TAREA
SIMULADORES
1) continué en el perfeccionamiento de la wiki
2) trabajo escrito para la próxima clase:
a) consultar que es un simulador virtual el cual
es su importancia en la educación
b) realizar un informe describiendo las generalidades
y especificaciones de:
*2 simuladores de ecosistemas
*2 simuladores de vida
*2 simuladores industriales/tecnológicos
SOLUCIÓN
2)
a) un simulador es una configuración de hardware y software en la que, mediante algoritmos de cálculo, se reproduce el comportamiento de un determinado proceso o sistema físico. En éste proceso se sustituyen las situaciones reales por otras, creadas artificialmente de las cuales se aprenden ciertas acciones, habilidades, hábitos, etc., que posteriormente se transfieren a una situación de la vida real con igual efectividad; ésta es una actividad en la que no solo se acumula información teórica, sino que se la lleva a la práctica.
Respecto al uso en la educación....
Los simuladores constituyen un procedimiento, tanto para la formación de conceptos y construcción en general de conocimientos, como para la aplicación de éstos a nuevos contextos a los que, por diversas razones, el estudiante no puede acceder desde el contexto metodológico donde se desarrolla su aprendizaje. De hecho, "buena parte de la ciencia puntera, de frontera, se basa cada vez más en el paradigma de la simulación, más que en el experimento en sí...". Mediante los simuladores tu puedes por ejemplo desarrollar experimentos de química en el laboratorio de informática con mayor seguridad, es así como si a un estudiante se le ocurre agregar más de un determinado líquido la explosión que esto cause será una simple "simulación", cuando vaya a realizar-lo en la práctica él estará informado de las consecuencias de este proceso.
Característica en la educación:
1. Apoyan aprendizaje de tipo experimental y conjetural.
2. Permite la ejercitación del aprendizaje.
3. Suministran un entorno de aprendizaje abierto basado en modelos reales.
4. Alto nivel de interactividad
5. Tienen por objeto enseñar un determinado contenido.
6. El usuario trata de entender las características de los fenómenos, cómo controlarlos o que hacer ante diferentes circunstancias.
7. Promueven situaciones excitantes o entretenidas que sirven de contexto al aprendizaje de un determinado tema.
8. El usuario es un ser activo, convirtiéndose en el constructor de su aprendizaje a partir de su propia experiencia.
b)
1)simuladores de ecosistemas
SIMULACIÓN ANIMADA DE UN ECOSISTEMA NATURAL BASADA EN
TÉCNICAS AVANZADAS DE INTELIGENCIA ARTIFICIAL
Autor: Rodríguez-Pina Aldama, Daniel.
Director: Olivas Varela, José Ángel.
Entidad Colaboradora: ICAI – Universidad Pontificia Comillas
RESUMEN DEL PROYECTO
Un ecosistema es una unidad natural formado por plantas, animales y microorganismos que
funciona bajo sus efectos, todo ello sujeto a los factores del medio ambiente. Los
organismos reciben como entrada continuamente un conjunto de información tras
relacionarse con algunos de los elementos que constituyen el ambiente en el que estos
habitan. Los ecosistemas describen cualquier situación donde hay relación entre organismos
y su ambiente.
Tras el estudio de los ecosistemas se concluye que en un momento de equilibrio cualquier
aparición o introducción de nuevos elementos en un ecosistema normalmente tiende a tener
un efecto de ruptura brusca. A veces, esto puede llevar al desplome ecológico, en otras
palabras, a la muerte de muchas especies que pertenecen al ecosistema en cuestión. A
menudo, sin embargo, los ecosistemas tienen la habilidad de sobrevivir a un momento de
ruptura brusca.
El objetivo del proyecto es la creación de un programa informático que simule de forma
animada un ecosistema natural que siga las reglas descritas. Esta simulación informática es
un modelado de una situación real para ser estudiada. Cambiando las variables del modelo,
se pueden hacer predicciones acerca del comportamiento del ecosistema. De esta forma se
pueden conocer las reacciones sin que repercutan en el mundo real.
Tras el proceso de elección de los datos y supuestos iniciales, se pueden probar todo tipo de
situaciones posibles y problemas que tras su ejecución se espera den unos resultados
similares a lo que podría suceder en un ecosistema presente en el mundo real. Existe una
relación directa entre la exactitud de los resultados obtenidos y como de real es el escenario.
Mientras más reglas de un ecosistema se consigan implementar, más se podrá confiar en los
resultados finales que se obtengan.
