarse para generarlas, y de que si una red neuronal conoce el aspecto de un objeto, por ejemplo un tenedor, entonces podría crear una imagen de dicho tenedor.
Por ejemplo, le dieron instrucciones a sus ANNs para que creen un objeto determinado, para que amplifiquen una determinada figura en el contexto de una imagen, o para que amplifiquen cualquier elemento que reconozcan por si mismas dentro de una imagen, tomando sus propias decisiones.
Creatividad de redes neuronales
También entregaron a las redes neuronales una imagen y les dieron instrucciones del tipo “cualquier cosa que reconozca aquí. Queremos más de dicha cosa” e incluso les entregaron los cuadros creados por ellas mismas para que hicieran “zoom” sobre determinados partes y las procesaran de forma repetitiva, originando nuevas imágenes.
En el aspecto técnico, estos estudios hicieron concluir a los ingenieros de Google que, a veces, estas redes no están buscando el elemento que se les solicitó que busquen y que pueden aprovechar estas visualizaciones surrealista para corregir los errores y mejoran el entrenamiento de las ANNs.
En el plano estético el resultado es fascinante: una serie de coloridos cuadros de aspecto surrealista, intrincados diseños y toques impresionistas, en los que se observan, desde pesas con aspecto de músculos o animales con pieles de arcoiris, hasta montañas y árboles reconvertidos, en pagodas, hojas transformadas en aves, así como edificios y paisajes oníricos.
En uno de los ensayos se entregó a una de las ANNs una imagen de un cielo nublado y esta red, que había sido entrenada para detectar imágenes de animales, encontró una serie de nubes con formas de animales quiméricos, como un perro-caracol, un pájaro-camello y un pez-perro “del mismo modo que los niños disfrutan observando las nubes e interpretando sus formas”.
“Los ‘sueños de las máquinas’ no solo son útiles para el progreso tecnológico, sino además se pueden convertir en una nueva herramienta de expresión artística, una novedosa forma de remezclar conceptos visuales, e incluso de echar algo de luz sobre las raíces de los procesos creativos en general”, según Mordvintsev, Olah y Tyka.
Mapas genéticos Guillermo Choque Aspiazu
La genómica es el estudio de la estructura y organización de genomas completos. En palabras de Gonzales, en la tesis doctoral publicada el año 2002 titulada “Evolución comparada de los elementos cromosómicos en el género Drosophila”, la genómica se divide en dos áreas básicas: La genómica estructural se ocupa de la caracterización de la naturaleza física de los genomas y la genómica funcional encargada de la caracterización del proteoma y de los patrones globales de expresión génica. La genómica estructural comparada examina a partir de la comparación de los mapas genéticos o físicos las propiedades del genoma en especies diferentes. La primera especie en la que se construyó un mapa genético fue Drosophila melanogaster. En el año 1913 Sturtevant descubrió que la proporción de progenie recombinante observada en un apareamiento se podía utilizar como medida de la distancia entre genes: Cuanto más alejados están dos genes en un cromosoma mayor es la probabilidad de que un entrecruzamiento los separe. En los mapas genéticos la unidad de distancia es la unidad de mapa o el centiMorgan que equivale a la distancia entre dos marcadores para los que la frecuencia de recombinación es del uno por ciento. La relación entre la distancia real de mapa y la frecuencia de recombinación entre dos marcadores o loci no es lineal. Cuanto más separados están los marcadores peor es la estima debido a que hay entrecruzamientos que no son detectados y a que los entrecruzamientos no se producen al azar sino que la presencia de un entrecruzamiento inhibe la formación de un segundo entrecruzamiento en las zonas próximas al primero, denominado fenómeno de interferencia. Las funciones de mapa son funciones matemáticas que permiten obtener mejores estimas de la distancia de mapa ya que corrigen para los entrecruzamientos no detectados y en algunos casos tienen en cuenta la interferencia. Los mapas genéticos no coinciden exactamente con los mapas físicos ya que la frecuencia de recombinación no es igual a lo largo de todo el cromosoma. Por ejemplo en Drosophila la frecuencia de recombinación es inferior en las zonas teloméricas y centroméricas.
