La Otra Clonación: el pdf

julio 30, 2010

El blog Cinta Canela presenta el artículo: La Otra Clonación. Clic en la imagen para descargarlo.



De la novedad a lo común sólo hay un paso: la importancia de una buena búsqueda

junio 25, 2010

A un cocinero neófito le fue encargada la elaboración de un postre basado en calabaza. El cocinero, emocionado, se dio a la tarea de hacer algo que según él, sería muy original. Después de documentarse sobre recetas diversas, elaboró y presentó unos muffins de calabaza usando una receta con una variante propia. Aunque lo felicitaron porque los pastelillos le quedaron deliciosos, nadie le hizo comentario alguno sobre la originalidad de su receta. Su jefe, un chef sudamericano, sabía que los muffins de zapallo con esa variante son algo común, y aunque no por ello poco valorados en la gastronomía, lo que acababa de probar no era una receta nueva. El cocinero no sabía que a la calabaza se le conoce como zapallo en tierras del sur por lo que al revisar recetas de calabaza, no advirtió que su variante ya existía.

Lo mismo pasa con los las técnicas que se usan en diversas áreas de la ciencia. Puede ocurrir que dentro de un área se desarrolle una técnica que no había sido usada antes por lo que se etiqueta como “nueva” pero, si se indaga en otras áreas, podrías encontrar que ya existe, aunque con otro nombre. Aunque lo ideal sería poder identificar la existencia de esa técnica y referenciarla, difícilmente se puede abarcar todo, especialmente si las áreas no son muy relacionadas. Generalmente, lo que se hace es definir el contexto y las condiciones sobre las que se desarrolla y aplica la “nueva” técnica, de ese modo se expresa que dentro de un alcance específico es algo innovador.

Por ejemplo, el caso del aprendizaje por demostración en el que un robot se observa a si mismo en vez de observar a otros,  es básicamente clonación de comportamiento. Sin embargo, en el aprendizaje por demostración a este caso se le conoce como auto-imitación.

No sobra realizar esa búsqueda que has estado postergando.

" También se llama zapallo 😥 " - pensamiento del cocinero quien ya pensaba ponerle su nombre a los muffins -

Photo by Flickr user unk’s dump licensed under CC2.0


¿Cómo se adquiere una habilidad?

junio 18, 2010

Cuando estudiaba la preparatoria me di cuenta de que carezco de habilidad para el dibujo.  Al ver dibujo técnico en mi lista de materias imaginé que sería divertido; no sabía lo que me esperaba. El profesor hizo énfasis en el dibujo de proyecciones isométricas y nuestro trabajo era dibujar el objeto a partir de las vistas que el profesor proporcionaba. Algunos de mis compañeros tenían la habilidad de reconstruir el objeto en la mente al instante y lo plasmaban en el papel de forma veloz y precisa. Yo tardaba horas para tener una aproximación de dudosa exactitud. Así supe que nunca sería arquitecta, ni diseñadora gráfica, ni algo parecido. Estaba en un problema, necesitaba salir bien en la materia. Lo que tenía que hacer era saber cómo hacerlo y practicar. ¿Lograría aprender a hacer los dibujos? ¿Cómo adquirir la habilidad?

Puf, puf, me pregunto: ¿cuándo tendré la habilidad para subir?

Cuando queremos aprender algo, primero aprendemos lo básico, practicamos, adquirimos nuevo conocimiento y a medida que el conocimiento y la práctica aumenta, nuestra habilidad crece y nos hacemos expertos. La adquisición de una habilidad consta de dos componentes: el cognitivo y el subcognitivo. La parte cognitiva es el cómo-hacerlo, es adquirir el conocimiento sobre lo que se quiere aprender. Por ejemplo, si estás aprendiendo un nuevo idioma, primero aprendes la gramática, la pronunciación básica y expresiones simples. Conforme avanzas, vas adquiriendo nuevo conocimiento y practicando, incrementando tu dominio del lenguaje. En el componente cognitivo se te enseña algo nuevo, piensas en ello, lo expresas en tus propias palabras, observas cómo la nueva información se ajusta a otras cosas que ya sabes; estás consciente de lo que aprendes.