En la actualidad, gracias a la potencia de los ordenadores y la existencia de lenguajes que
ofrecen la capacidad de crear escenarios complejos, la realización de este tipo de
simulaciones es más viable.
En el proceso de implementación de la simulación, se han creado distintos agentes que van a
interactuar entre sí. Estos agentes son animales y plantas, dotados de comportamientos
reales y dejados en “libertad”. Para conseguir lo anterior se utiliza la Inteligencia Artificial que pone a nuestra disposición,
multitud de técnicas que han servido para lograr este fin. Gran parte del esfuerzo se basa en
implementar todas esas técnicas y conseguir que satisfactoriamente los agentes se relacionen
entre sí. Como por ejemplo, técnicas de búsqueda heurística o técnicas de matemática
borrosa, usadas para solucionar momentos de incertidumbre que se producen durante la
simulación.
Se entiende por agentes, no solo los animales y plantas, sino también otros muchos posibles
objetos sin vida. El ser humano es un importante agente a tener en cuenta y tiene un
importante papel en la aplicación de simulación.
La simulación se basa en un entorno donde coexisten múltiples tipos de animales y plantas.
Cada animal y planta es un agente propio, individual y con características propias que
descienden de su tipo.
Trabajando con la aplicación se pueden crear simulaciones desde cero, donde el usuario
introduce el tipo de animal y elige en qué parte del mundo crearlos. También se da la opción
de definir macros, empezar la simulación con determinados animales de cada tipo. O
finalmente pasar a la generación aleatoria.
En cada momento el usuario puede decidir dinámicamente añadir nuevos agentes al sistema,
que entrarán a formar parte de éste en tiempo real. Otra característica es que la velocidad de
simulación se puede ajustar. Todo esto es posible gracias al motor gráfico que se ha creado
para la aplicación.
Dada la posibilidad de crear macros, el usuario puede definir una serie de parámetros de
inicio para una simulación y guardarlos. Todos estos macros pueden ser reutilizados para su
uso en cualquier otra simulación.
Toda la información de las simulaciones se guarda en una base de datos situada en el portal
“www.ecosimulacion.es”. El portal es una parte importante del proyecto ya que es el lugar
donde el usuario puede estudiar todas las simulaciones que se han producido. El motor de
gráficas genera una serie de informes completos, con toda la información necesaria que el
usuario necesita para estudiar las simulaciones, una vez terminadas. Otra de las opciones que
permite el portal eco simulación, es ver todos los macros que se han definido.
El portal web es también el lugar donde se pueden encontrar todas las aplicaciones del
proyecto.
Para el desarrollo se ha seguido una metodología de tipo evolutiva. En un ciclo evolutivo se
diferencian 5 fases distintas; requerimientos, análisis, diseño, implementación y pruebas. La
diferencia es que estas fases se repiten varias veces. Es importante prestar mucha atención
en el apartado de pruebas de cada fase. Todos los errores que se descubran deben de ser llevados como requerimientos a la fase siguiente. Así se asegura la calidad del producto
final.
El proyecto se ha realizado en dos ciclos distintos que siguen la metodología descrita. En el
primero se ha trabajado con los requisitos y objetivos primarios. Por otro lado, el segundo
ciclo ha estado orientado a añadir toda la funcionalidad que ha dado tiempo respecto a la
planificación realizada. De esta forma se ha buscado implementar una base funcional que
cumpliera con todas las necesidades principales y a partir de entonces utilizar el tiempo
restante para trabajar en todos aquellos objetivos secundarios que se definieron.
Para el desarrollo del proyecto se han seguido los siguientes pasos:
1. Análisis de simulaciones existentes
2. Estudio de los ecosistemas
3. Estudio de los agentes, la búsqueda e implementación de los sentidos
4. Diseño del modelo de simulación
5. Diseño del interfaz gráfico
6. Implementan del simulador
7. Estudio e implementación del motor de estadísticas
8. Implementan del motor de Macros
9. Integración de todas las aplicaciones
10. Preparación de los escenarios de pruebas
11. Análisis de los resultados de la simulación
Además de la simulación realizada y del portal de estadísticas descrito se han implementado
otras dos aplicaciones más. La primera de ellas es la aplicación visual de búsqueda que ha
servido para estudiar los distintos algoritmos de búsqueda eucarística que existen para luego
elegir aquel que mejor se adecua a los conceptos de la simulación.
