Vida Artificial
bio-informática 5º(I.I.)
Ernesto García Gil
Vida artificial


La vida artificial es el estudio de la vida y de los sistemas artificiales que
exhiben propiedades similares a los seres vivos, a través de modelos de
simulación
Los investigadores de vida artificiales se han dividido a menudo en dos
grupos principales (aunque otros clasificaciones son posibles):


La posición de vida artificial dura/fuerte manifiesta que "la vida es un proceso
que se puede conseguir fuera de cualquier medio particular". (John Von
Neumann). Notablemente, Tom Ray declaraba que su programa Tierra no
estaba simulando vida en un ordenador, sino la estaba sintetizando.
La posición de vida artificial débil niega la posibilidad de generar un "proceso de
vida" fuera de una solución química basada en el carbono. Sus investigadores
intentan en cambio imitar procesos de vida por entender aspectos de fenómenos
sencillos. La manera habitual es a través de un modelo basado en agentes, que
normalmente da una solución posible mínima.
El campo se caracteriza por el uso extenso de programas informáticos y
emulaciones que incluyen cálculo evolutivo (algoritmos evolutivos, algoritmos
genéticos programación genética, inteligencia de enjambre, optimización de
colonias de hormigas),
Antes de los computadores

A finales de los años 40, Von Neumann hizo una conferencia
titulada “La Teoría General y Lógica de Autómatas". Definía un
"autómata" como cualquier máquina cuyo comportamiento provenía
de la lógica, paso a paso, combinando información desde el
ambiente y su propia programación, y decía que al final se
encontrarían organismos naturales que siguieran reglas simples
similares. También habló sobre la idea de máquinas que se auto
duplican

El profesor de Cambridge John Horton Conway inventó el autómata
celular más famoso de los años 60. Lo denominó el Juego de la
Vida, y consiguió publicidad a través de la columna de Martin
Gardner en la revista Scientific American.
El juego de la vida

El juego de la vida es en realidad un juego de cero jugadores
El "tablero de juego" es una malla formada por cuadrados ("células") que se
extiende por el infinito en todas las direcciones. Cada célula tiene 8 células
vecinas, que son las que están próximas a ella, incluso en las diagonales.
Las células tienen dos estados: están "vivas" o "muertas" (o "encendidas" y
"apagadas"). El estado de la malla evoluciona a lo largo de unidades de
tiempo discretas (se podría decir que por turnos). El estado de todas las
células se tiene en cuenta para calcular el estado de las mismas al turno
siguiente. Todas las células se actualizan simultáneamente.
 Una celda muerta con exactamente 3 celdas vecinas vivas "nace" (al turno
siguiente estará viva).
 Una celda viva con 2 o 3 celdas vecinas vivas sigue viva, en otro caso
muere o permanece muerta ( por "soledad" o "superpoblación")
http://www.granvino.com/jam/stuff/juegos/gamoliyas/spanish/index.htm

1970s-1980s

Christopher Langton fue un investigador poco convencional, con
una carrera académica sin distinciones que lo llevó a conseguir un
trabajo programando mainframes para un hospital. Lo cautivó el
Juego de la Vida de Conway, y empezó a perseguir la idea que una
computadora puede emular criaturas vivas. Tras años de estudio ,
empezó a intentar actualizar el autómata celular de Von Neumann y
el trabajo de Edgar F. Codd, que simplificó el de veintinueve
estados de Von Neumann a uno con sólo ocho estados. Consiguió
el primer organismo computacional auto replicado en octubre de
1979, usando simplemente un ordenador de sobremesa Apple II.
Entró al programa de graduados del Logic of Computers Group el
año 1982, a los 33 años, y ayudó a crear una nueva disciplina.

El anuncio oficial de Langton de la conferencia "Artificial Life I" fue la
primera descripción de un campo que avance casi no existía:
Primera descripción de vida
artificial, conferencia de Langton

La vida artificial es el estudio de sistemas
artificiales que exhiben comportamientos
característicos de sistemas vivos naturales. Es
la búsqueda de una explicación de la vida en
cualquiera de sus posibles manifestaciones, sin
restricciones a un ejemplo particular que haya
evolucionado en la Tierra. Están incluidos
experimentos biológicos y químicos,
simulaciones por ordenador, e iniciativas
puramente teóricas. Los procesos que ocurren
en una escala molecular, social y evolutiva son
objeto de investigación. El objetivo final es
extraer la forma lógica de los sistemas vivientes
Simulación de modelos naturales


Las hormigas son insectos sociales que viven
en colonias y que, debido a su colaboración
mutua, son capaces de mostrar
comportamientos complejos y realizar tareas
difíciles desde el punto de vista de una hormiga
individual.
Los algoritmos de CDH se inspiran directamente
en el comportamiento de las colonias reales de
hormigas para solucionar problemas de
optimización combinatoria
Interacción entre sistemas
inteligentes

La interacción entre sistemas inteligentes
es un tema intermedio entre sistemas
inteligentes aislados y las sociedades, las
cuales abarcan una gran cantidad de
sistemas inteligentes. Pero tiene un gran
valor práctico, porque esto es lo que
hacemos diariamente: interactuamos con
otros sistemas inteligentes
Las hormigas, son capaces de seguir la ruta más corta en su camino de ida y vuelta entre la
colonia y una fuente de abastecimiento. Esto es debido a que las hormigas pueden
"transmitirse información" entre ellas gracias a que cada una de ellas, al desplazarse, va
dejando un rastro de una sustancia llamada feromona a lo largo del camino seguido. Así,
mientras una hormiga aislada se mueve de forma esencialmente aleatoria, los "agentes" de
una colonia de hormigas detectan el rastro de feromona dejado por otras hormigas y tienden
a seguir dicho rastro. Éstas a su vez van dejando su propia feromona a lo largo del camino
recorrido y por tanto lo hacen más atractivo, puesto que se ha reforzado el rastro de
feromona. Sin embargo, la feromona también se va evaporando con el paso del tiempo
provocando que el rastro de feromona sufra, por otro lado, cierto debilitamiento. En definitiva,
puede decirse que el proceso se caracteriza por una retroalimentación positiva, en la que la
probabilidad con la que una hormiga escoge un camino aumenta con el número de hormigas
que previamente hayan elegido el mismo camino.
Modelo natural
El primer algoritmo basado en la optimización mediante colonias de
hormigas fue aplicado al Problema del Viajante
Problemas a resolver mediante
CDH

Los algoritmos basados en colonias de
hormigas son muy útiles para resolver
problema como :





combinatoria.
Asignación de recursos.
Rutas de transporte.
Todo aquello en donde se necesita minimizar o
maximizar un resultado.
En general cualquier problemas de
optimización
Minería de datos, su importancia
en la simulación



Cuando se crean simulaciones, se genera una
cantidad inmensa de información
La minería de datos nos ayuda, a extraer
información útil de un gran volumen de datos
Bajo el nombre de minería de datos se engloban
un conjunto de técnicas encaminadas a la
extracción de conocimiento procesable,
implícito en las bases de datos.
Ejemplos de uso de la minería de
datos



Detección de hábitos de compra en
supermercados
Patrones de fuga : existe un comprensible
interés en detectar cuanto antes aquellos
clientes que puedan estar pensando en rescindir
sus contratos para, posiblemente, pasarse a la
competencia.
Un caso análogo es el de la detección de
transacciones de blanqueo de dinero o de
fraude en el uso de tarjetas de crédito o de
servicios de telefonía móvil
Fases de un Proyecto de Minería
de Datos

El proceso de minería de datos pasa por las siguientes
fases:




Filtrado de datos se eliminan valores incorrectos, no válidos,
desconocidos... según las necesidades y el algoritmo a usar
Selección de Variables La selección de características reduce el
tamaño de los datos eligiendo las variables más influyentes en
el problema
Extracción de Conocimiento se obtiene un modelo de
conocimiento, que representa patrones de comportamiento
observados en los valores de las variables del problema o
relaciones de asociación entre dichas
Interpretación y Evaluación Una vez obtenido el modelo, se
debe proceder a su validación, comprobando que las
conclusiones que arroja son válidas y suficientemente
satisfactorias
Minería de datos y otras
disciplinas análogas

Es difícil definir las fronteras existentes entre
la minería de datos y disciplinas análogas, como
pueden serlo la estadística, la inteligencia
artificial

El hecho es, que en la práctica la totalidad de
los modelos y algoritmos de uso general en
minería de datos redes neuronales, árboles de
regresión y clasificación, modelos logísticos,
análisis de componentes principales, etc.—
gozan de una tradición relativamente larga en
otros campos.
Estadística




Análisis de varianza, mediante el cual se contrasta la
existencia de diferencias significativas entre las medidas
de una o más variables continuas en grupo de población
distintos
Ji cuadrado: por medio del cual se realiza el contraste la
hipótesis de dependencia entre variables
Análisis discriminante: permite la clasificación de
individuos en grupos que previamente se han
establecido
Series de tiempo: permite el estudio de la evolución de
una variable a través del tiempo para, a partir de ese
conocimiento
Informática



Algoritmos genéticos: Son métodos numéricos de
optimización, en los que aquella variable o variables que
se pretenden optimizar junto con las variables de estudio
constituyen un segmento de información
Sistemas Expertos: Son sistemas que han sido creados
a partir de reglas prácticas extraídas del conocimiento
de experto
Redes neuronales: Genéricamente, son métodos de
proceso numérico en paralelo, en el que las variables
interactúan mediante transformaciones lineales o no
lineales, hasta obtener unas salidas.
Descargar

Trabajo Vida Artificial - Departamento de Sistemas Informáticos