Cuaderno de tecnologia

AGOSTO 22/2013

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.

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.

2)Simulación de ecosistemas.

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.

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:

*2 simuladores de vida

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