Aplicaciones

 
 

 

 
          

En el desarrollo y evolución de las diferentes disciplinas científicas, a través de los años, de los siglos y de los milenios, se presentan esporádicamente dos fenómenos muy interesantes.

El primero se relaciona con las "coincidencias". Para ilustrar esta situación simplemente recordemos cómo, a finales del siglo XVII, dos científicos que vivían y trabajaban en diferentes países, alejados uno del otro y sin conocerse ni saber de sus respectivos logros, inventaron el cálculo infinitesimal (diferencial e integral), disciplina que ha tenido tanta influencia en el desarrollo de la ciencia y la tecnología modernas. Newton (1642-1727) en Inglaterra y Leibniz (1646-1716) en Alemania, el primero intentando medir la velocidad de un móvil y el segundo intentando medir la pendiente de la tangente a una curva en un punto dado, arribaron a los mismos conceptos y a expresiones matemáticas similares, aunque con notaciones distintas, pero equivalentes.

En el área de las memorias asociativas ocurrió un hecho análogo al anterior, guardando las debidas proporciones: en 1972 James A. Anderson y Teuvo Kohonen inventaron casi de manera simultánea el Linear Associator. Ambos obtuvieron resultados asombrosamente similares a pesar de que trabajaron independientemente, alejados, y sin tener noticia uno del otro, hasta tiempo después de que aparecieron los artículos; además, estos autores tienen formaciones profesionales totalmente diferentes: Anderson es neurofisiólogo (estadunidense) y Kohonen es físico e ingeniero eléctrico (finlandés).

El segundo fenómeno interesante que vale la pena mencionar es la aparición de nuevos conceptos o teorías científicas que aparentemente son inútiles: ¿en qué se aplica?, inquiere algún escéptico, y al no obtener una respuesta satisfactoria a su pregunta, decide pensar que "eso" no sirve para nada, que es "pura teoría".

Craso error. Al paso del tiempo y más temprano que tarde, esos escépticos corroborarán que aquella idea o teoría "inútil", de pronto se convierte en la sólida base teórica de algún proceso científico, industrial, educativo, financiero, comercial o tecnológico.

En el Centro de Investigación en Computación del Instituto Politécnico Nacional de México se cultivan las ciencias de la computación y la ingeniería de cómputo.

Los que se dedican a la ingeniería de cómputo persiguen logros relacionados con mejoras en los equipos, en el hardware, en los fierros, en las herramientas fundamentales de quienes "hacemos" computación, basados en conceptos de las ciencias duras como la matemática y la física, y las ciencias de la ingeniería: ¿quién puede dudar de la aplicabilidad inmediata de este tipo de productos?.

Cuando se trata de ciencias de la computación, es común observar en algunos miembros de esta comunidad científica cierta tendencia a preguntarse: ¿en qué se aplica?. La pregunta es perfectamente válida, pero amplios sectores de la comunidad creemos que la pregunta debería formularse de una manera ligeramente diferente.

En el Grupo Alfa-Beta preferimos preguntarnos ¿qué método o qué algoritmo seré capaz de crear para resolver este tipo de problemas?; ¿cuál teoría matemática o perteneciente a las ciencias naturales o sociales podré adaptar de modo que me permita generar algoritmos útiles para atacar la problemática de tal o cual área de la actividad humana?; ¿cómo podré sustentar teóricamente este procedimiento para así garantizar su eficacia o eficiencia?; ¿qué debo hacer para bajar la complejidad de este algoritmo y que al mismo tiempo siga siendo eficaz?

Cuando se crean, diseñan y operan algoritmos producidos con las ideas del párrafo anterior en mente, las aplicaciones específicas vienen por añadidura.

Por ejemplo, y para entrar de lleno en nuestros temas de interés, si los miembros del Grupo Alfa-Beta hemos logrado generar algoritmos basados en modelos matemáticos de memorias asociativas más eficientes y eficaces que las conocidas con anterioridad, cuando aplicamos estos nuevos modelos a problemas de cualquier área de la actividad humana donde sea posible aplicar memorias asociativas, podemos estar seguros de que los resultados serán mejores en cada problema particular, dado que ya previamente se ha mostrado que los nuevos modelos son mejores en general.

Existen sitios web en muchas universidades, organizaciones gubernamentales o no lucrativas e incluso instituciones privadas a nivel mundial, que ponen a disposición de los investigadores del orbe (gracias a la maravilla de internet) bases de datos correspondientes a casi cualquier disciplina de la actividad humana. Es sorprendente la variedad de tipos de datos de que se dispone para probar y hacer funcionar los algoritmos creados por los científicos de la computación. Esas bases de datos por lo general han sido probadas por grupos de investigación de todo el mundo y se pueden usar con plena confianza.

Por ejemplo, en la University of California, Irvine, está disponible el UCI Machine Learning Repository, el cual contiene más de 120 bases de datos, entre las cuales es posible encontrar datos reales de temas y fenómenos tan diversos como: hepatitis, ionósfera, dígitos escritos a mano con pluma, arritmia cardiaca, variedades de hongos, vinos, tratamientos de aguas negras, biología molecular, robots móviles, cáncer de pulmón, diabetes en la tribu de los indios pimas, lógica teórica, segmentación de imágenes, banderas, ecocardiogramas, automóviles, pacientes de tiroides, ajedrez, problemas financieros, créditos, lentes de contacto y muchos temas más. Para una descripción más amplia, ver el archivo README de dicho repositorio.

Además, desde este sitio hay ligas a otros sitios que contienen bases de datos no menos importantes, entre las que se encuentran una de las más usada para dígitos escritos a mano: la base de datos NIST.

Uno de los temas que rápidamente se han posicionado en el interés de la comunidad científica es la bioinformática. En el Grupo Alfa-Beta estamos iniciando recientemente la incursión en esta fascinante disciplina y, para empezar, se recomienda a los interesados consultar dos de los sitios más importantes del área: el PROTEIN DATA BANK, y la Stanford Microarray Database.

Con lo anterior, es posible percatarse de que la gama de aplicaciones es muy amplia, y abarca temas de todos los gustos y tendencias. Lo importante es encontrar algoritmos genéricos y después aplicarlos a casos específicos donde se palpe su utilidad práctica.

          
 

 

 

[INICIO] [INVESTIGACIÓN] [TRABAJOS] [CONTACTO] [VÍNCULOS] [MAPA DE SITIO]

 

webmaster@aldape.org.mx