La segunda aplicación se conoce como el juego de los zombis. Esta pequeña simulación en
forma de juego ha servido para desarrollar la implementación de los sentidos. Estos
algoritmos sirven para su implementación en los agentes. Los algoritmos de los sentidos son
complejos y por tanto esta aplicación ha ayudado en el diseño.Por tanto se ha logrado implementar un paquete de simulación completo, finalmente
compuesto por distintas aplicaciones. Todas ellas sencillas de usar y accesibles desde el
portal web. Esto ha sido posible, en parte, gracias a una correcta planificación del trabajo.
La importancia
La simulación de ecosistemas y modelaciones ecológicas son campos que están creciendo, teniendo diferentes aplicaciones entre la ecología teórica, las matemáticas y la computación, las simulaciones de ecosistemas tienen como objetivo de modelar la dinámica de los ecosistemas principales con el fin de sintetizar la comprensión de estos sistemas, para poder permitir predicciones de como va a cambiar su comportamiento en un futuro.
Debido a que los ecosistemas naturales son muy complejos, por ejemplo en cuanto a el número de especies de un cierto animal o interacciones ecológicas, los modelos de ecosistemas suelen simplificar los sistemas con un número limitado de componentes, permitiendo el desarrollo de simulaciones por computadora de estos ecosistemas.
Uno de los principales intereses de las simulaciones de ecosistemas es que ofrecen una visión global de la evolución de un sistema, lo cual es difícil de observar en la naturaleza, sin embargo, el alcance de las simulaciones de ecosistemas siempre ha sido limitado por las posibilidades de cálculo, hoy en dia es posible hacer simulaciones mucho más complejas.
En el área de simulación de ecosistemas, proporciona un enfoque a las características y el comportamiento de organismos individuales, se trata de modelar individuos como entidades singulares y discretos, por lo que los organismos con diferentes características ya sea la edad, sexuales y su papel en el ecosistema y las propiedades de este representan los individuos, para observar un mecanismo evolutivo, aunque muchas veces estos son muy simples o limitaciones como que los individuos no se mueven o limitados en número.
Existen modelos como World que han propuesto agentes complejos y modelos de comportamiento usando redes neuronales artificiales y sistemas de reglas aprendidas para desarrollar modelos de comportamiento de agentes durante su vida y por un proceso evolutivo, este tipo de sistemas han dado lugar a varias conclusiones interesantes sobre la complejidad y la estructura de la red del sistema, sin embargo son costosos computacionalmente y solo permiten ejecuciones de poblaciones pequeñas.
¿Qué tipo de simulaciones se pueden desarrollar?
La simulación de ecosistemas y modelaciones ecológicas son campos que están creciendo, teniendo diferentes aplicaciones entre la ecología teórica, las matemáticas y la computación, las simulaciones de ecosistemas tienen como objetivo de modelar la dinámica de los ecosistemas principales con el fin de sintetizar la comprensión de estos sistemas, para poder permitir predicciones de como va a cambiar su comportamiento en un futuro.
 |
| Arbol de la vida generado por simulación de EcoSim |
Debido a que los ecosistemas naturales son muy complejos, por ejemplo en cuanto a el número de especies de un cierto animal o interacciones ecológicas, los modelos de ecosistemas suelen simplificar los sistemas con un número limitado de componentes, permitiendo el desarrollo de simulaciones por computadora de estos ecosistemas.
Uno de los principales intereses de las simulaciones de ecosistemas es que ofrecen una visión global de la evolución de un sistema, lo cual es difícil de observar en la naturaleza, sin embargo, el alcance de las simulaciones de ecosistemas siempre ha sido limitado por las posibilidades de cálculo, hoy en dia es posible hacer simulaciones mucho más complejas.
En el área de simulación de ecosistemas, proporciona un enfoque a las características y el comportamiento de organismos individuales, se trata de modelar individuos como entidades singulares y discretos, por lo que los organismos con diferentes características ya sea la edad, sexuales y su papel en el ecosistema y las propiedades de este representan los individuos, para observar un mecanismo evolutivo, aunque muchas veces estos son muy simples o limitaciones como que los individuos no se mueven o limitados en número.
Existen modelos como World que han propuesto agentes complejos y modelos de comportamiento usando redes neuronales artificiales y sistemas de reglas aprendidas para desarrollar modelos de comportamiento de agentes durante su vida y por un proceso evolutivo, este tipo de sistemas han dado lugar a varias conclusiones interesantes sobre la complejidad y la estructura de la red del sistema, sin embargo son costosos computacionalmente y solo permiten ejecuciones de poblaciones pequeñas.