Por otro lado, el componente subcognitivo es la modificación de la habilidad que ocurre con la práctica y se da de manera automática. La práctica lleva al perfeccionamiento de la habilidad, a dominarla, a ser un experto. Sin embargo, si el conocimiento recibido fue equivocado, la habilidad se perfeccionará pero siempre con un resultado defectuoso. Por ejemplo, si en el aprendizaje de un nuevo idioma se enseñó mal la pronunciación, la práctica se hace de acuerdo a esa mala pronunciación. Sólo adquiriendo conocimiento nuevo que sustituya al equivocado y practicando se puede corregir el error. En este caso, los órganos que intervienen en la pronunciación tienen que ajustarse gradualmente al nuevo conocimiento adquirido, lo que va más allá del alcance de quien pronuncia. No se le puede ordenar explícitamente a los músculos cómo moverse. Esta es la parte subcognitiva, lo que conscientemente no puede modificarse ni explicarse.

Regresando al dibujo técnico, recuerdo que en ese momento yo no estaba pensando en el proceso de adquirir la habilidad. Traté de entender las clases, cosa que no me dio buen resultado. Consulté material adicional y resolví ejercicios por mi cuenta hasta que logré hacer los trabajos en tiempo razonable. Vaya, al principio la regla T se me movía, me salían líneas dobles y tenía que repetir el trabajo. Poco a poco, el uso de la regla T era automático y no tenía que hacer el dibujo primero a lápiz y luego con el estilógrafo. A falta de una habilidad natural para el dibujo, tuve que dedicarle mucho tiempo a aprender y a practicar. No logré ser una experta, pero pude aprobar decorosamente la materia.

¿Cómo automatizar el proceso de adquisición de una habilidad?

Referencia

Photo by Flickr user dhaneshr, licensed under CC2.0


¿Qué es un modelo?

junio 4, 2010

La palabra modelo tiene múltiples significados que se aplican en diversos contextos. Al mismo tiempo, es una palabra de uso común:  salió un nuevo modelo de notebook, maneja un auto último modelo, el modelo económico no es el adecuado. En ocasiones, el significado puede ser confuso.

Tengo la sensación de estar en el post equivocado

Cuando inicié la maestría, hubo una conferencia en la que los investigadores presentarían los temas de tesis que tenían disponibles. En ese momento, yo estaba en busca de un tema de tesis y asistí. Un tema llamó mi atención: “Tutores Inteligentes” en la cual,  el objetivo era el aprendizaje automático de modelos del estudiante para un problema de control (el péndulo invertido). No me quedaba claro qué significaba obtener modelos del estudiante; lo que me gustó eran las técnicas de aprendizaje automático que se aplicarían. Ya entendería de qué se trataba el asunto de los modelos.

Una vez tomado el tema de tesis, me di cuenta de que el modelo esperado consistía en el conocimiento de cómo funciona el mundo. El mundo era el péndulo, las variables que intervenían en su control. Lo que se esperaba era la descripción explícita del comportamiento de los estudiantes al controlar el péndulo. Por medio de algoritmos de inducción se obtuvieron conjuntos de reglas que describían el desempeño de los estudiantes.

Si vemos la analogía con el perro que aprende a sentarse, el modelo es el conjunto de reglas que hace que se siente: Si mi humano dijo Siéntate y estoy en la sala y mi pata-inferior-derecha = no-flexionada, entonces la flexiono. Las reglas expresan las relaciones entre las variables del problema y asignan una acción para el estado actual de las variables.

De esta manera, a la palabra modelo se le quitó el velo y lo que siguió fue la parte interesante: la inducción.

Photo by Flickr user cleitner, licensed under CC2.0


Aprendizaje por ejemplos

junio 2, 2010

¿Alguien me puede dar ejemplos de cómo leer?

Cuando estamos enseñando a una mascota a hacer trucos, le mostramos lo que debe hacer. Durante el entrenamiento, si lo hace bien, se le premia; de lo contrario, se le niega el premio o se le reprende. Es un proceso repetitivo hasta que al fin la mascota aprende lo que queremos.