Según Strachan y Read, en el libro publicado el año 1996 con el título “Genética molecular humana”, en los mapas físicos de baja resolución, tanto en mapas citológicos o cromosómicos, los marcadores se asignan a porciones más o menos grandes de los cromosomas. La distancia se mide en bandas, que en el caso de los cromosomas metafásicos contienen varias megabases de acido desoxirribonucleico y en el caso de los cromosomas politénicos de Drosophila varias kilobases. En los mapas físicos de alta resolución los genes se sitúan en la molécula de acido desoxirribonucleico. La distancia de mapa se mide en kilobases o pares de bases.
En el artículo publicado el año 1998, por los investigadores Nadeau y Sankoff con el título “Conteo sobre mapas comparativos”, se menciona que la comparación de los mapas físicos de dos especies permite identificar los segmentos cromosómicos que se han conservado a lo largo de la evolución de estas especies y estimar el número mínimo de reordenaciones cromosómicas necesarias para transformar el genoma de una especie en el de la otra. Un segmento conservado se define como la región cromosómica en la que el orden relativo de marcadores contiguos es idéntico en las dos especies comparadas. Wright, en el artículo publicado el año 1996 con el título “Análisis fenotípico del grupo de genes mutantes dopa decarboxylase en Drosophila melanogaster”, menciona que los genes que forman un segmento conservado pueden representar combinaciones de genes que interactúan funcionalmente y que por tanto son mantenidos juntos por la selección natural. Nadeau y Taylor, en el artículo publicado el año 1984 titulado “Tamaños de segmentos de cromosoma conservados desde la divergencia de hombres y ratones”, complementa mencionando que, sin embargo, debido a que todos los genomas están interrelacionados, es decir, tienen un antepasado común, estos segmentos conservados pueden ser también el resultado de la fijación de un número limitado de reordenaciones cromosómicas con puntos de rotura al azar desde la divergencia de las dos especies.
Devos y Gale, en el artículo publicado el año 2000 con el título “Relaciones genómicas: El modelo de la hierba en la investigación actual”, además de Murphy y sus colegas, en el artículo publicado el año 2001 con el título “Evolución de la organización del genoma de mamíferos inferida del mapeo de genes comparativo”, mencionan que la identificación de segmentos cromosómicos conservados a lo largo de la evolución de especies pertenecientes a diferentes taxones sugiere que es posible la construcción de mapas genéticos unificados para grupos de organismos. Esto implica que se puede transferir información de las especies mejor estudiadas a otras que no lo han sido tanto. A pesar de que se dispone de mapas físicos para un número elevado de especies tanto de plantas como de animales, Drosophila sigue siendo un buen modelo para la realización de estudios de comparación de genomas. Madueño y sus colegas, en el artículo publicado el año 1995 titulado “Mapa físico del cromosoma X de Drosophila melanogaster: Secuencias de sitios contiguos y etiquetados”, mencionan que la construcción de las primeras genotecas en Drosophila melanogaster: Cósmidos, fagos P1, y cromosomas artificiales de levadura, permitió la construcción de mapas físicos de alta resolución de cromosomas enteros en esta especie. Posteriormente el genoma de Drosophila melanogaster fue secuenciado, facilitando así los estudios comparativos. La secuenciación es descrita en el artículo publicado el año 2000 por Adams y sus colegas con el título “La secuencia genómica de Drosophila melanogaster.
Según Strachan y Read, en el libro publicado el año 1996 con el título “Genética molecular humana”, en los mapas físicos de baja resolución, tanto en mapas citológicos o cromosómicos, los marcadores se asignan a porciones más o menos grandes de los cromosomas. La distancia se mide en bandas, que en el caso de los cromosomas metafásicos contienen varias megabases de acido desoxirribonucleico y en el caso de los cromosomas politénicos de Drosophila varias kilobases. En los mapas físicos de alta resolución los genes se sitúan en la molécula de acido desoxirribonucleico. La distancia de mapa se mide en kilobases o pares de bases.