¿Qué tipo de simulaciones se pueden desarrollar?
Con este tipo de simulaciones se pueden estudiar tópicos como:
- Comportamiento global como un proceso caótico.
- Patrones de especies
- Mecanismos de especies
- Predicción de especies en extinción
- Distribuciones de población
- Correlaciones entre la diversidad genética y el estado físico.
- Entre otros.
Las herramientas
Existen herramientas que podemos utilizar nosotros como des arrolladores de software para implementar simulaciones de ecosistemas, solo para mencionar algunos:
- EcoSim: An ecosystem simulation
- Unicamp: Computer Minimodels
- Pylifes: ecosystem simulation in Python
- Ecology simulation: Open simulation
*2 simuladores de vida
1)
Los videojuegos de simulación de vida (también conocidos como videojuegos de vida artificial) son un subgénero de losvideojuegos de simulación en los que el jugador vive o controla una o más formas de vida artificial. Un videojuego de simulación de vida puede girar en torno a individuos y relaciones, o puede ser una simulación de un ecosistema. Éste género abarca los siguientes subgéneros:
- Los videojuegos de simulación biológica permiten que el jugador experimente con temáticas como genética, supervivencia o ecosistemas, a menudo en la forma de videojuegos educativos.
- Los videojuegos de simulación de mascotas se enfocan más en la relación entre el jugador y una o más formas de vidas. Son más limitados en ambiente que los videojuegos de simulación biológica. Ejemplos destacables de este género son Tamagotchi, la sagaPetz, Viva Piñata y Nintendogs.
- Los videojuegos de simulación social poseen una jugabilidad cuyo elemento principal es la interacción social entre entidades del juego. Un ejemplo de este género es Los Sims.
2) 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. El científico
Christopher Langton fue el primero a utilizar el término a fines de los años 1980 cuando
se celebró la "International Conference on the Synthesis and Simulation off Living
Systems" ("Primera Conferencia Internacional de la Síntesis y Simulación de Sistemas
Vivientes") también conocida como "Artificial Life I" ("Vida Artificial I") en los Alamos
National Laboratory en 1987. En inglés también se conoce como alife, por la contracción
de "artificial life".
Aunque el estudio de vida artificial tiene alguna superposición significativa con el
estudio de inteligencia artificial (IA), los dos campos son muy diferentes en su historia y
métodos. La investigación de IA organizada empezaba temprano en la historia de
calculadoras digitales, y se caracterizaba a menudo en aquellos años por una enfoque "de
arriba abajo" (top-down) basada en redes complejas de reglas. Los estudios de vida
artificial no tuvieron un campo nada organizado hasta los años 80, y a menudo trabajaban
de forma aislada, sin conocer de otros que hacían trabajos similares. Si en alguna ocasión
se preocupaban por la inteligencia, los investigadores tendían a centrarse en la natura "de
abajo arriba" (bottom-up) de conductos emergentes.
Los investigadores de vida artificiales se han dividido a menudo en dos grupos
principales (aunque otras 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). Tom Ray
(un ecologista que creó y desarrolló el proyecto Tierra, una simulación por ordenador de Desarrollo de un Simulador de Vida Artificial Julio Vadillo Muñoz
Para el estudio de la evolución de Comportamientos Sociales
page 2
vida artificial) declaraba que su programa Tierra no estaba simulando vida en un
ordenador, sino que 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 para entender aspectos de fenómenos sencillos. La manera
habitual es a través de un modelo basado en agentes, que normalmente da una solución
posible mínima. Esto es: "no sabemos qué genera este fenómeno en la naturaleza, pero
podría ser algo tan simple cómo... "
El campo se caracteriza por el uso extenso de programas informáticos y
simulaciones que incluyen cálculo evolutivo (algoritmos evolutivos, algoritmos genéticos
–GA por el inglés Genetic Algorithm –, programación genética, inteligencia de enjambre,
optimización de colonias de hormigas), química artificial, modelos basados en agentes, y
autómatas celulares (CA del inglés Cellular Automata). A menudo aquellas técnicas se
ven como subcampos de la vida artificial. Además de artículos técnicos en los temas que
son aceptados en conferencias de vida artificial hasta que su campo haya crecido lo
suficiente para celebrar sus propias conferencias. Como tal, a lo largo de los años, la vida
artificial también ha trabajado como término genérico provisional para técnicas diferentes
que no se aceptarían en otros campos.
La vida artificial es un punto de reunión para gente de otros muchos campos más
tradicionales como lingüística, física, matemáticas, filosofía, informática, biología,
antropología y sociología en los cuales se puede hablar de enfoques computacionales y
teóricos inusuales que serian controvertidas dentro de su propia disciplina. Como campo,
ha tenido una historia controvertida; John Maynard Smith criticaba el 1995 algunos
trabajos de vida artificial como "ciencia libre de hecho", y no ha recibido generalmente
demasiada atención de los biólogos. Aun así, la publicación recientes de artículos de vida
artificiales en revistas ampliamente leídas como Science y Nature es evidencia que las
técnicas de vida artificial se están volviendo más aceptadas en la línea central, como
mínimo como método que estudia la evolución.
Los orígenes de esta ciencia se encuentran alrededor de los años 50. Uno de los
primeros pensadores de la edad moderna que previó los potenciales de la vida artificial, Desarrollo de un Simulador de Vida Artificial Julio Vadillo Muñoz
Para el estudio de la evolución de Comportamientos Sociales
page 3
separada de inteligencia artificial, era el prodigio matemático e informático John Von
Neumann. En el Simposio Hixon, ofrecido por Linus Pauling en Pasadena, California a
finales de los años 40, Von Neumann hizo una conferencia titulada "The General and
Logical Theory of Automata" ("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. Presuponía una máquina –
un autómata cinemático – constituida por un ordenador de control, un brazo de
construcción, y gran conjunto de instrucciones. Utilizando las instrucciones que eran parte
de su propio cuerpo, podría crear una máquina idéntica. Siguiendo esta idea creó (con
Stanislaw Ulam) autómatas puramente lógicos, no exigiendo un cuerpo físico sino basado
en los estados que cambian de las células en una red infinita. El primer autómata celular
fue extraordinariamente mucho más complicado que posteriores autómatas celulares.
Tenía cientos de miles de células que podían existir cada una en uno de veintinueve
estados, pero Von Neumann pensaba que necesitaba esta complejidad para conseguir que
funcionara no sólo como una máquina auto replicante, sino que también como una
computadora universal tal y como definió Alan Turing. Este "constructor universal" leía
de una cinta de instrucciones y escribía una serie de células que podían ser activadas para
dejar una copia completamente funcional del original y su cinta. Von Neumann trabajó en
su teoría de autómatas intensivamente hasta el momento de su muerte, y lo consideró su
trabajo más importante.
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.
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 (y un casi fatal
accidente de ala delta), empezó a intentar actualizar el autómata celular de Von Neumann Desarrollo de un Simulador de Vida Artificial Julio Vadillo Muñoz
Para el estudio de la evolución de Comportamientos Sociales
page 4
y el trabajo de Edgar F. Codd, que simplificó el monstruo original 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 en el que casi no existían avances.
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.
La tecnología microelectrónica y la ingeniería genética pronto nos darán
capacidad para crear nuevas formas de vida tanto en silicio como en vitro. Esta capacidad
presentará a la humanidad con los retos técnicos, teóricos y éticos con más mayor alcance
a los que nunca a estado confrontada. El momento parece apropiado por reunir a aquellos
involucrados en el intento de simular o sintetizar aspectos de sistemas vivos.
El año 1982, el científico en computadoras Stephen Wolfram dirigió su atención a
los autómatas celulares. Exploró y categorizó los tipos de complejidad que mostraban los
autómatas celulares unidimensionales, y mostró cómo podían ser aplicados a fenómenos
naturales como las conchas marinas y la naturaleza del crecimiento de las plantas.
Norman Packard, que trabajó con Wolfram en el Institute for Advanced Study (Instituto
para Estudios Avanzados), usó autómatas celulares para simular el crecimiento de copos
de nieve, siguiendo reglas muy básicas.
El animador por computadora Craig Reynolds en el año 1987 usó de manera
similar simples reglas para crear comportamientos de bandadas de pájaros en grupos de
"boids" dibujados por ordenador. Sin ningún tipo de programación "de arriba abajo" (top-Desarrollo de un Simulador de Vida Artificial Julio Vadillo Muñoz
Para el estudio de la evolución de Comportamientos Sociales
page 5
down), los boids producían soluciones parecidas a los de la vida real para evadir
obstáculos en su camino. La animación por computadora ha continuado siento un
conductor comercial clave para la investigación en vida artificial según los creadores de
películas intentan encontrar formas más realistas y baratas de animar formas naturales
como plantas vivas, movimientos de animales, movimiento de pelo, y complicadas
texturas orgánicas.
La Unido of Theoretical Behavioural Ecology (Unidad de Ecología
Comportacional Teórica) en la Free University de Bruselas ha aplicado las teorías auto
organizadoras de Ilya Prigogine y el trabajo del entomólogo E.O. Wilson a la
investigación de insectos sociales, particularmente la allelomimesis, en la cual las
acciones individuales son dictadas por los vecinos cercanos. Desarrollaron ecuaciones
diferenciales parciales que modelaban las formas creadas por termitas cuando construyen
su nido. Entonces las compararon con la reacción de termitas reales a cambios idénticos
en las termitas de laboratorio, y redefinieron sus teorías de las reglas que son la base de su
comportamiento.
J. Doyne Farmer fue una figura clave al atar la investigación de vida artificial al
campo emergente de sistemas adaptativos complejos, trabajando en el Center for
Nonlinear Studies (Centro por Estudios No-Lineales), una sección de búsqueda de los
Alamos National Laboratory, en el momento en que el teórico del caos Mitchell
Feigenbaum se marchaba. Farmer y Norman Packard presidían una conferencia el mayo
de 1985 denominada "Evolution, Games, and Learning" ("Evolución, Juegos, y
Aprendizaje"), que presagió muchos de los temas de conferencias sobre vida artificial
posteriores.
Hay trabajos para crear modelos de vida artificial con modelos celulares. Trabajos
preliminares por crear un modelo completo del comportamiento celular está en camino en
varios proyectos de búsqueda, denominados BlueGene que prueban de entender los
mecanismos detrás del plegamiento proteico.
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. El científico
Christopher Langton fue el primero a utilizar el término a fines de los años 1980 cuando
se celebró la "International Conference on the Synthesis and Simulation off Living
Systems" ("Primera Conferencia Internacional de la Síntesis y Simulación de Sistemas
Vivientes") también conocida como "Artificial Life I" ("Vida Artificial I") en los Alamos
National Laboratory en 1987. En inglés también se conoce como alife, por la contracción
de "artificial life".
Aunque el estudio de vida artificial tiene alguna superposición significativa con el
estudio de inteligencia artificial (IA), los dos campos son muy diferentes en su historia y
métodos. La investigación de IA organizada empezaba temprano en la historia de
calculadoras digitales, y se caracterizaba a menudo en aquellos años por una enfoque "de
arriba abajo" (top-down) basada en redes complejas de reglas. Los estudios de vida
artificial no tuvieron un campo nada organizado hasta los años 80, y a menudo trabajaban
de forma aislada, sin conocer de otros que hacían trabajos similares. Si en alguna ocasión
se preocupaban por la inteligencia, los investigadores tendían a centrarse en la natura "de
abajo arriba" (bottom-up) de conductos emergentes.
Los investigadores de vida artificiales se han dividido a menudo en dos grupos
principales (aunque otras 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). Tom Ray
(un ecologista que creó y desarrolló el proyecto Tierra, una simulación por ordenador de Desarrollo de un Simulador de Vida Artificial Julio Vadillo Muñoz
Para el estudio de la evolución de Comportamientos Sociales
page 2
vida artificial) declaraba que su programa Tierra no estaba simulando vida en un
ordenador, sino que 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 para entender aspectos de fenómenos sencillos. La manera
habitual es a través de un modelo basado en agentes, que normalmente da una solución
posible mínima. Esto es: "no sabemos qué genera este fenómeno en la naturaleza, pero
podría ser algo tan simple cómo... "
El campo se caracteriza por el uso extenso de programas informáticos y
simulaciones que incluyen cálculo evolutivo (algoritmos evolutivos, algoritmos genéticos
–GA por el inglés Genetic Algorithm –, programación genética, inteligencia de enjambre,
optimización de colonias de hormigas), química artificial, modelos basados en agentes, y
autómatas celulares (CA del inglés Cellular Automata). A menudo aquellas técnicas se
ven como subcampos de la vida artificial. Además de artículos técnicos en los temas que
son aceptados en conferencias de vida artificial hasta que su campo haya crecido lo
suficiente para celebrar sus propias conferencias. Como tal, a lo largo de los años, la vida
artificial también ha trabajado como término genérico provisional para técnicas diferentes
que no se aceptarían en otros campos.
La vida artificial es un punto de reunión para gente de otros muchos campos más
tradicionales como lingüística, física, matemáticas, filosofía, informática, biología,
antropología y sociología en los cuales se puede hablar de enfoques computacionales y
teóricos inusuales que serian controvertidas dentro de su propia disciplina. Como campo,
ha tenido una historia controvertida; John Maynard Smith criticaba el 1995 algunos
trabajos de vida artificial como "ciencia libre de hecho", y no ha recibido generalmente
demasiada atención de los biólogos. Aun así, la publicación recientes de artículos de vida
artificiales en revistas ampliamente leídas como Science y Nature es evidencia que las
técnicas de vida artificial se están volviendo más aceptadas en la línea central, como
mínimo como método que estudia la evolución.
Los orígenes de esta ciencia se encuentran alrededor de los años 50. Uno de los
primeros pensadores de la edad moderna que previó los potenciales de la vida artificial, Desarrollo de un Simulador de Vida Artificial Julio Vadillo Muñoz
Para el estudio de la evolución de Comportamientos Sociales
page 3
separada de inteligencia artificial, era el prodigio matemático e informático John Von
Neumann. En el Simposio Hixon, ofrecido por Linus Pauling en Pasadena, California a
finales de los años 40, Von Neumann hizo una conferencia titulada "The General and
Logical Theory of Automata" ("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. Presuponía una máquina –
un autómata cinemático – constituida por un ordenador de control, un brazo de
construcción, y gran conjunto de instrucciones. Utilizando las instrucciones que eran parte
de su propio cuerpo, podría crear una máquina idéntica. Siguiendo esta idea creó (con
Stanislaw Ulam) autómatas puramente lógicos, no exigiendo un cuerpo físico sino basado
en los estados que cambian de las células en una red infinita. El primer autómata celular
fue extraordinariamente mucho más complicado que posteriores autómatas celulares.
Tenía cientos de miles de células que podían existir cada una en uno de veintinueve
estados, pero Von Neumann pensaba que necesitaba esta complejidad para conseguir que
funcionara no sólo como una máquina auto replicante, sino que también como una
computadora universal tal y como definió Alan Turing. Este "constructor universal" leía
de una cinta de instrucciones y escribía una serie de células que podían ser activadas para
dejar una copia completamente funcional del original y su cinta. Von Neumann trabajó en
su teoría de autómatas intensivamente hasta el momento de su muerte, y lo consideró su
trabajo más importante.
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.
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 (y un casi fatal
accidente de ala delta), empezó a intentar actualizar el autómata celular de Von Neumann Desarrollo de un Simulador de Vida Artificial Julio Vadillo Muñoz
Para el estudio de la evolución de Comportamientos Sociales
page 4
y el trabajo de Edgar F. Codd, que simplificó el monstruo original 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 en el que casi no existían avances.
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.
La tecnología microelectrónica y la ingeniería genética pronto nos darán
capacidad para crear nuevas formas de vida tanto en silicio como en vitro. Esta capacidad
presentará a la humanidad con los retos técnicos, teóricos y éticos con más mayor alcance
a los que nunca a estado confrontada. El momento parece apropiado por reunir a aquellos
involucrados en el intento de simular o sintetizar aspectos de sistemas vivos.
El año 1982, el científico en computadoras Stephen Wolfram dirigió su atención a
los autómatas celulares. Exploró y categorizó los tipos de complejidad que mostraban los
autómatas celulares unidimensionales, y mostró cómo podían ser aplicados a fenómenos
naturales como las conchas marinas y la naturaleza del crecimiento de las plantas.
Norman Packard, que trabajó con Wolfram en el Institute for Advanced Study (Instituto
para Estudios Avanzados), usó autómatas celulares para simular el crecimiento de copos
de nieve, siguiendo reglas muy básicas.
El animador por computadora Craig Reynolds en el año 1987 usó de manera
similar simples reglas para crear comportamientos de bandadas de pájaros en grupos de
"boids" dibujados por ordenador. Sin ningún tipo de programación "de arriba abajo" (top-Desarrollo de un Simulador de Vida Artificial Julio Vadillo Muñoz
Para el estudio de la evolución de Comportamientos Sociales
page 5
down), los boids producían soluciones parecidas a los de la vida real para evadir
obstáculos en su camino. La animación por computadora ha continuado siento un
conductor comercial clave para la investigación en vida artificial según los creadores de
películas intentan encontrar formas más realistas y baratas de animar formas naturales
como plantas vivas, movimientos de animales, movimiento de pelo, y complicadas
texturas orgánicas.
La Unido of Theoretical Behavioural Ecology (Unidad de Ecología
Comportacional Teórica) en la Free University de Bruselas ha aplicado las teorías auto
organizadoras de Ilya Prigogine y el trabajo del entomólogo E.O. Wilson a la
investigación de insectos sociales, particularmente la allelomimesis, en la cual las
acciones individuales son dictadas por los vecinos cercanos. Desarrollaron ecuaciones
diferenciales parciales que modelaban las formas creadas por termitas cuando construyen
su nido. Entonces las compararon con la reacción de termitas reales a cambios idénticos
en las termitas de laboratorio, y redefinieron sus teorías de las reglas que son la base de su
comportamiento.
J. Doyne Farmer fue una figura clave al atar la investigación de vida artificial al
campo emergente de sistemas adaptativos complejos, trabajando en el Center for
Nonlinear Studies (Centro por Estudios No-Lineales), una sección de búsqueda de los
Alamos National Laboratory, en el momento en que el teórico del caos Mitchell
Feigenbaum se marchaba. Farmer y Norman Packard presidían una conferencia el mayo
de 1985 denominada "Evolution, Games, and Learning" ("Evolución, Juegos, y
Aprendizaje"), que presagió muchos de los temas de conferencias sobre vida artificial
posteriores.
Hay trabajos para crear modelos de vida artificial con modelos celulares. Trabajos
preliminares por crear un modelo completo del comportamiento celular está en camino en
varios proyectos de búsqueda, denominados BlueGene que prueban de entender los
mecanismos detrás del plegamiento proteico.
*2 simuladores industriales /tecnológicos los parametro del estudio.
1) ProModel” es un programa de simulación de procesos industriales, permite simular cualquier tipo de proceso de manufactura, además de procesos logísticos, procesos de manejos de materiales y contiene excelentes simulaciones de talleres, grúas viajeras, bandas de transporte y mucho más.
En teoría, cualquier sistema de procesos puede ser modelado en computadora, solo se necesita de esfuerzo e ingenio, además de las herramientas que nos permitan plasmar nuestro pensamiento en un modelo computarizado, una de esas herramientas es“ProModel”, en el cual se puede crear un modelo computarizado de todo proceso de manufactura y una vez realizado el modelado, se podrá simular sobre el una gran cantidad de situaciones como Justo a Tiempo, Teoría de Restricciones, Sistemas de Empujar y Jalar, Logística y muchas otras más. Además de permitir el simulado de acciones, nos enseña como optimizar los procesos en la misma, y así obtener los mejores con el consumo mínimo de recursos, para dicha tarea, el sistema cuenta con 2 optimizadores.
“ProModel” es un paquete de simulación que no realiza solamente el simulado, sino también optimiza los modelos ingresados. Corre bajo el sistema operativo Windows y sus requerimientos mínimos son un procesador 486, 32 MB de RAM, 2 MB de espacio en Disco Duro.
2) El presente proyecto, se planteó como una futura implementación en el
proyecto realizado en junio de 2007 por Miguel Carro Pellicer, y de título “PFC
II-A-DISCA- 55/06 SIMULADOR DE TARJETA DE ADQUISICIÓN DE DATOS
“NuDAQ / NuIPC 9112 Series”.
Gracias a este proyecto, se consiguió que los alumnos de prácticas de la
asignatura “Informatización Industrial”, dispusieran de una herramienta
software que emulara esta tarjeta, lo cual les permitía el poder realizar sus
prácticas en cualquier ordenador, tanto dentro como fuera de la UPV, sin
necesidad de ningún hardware y sin coste alguno.
Como parte de este proyecto y para demostrar el funcionamiento de esta
tarjeta, Miguel Carro realizó una aplicación genérica con la cual se pudiera
manejar la tarjeta, activando señales y recibiendo lecturas de esta.
El proyecto que nos atañe pretende pasar de ese proceso genérico, a uno
específico que simule un proceso industrial real. Como tal, se ha elegido un
proceso de frío industrial en una planta dedicada al almacenamiento de
alimentos en cámaras de refrigeración.
Lo que se pretende, es que los alumnos dispongan de una herramienta
software en la cual simular las situaciones reales que se dan en una instalación
de estas características, y que puedan programar como debe actuar cada
elemento, en función de los requisitos y las circunstancias de la planta. Todo
ello obviamente, sin coste alguno y sin necesitar acceso a una instalación de este
tipo.