El aprendizaje por ejemplos en Inteligencia artificial es algo similar. La idea principal es que a partir de observaciones, el programa, agente o como se le desee llamar pueda decidir qué acciones tomar y mejorar su desempeño.

Supongamos que queremos que Manchas aprenda a sentarse.  Veamos qué elementos del aprendizaje de Manchas  se parecen a los que se usarían para que un programa o agente aprenda.

Manchas Programa automático/Agente virtual (Manchas-v)
Ambiente Su casa, el jardín, la calle. Mapa del lugar en donde Manchas-v vive.
Ejemplos El humano guía al Manchas a realizar la acción. Dice la palabra “siéntate” y lo empuja suavemente a sentarse. El instructor mueve a Manchas-v generando datos de movimiento de las articulaciones. Por ejemplo, lugar = sala, pata-superior-derecha = baja, pata-superior-izquierda = baja, pata-inferior-izquierda = flexionada,… Estos registros son los ejemplos.
Algoritmo de aprendizaje Ante las repetidas muestras de la acción, Manchas va asociando la palabra a lo que debe hacer. Manchas trae en sí mismo un módulo de aprendizaje natural. Se aplica un proceso de inducción en el que a partir de los ejemplos, se genera un modelo que describe los ejemplos. Esto permite clasificar o predecir la acción que Manchas-v realizará con un ejemplo nuevo. Los algoritmos más comunes son los árboles de decisión y las reglas.
Modelo Manchas, después de varias sesiones de entrenamiento, construye en su mente el modelo a seguir. Manchas puede pensar: Si me dicen Siéntate ya se qué hacer. Lo último es especulación mía, no tengo idea de cómo piense un can. Si se obtuvo un conjunto de reglas, una regla puede ser algo como lo siguiente:Si mi humano dijo Siéntate y estoy en la sala y mi pata-inferior-derecha = no-flexionada, entonces la flexiono.

El conjunto de reglas hace que Manchas-v se siente.

Resultado Cada vez que a Manchas le dicen: “siéntate”, el lo hace, claro, si decide hacerlo. Cada vez que se muestre un ejemplo nuevo, se generará la acción  que Manchas-v realizará.

La analogía muestra la idea general del aprendizaje por ejemplos y cada elemento del problema puede tener diversas formas de solución. Lo importante es que Manchas-v pueda llegar a hacer lo mismo que Manchas.

Photo by Flickr user seng1011, licensed under CC 2.0


Hay de clones a clones

mayo 17, 2010

Cuando escuchamos hablar de clones, es común que relacionemos el término con la generación de una copia genética de otro ser vivo. En ocasiones, he deseado tener un clon, ya sea para poder terminar el trabajo más rápidamente o para poder estar en dos lugares al mismo tiempo. Y mientras unos consideran que un clon facilitaría su vida (cosa que no creo), las películas asocian los clones con la maldad.

Clones

¿Quién es clon de quién?

Pero existe otro tipo de clonación cuyo objetivo es otro. La clonación de comportamiento (behavioural cloning Donald Michie, 1993) es un método en el cual, ciertas habilidades humanas pueden ser capturadas y ser reproducidas por una computadora. La idea es capturar información sobre habilidades que la persona no puede describir explícitamente. Por ejemplo, cuando se pasea en bicicleta, sería muy difícil describir en términos de variables cómo se conduce, con qué fuerza se presionan los pedales y con qué velocidad, entre otras variables. Con la clonación, se obtienen registros de la persona al realizar la actividad que se quiere aprender, y estos registros se dan como entrada a un sistema de aprendizaje automático. El sistema da como salida un modelo, que puede ser un conjunto de reglas que reproducirán el comportamiento la persona que realizó la actividad.

Las aplicaciones de este método de aprendizaje automático son diversas. Por ejemplo:

  • Generar controladores automáticos cuyo desempeño será parecido al de la persona que lo “entrenó” (clona su comportamiento). Por ejemplo, entrenar a robots para realizar acciones/tareas específicas; manejo autónomo de vehículos.
  • Desarrollar sistemas para entrenamiento. El método se ha utilizado para entrenamiento de pilotos utilizando simuladores de vuelo pues es efectivo y reduce costos.