En el artículo publicado el año 1998, por los investigadores Nadeau y Sankoff con el título “Conteo sobre mapas comparativos”, se menciona que la comparación de los mapas físicos de dos especies permite identificar los segmentos cromosómicos que se han conservado a lo largo de la evolución de estas especies y estimar el número mínimo de reordenaciones cromosómicas necesarias para transformar el genoma de una especie en el de la otra. Un segmento conservado se define como la región cromosómica en la que el orden relativo de marcadores contiguos es idéntico en las dos especies comparadas. Wright, en el artículo publicado el año 1996 con el título “Análisis fenotípico del grupo de genes mutantes dopa decarboxylase en Drosophila melanogaster”, menciona que los genes que forman un segmento conservado pueden representar combinaciones de genes que interactúan funcionalmente y que por tanto son mantenidos juntos por la selección natural. Nadeau y Taylor, en el artículo publicado el año 1984 titulado “Tamaños de segmentos de cromosoma conservados desde la divergencia de hombres y ratones”, complementa mencionando que, sin embargo, debido a que todos los genomas están interrelacionados, es decir, tienen un antepasado común, estos segmentos conservados pueden ser también el resultado de la fijación de un número limitado de reordenaciones cromosómicas con puntos de rotura al azar desde la divergencia de las dos especies.
Devos y Gale, en el artículo publicado el año 2000 con el título “Relaciones genómicas: El modelo de la hierba en la investigación actual”, además de Murphy y sus colegas, en el artículo publicado el año 2001 con el título “Evolución de la organización del genoma de mamíferos inferida del mapeo de genes comparativo”, mencionan que la identificación de segmentos cromosómicos conservados a lo largo de la evolución de especies pertenecientes a diferentes taxones sugiere que es posible la construcción de mapas genéticos unificados para grupos de organismos. Esto implica que se puede transferir información de las especies mejor estudiadas a otras que no lo han sido tanto. A pesar de que se dispone de mapas físicos para un número elevado de especies tanto de plantas como de animales, Drosophila sigue siendo un buen modelo para la realización de estudios de comparación de genomas. Madueño y sus colegas, en el artículo publicado el año 1995 titulado “Mapa físico del cromosoma X de Drosophila melanogaster: Secuencias de sitios contiguos y etiquetados”, mencionan que la construcción de las primeras genotecas en Drosophila melanogaster: Cósmidos, fagos P1, y cromosomas artificiales de levadura, permitió la construcción de mapas físicos de alta resolución de cromosomas enteros en esta especie. Posteriormente el genoma de Drosophila melanogaster fue secuenciado, facilitando así los estudios comparativos. La secuenciación es descrita en el artículo publicado el año 2000 por Adams y sus colegas con el título “La secuencia genómica de Drosophila melanogaster.
lunes, 24 de agosto de 2015
Primera parte Análisis de datos con redes neuronales
Si se busca en el Diccionario de la Real Academia Española de la Lengua el vocablo “estadística” aparecen tres acepciones de dicha palabra: (1) Estudio de los datos cuantitativos de la población, de los recursos naturales e industriales, del tráfico o de cualquier otra manifestación de las sociedades humanas. (2) Conjunto de estos datos. (3) Rama de la matemática que utiliza grandes conjuntos de datos numéricos para obtener inferencias basadas en el cálculo de probabilidades. Según Saez Castillo, en el libro publicado el año 2012 titulado “Apuntes de estadística para ingenieros”, se menciona que probablemente el más común de los significados conocidos de la palabra sea el segundo, y por ello se suele ver en los medios de comunicación que cualquier recopilación de cifras referentes a algún asunto es denominado, de forma muy reduccionista, estadística o estadísticas. Sin embargo, el valor real de la Estadística como ciencia tiene que ver mucho más con la primera y la tercera acepción del Diccionario de la Real Academia Española de la Lengua. Concretamente, el primero de los significados se corresponde con lo que se estudia como “estadística descriptiva”, donde la estadística se utiliza para resumir, describir y explorar datos, y el tercero con lo que se denomina “inferencia estadística”, donde lo que se pretende mediante la estadística es utilizar datos de un conjunto reducido de casos para inferir características de éstos al conjunto de todos ellos. La estadística es una disciplina que proporciona las herramientas necesarias para el análisis de los datos. Dado que en algunas situaciones no es posible realizar estudios exhaustivos en toda la población, la estadística permite cuantificar la probabilidad de cometer error al extrapolar los resultados obtenidos de una serie de muestras al conjunto de la población. Por tanto, la estadística permite cuantificar el error que se comete al aceptar los resultados obtenidos a partir de muestras, habitualmente basadas en encuestas, de una población generalmente muy extensa.
En la tesis doctoral de Castellano, publicada el año 2009 con el título “Modelización estadística con redes neuronales”, se menciona que una red neuronal es un proceso sólido y paralelamente distribuido con la propensión natural a acumular procedimientos experimentales y hacerlos disponibles para su uso. Se parece al cerebro en dos aspectos, por una parte la red adquiere conocimientos a través de un proceso de aprendizaje, y por otra las conexiones inter-neuronales, conocidas como cargas sinápticas presentan una gran solidez encargándose de almacenar conocimiento. Las redes neuronales se usan principalmente con tres objetivos diferenciados: (1) Como modelos nerviosos biológicos. Parte de las motivaciones biológicas que dieron lugar a las redes neuronales se han conservado, y se siguen empleando como instrumentos que ayudan a entender y duplicar el funcionamiento del sistema nervioso de los seres vivos. (2) Como procesadores adaptativos de señal en tiempo real. Corresponde al área de reconocimiento de patrones, se encuentran implementadas en hardware para aplicaciones tipo robot. La tecnología, la ciencia y los negocios han aportado nuevas tareas de interés, que en algunos casos son eminentemente tecnológicas. El objetivo es construir máquinas que realicen estas labores de un modo más rápido, barato y exacto que las personas. Cada vez es más factible idear sistemas automáticos que sustituyan y mejoren al especialista, o clonar al experto. (3) Como métodos de análisis de datos. Principalmente este trabajo se encuentra centrado en esta última faceta de las redes. De hecho en multitud de ocasiones si se analiza detalladamente lo que está haciendo una red neuronal se descubrirá que se dedica a rescribir métodos estadísticos clásicos. Así mismo cualquier red, aún cuando su objetivo final sea algo muy concreto y a simple vista alejado de la estadística, como “la voz” del desfibrilador que indica si el paciente tiene pulso y no puede recibir la descarga, fue diseñada, y por lo tanto puede ser analizada desde un punto de vista meramente estadístico.
En palabras del investigador Escobar, en el artículo publicado el año 2002 titulado “Análisis de datos con redes neuronales aplicadas al diagnóstico de la solvencia empresarial”, la introducción de las redes neuronales, en el análisis de datos, viene motivada por el deseo de mejorar los resultados que se alcanzaban con los modelos estadísticos, análisis discriminante y regresión lógica principalmente, que proporcionan regiones de decisión definidas a través de combinaciones lineales de sus variables, mientras que en las redes neuronales es posible la definición de regiones mucho más complejas y, por lo tanto, la reducción del número de elementos incorrectamente clasificados. Otra característica positiva que presentan las redes es que el conocimiento representado en las mismas es adaptativo, es decir, aunque el “aprendizaje” se realiza en el momento inicial con un número limitado de casos, posteriormente puede reentrenarse la red incorporando al conjunto de datos nuevos casos producto de las condiciones cambiantes del entorno o de información que no se disponía en momentos anteriores. Además, en muchas oportunidades la información base, suele constar de multitud de datos correlacionados, incompletos, erróneos o adulterados. Estas características son la materia con la que las redes neuronales proporcionan mejores resultados, ya que gozan de una elevada capacidad de filtrar los ruidos que acompañan a la información y de una alta tolerancia a las fallas. En ese mismo sentido, destacan las virtudes de las redes neuronales cuando los modelos a reconocer presentan variaciones.
En la tesis doctoral de Castellano, publicada el año 2009 con el título “Modelización estadística con redes neuronales”, se menciona que una red neuronal es un proceso sólido y paralelamente distribuido con la propensión natural a acumular procedimientos experimentales y hacerlos disponibles para su uso. Se parece al cerebro en dos aspectos, por una parte la red adquiere conocimientos a través de un proceso de aprendizaje, y por otra las conexiones inter-neuronales, conocidas como cargas sinápticas presentan una gran solidez encargándose de almacenar conocimiento. Las redes neuronales se usan principalmente con tres objetivos diferenciados: (1) Como modelos nerviosos biológicos. Parte de las motivaciones biológicas que dieron lugar a las redes neuronales se han conservado, y se siguen empleando como instrumentos que ayudan a entender y duplicar el funcionamiento del sistema nervioso de los seres vivos. (2) Como procesadores adaptativos de señal en tiempo real. Corresponde al área de reconocimiento de patrones, se encuentran implementadas en hardware para aplicaciones tipo robot. La tecnología, la ciencia y los negocios han aportado nuevas tareas de interés, que en algunos casos son eminentemente tecnológicas. El objetivo es construir máquinas que realicen estas labores de un modo más rápido, barato y exacto que las personas. Cada vez es más factible idear sistemas automáticos que sustituyan y mejoren al especialista, o clonar al experto. (3) Como métodos de análisis de datos. Principalmente este trabajo se encuentra centrado en esta última faceta de las redes. De hecho en multitud de ocasiones si se analiza detalladamente lo que está haciendo una red neuronal se descubrirá que se dedica a rescribir métodos estadísticos clásicos. Así mismo cualquier red, aún cuando su objetivo final sea algo muy concreto y a simple vista alejado de la estadística, como “la voz” del desfibrilador que indica si el paciente tiene pulso y no puede recibir la descarga, fue diseñada, y por lo tanto puede ser analizada desde un punto de vista meramente estadístico.
En palabras del investigador Escobar, en el artículo publicado el año 2002 titulado “Análisis de datos con redes neuronales aplicadas al diagnóstico de la solvencia empresarial”, la introducción de las redes neuronales, en el análisis de datos, viene motivada por el deseo de mejorar los resultados que se alcanzaban con los modelos estadísticos, análisis discriminante y regresión lógica principalmente, que proporcionan regiones de decisión definidas a través de combinaciones lineales de sus variables, mientras que en las redes neuronales es posible la definición de regiones mucho más complejas y, por lo tanto, la reducción del número de elementos incorrectamente clasificados. Otra característica positiva que presentan las redes es que el conocimiento representado en las mismas es adaptativo, es decir, aunque el “aprendizaje” se realiza en el momento inicial con un número limitado de casos, posteriormente puede reentrenarse la red incorporando al conjunto de datos nuevos casos producto de las condiciones cambiantes del entorno o de información que no se disponía en momentos anteriores. Además, en muchas oportunidades la información base, suele constar de multitud de datos correlacionados, incompletos, erróneos o adulterados. Estas características son la materia con la que las redes neuronales proporcionan mejores resultados, ya que gozan de una elevada capacidad de filtrar los ruidos que acompañan a la información y de una alta tolerancia a las fallas. En ese mismo sentido, destacan las virtudes de las redes neuronales cuando los modelos a reconocer presentan variaciones.
Suscribirse a:
Entradas (Atom)