Objetivos
Introducir algunas manifestaciones y herramientas de la teoría de la complejidad y el caos
Pensamiento profundamente contrario al sentido común
Que opera casi siempre en forma proporcional o lineal
El todo es diferente a la suma de las partes
Caso del agua
La complejidad surge a partir de elementos muy simples
Nada que ver con el azar, ni (necesariamente) con la numerosidad
Agenda
El problema del cerebro
Heurísticas naturales – Algoritmo genético
Gramáticas complejas
Aplicaciones en ciencias sociales
Si hay tiempo: Caos determinista
Conclusiones
Referencias
Problema: Ilusiones ópticas
(Gp:)
(Gp:)
(Gp:)
Problema: Ilusiones ópticas
(Gp:)
(Gp:)
(Gp:)
Ilusiones ópticas
© M. Bach & J. L. Hinton, 2005
Persistencia
Aristoteles, “De Somnis” – Robert Adams, 1834
Cerebro
La visión sólo usa los ojos como artefactos periféricos
Visión continua a pesar de la retícula (retina = red)
Eficacia evolutiva de las suposiciones en el procesamiento de información
¿Cómo pudo constituirse algo tan complejo en sólo 7 mil millones de años?
Una complejidad tan grande requiere un método de resolución poderoso
Este método es una dinámica de cambio
Selección natural
Modalidades
Nombre global: Computación evolutiva
1. Algoritmo genético (John Holland)
Representaciones lineales (binarias), crossover, mutación
2. Estrategia evolutiva (Rechenberg-Schwefel)
Representaciones reales lineales
Operadores: mutaciones gaussianas, combinaciones de vectores de progenitores
3. Programación genética (John Koza)
Representaciones arboladas recursivas, LISP
4. Memética (Richard Dawkins, Daniel Dennett)
Memes
No crossover, mutación al azar
¿Qué métodos de búsqueda* usan los antropólogos?
*O resolución de problemas, exploración, inducción, aprendizaje, etc… (Gregory Bateson)
Análisis caso por caso (Modelo mecánico)
Método aleatorio o estocástico (Modelo estadístico)
Ninguno (Modelo hermenéutico)
Otra pregunta
¿Qué modelo de cambio genuino hay que no sea evolutivo?*
Algoritmos adaptativos
Replicación
Mutación
Combinación
Selección
¿Qué cosa o idea hay que no cambie de ese modo?
“No hay nada de biológico en la selección natural”
*Hasta hace poco había otro, pero no está pasando por un buen momento.
Algoritmos evolutivos
Se pueden aplicar a problemas en los cuales las estrategias clásicas fallan.
El espacio de búsqueda puede ser inmenso.
La función de destino puede ser ruidosa, no lineal, no diferenciable, discontinua, multimodal, de alta dimensionalidad y puede estar sujeta a múltiples clases de restricciones.
Algoritmo genético
John Holland, 1960s
“Los organismos vivientesson consumados resolvedores de problemas”
Adaptation in natural andartificial systems, 1975
Algoritmo genético
Población de soluciones
Serie de caracteres (cromosomas)
Caracter (gen, rasgo)
Reproducción sexual y cross-over
Mutación
Ciclo:
1. Generar población
2. Evaluar adecuación
3. Los mejores se reproducen, los peoresse extinguen
4. Aplicar mutaciones
5. Actualizar población
6. Volver a 2
Cross-over
La riqueza no está en el azar, sino en la diversidad
Ejemplo: Match – William Langdon, UCL
ALGORITMOGENETICOENPOSADAS
2726 = 16,423,203,268,260,700,000,000,000,000,000,000,000
1017 = 100,000,000,000,000,000
FACU.TXT
AplicacionesArqueologíaAntropología socioculturalArte & DiseñoMúsica*
*Si no se puede componer música o pintar, pongan en duda el método
Robert Reynolds
Voto y promoción
Conocimiento situacional y normativo
AC se utiliza en computación como algoritmo de optimización
Página siguiente |