Por ejemplo, el entrenamiento de un robot para que realice ciertas tareas de navegación se puede hacer guiando al robot con un joystick a realizar lo que queremos. Las reglas de control inducidas harán que el robot se desplace de forma muy parecida a como se guía en el simulador. De esta manera, se pueden generar clones de quien “instruya” al robot al desplazarse por un ambiente. Los resultados pueden ser muy diferentes ya que dependen del estilo de quien conduzca al robot. Una de las ventajas de este método es que el entrenamiento puede realizarse por simulación, lo que facilita el proceso.

Dudo mucho que este método genere clones malvados. Al menos, todos los clones que he conocido, suelen comportarse mejor que sus “instructores”.

Imagen: Tim Norris


Minería para detección de densidad de población usando dispositivos móviles

mayo 13, 2010

En el capítulo de Bones The Cinderella in the Cardboard se muestra un servicio por celular llamado Date or Hate para búsqueda de pareja. En el celular se van mostrando al usuario los perfiles de los candidatos cercanos a su ubicación. Si el perfil le agrada, puede aceptarla (Date), permitiendo el intercambio de mensajes de texto; de otra manera, se rechaza (Hate). Según el sitio wiki de Bones, el servicio se inspiró en Crush or Flush, aunque en éste no existe la detección de proximidades. El usuario navega por los distintos perfiles y puede aceptarlo (Crush) ó rechazarlo (Flush), no importa dónde se encuentre. La persona rechazada nunca se entera, evitando así maltratar su auto-estima. Estos servicios son básicamente sistemas de recomendación a partir de perfiles de usuario. Por supuesto, el servicio mostrado en Bones tenía que incluir un elemento más sofisticado al agregar la detección de proximidades.

Recordé ese capítulo porque la semana pasada se lanzó un servicio llamado SpotRank, el cual predice la densidad de gente a cualquier hora y día de la semana en zonas urbanas predefinidas . El usuario envía la latitud y longitud o un punto de acceso y SpotRank dará una buena idea de la densidad en el área. La densidad se muestra como mapa de calor en el cual las zonas rojas corresponden a los sitios con más gente.

 

¿Y ésto para qué sirve?

Las ventajas que plantean son:

  1. Es posible planear una ruta para llegar a un lugar viendo el posible tráfico dentro de una hora y evitar contratiempos. Esto me parece similar a lo que Predestinación busca, habrá que elegir si se quiere tener el servicio en el celular o en el módulo de navegación vehicular 🙂
  2. Si se busca un restaurante se puede ver si en cierto tiempo habrá mucha gente y llegar antes.
  3. Al buscar bienes raíces se puede dar una idea del movimiento del vecindario, si es una zona ruidosa o tranquila.

Las campañas publicitarias pueden ser menos costosas si de antemano se sabe dónde habrá mas gente en ciertos días y horas.

Otras que se me ocurren son:

  1. Si se introduce información histórica sobre manifestaciones se tendría un sistema de predicción de conflictos sociales sumamente interesante.
  2. Tendencias del desplazamiento de personas en epidemias.
  3. Tendencias para asistencia a conciertos y espectáculos masivos.

Este servicio puede combinarse con otras bases de datos comerciales, como ya se está explorando, para dar recomendaciones sobre negocios específicos.

Toda aplicación nueva tiene dos caras y aunque hay beneficios tangibles, no es difícil imaginarse el mal uso que se le puede dar al servicio. Por otra parte, el aspecto de la privacidad de la información sigue latente, aunque la empresa asegura la confidencialidad de los datos. Con toda esa información disponible, el servicio Date or Hate no es precisamente una irrealidad, y no deja de ser un riesgo el que personas cuyos datos no son fidedignos, conozcan tu ubicación exacta.

Referencia

Imagen: Tom Curtis / FreeDigitalPhotos.net


A %d blogueros les gusta esto: