The Independent Sentinel #07

Las fronteras de la IA, los Xenobots y los 7 puentes de Königsberg

¡Hola!

Soy Javier Fuentes, CEO de Akoios, gracias por seguir leyendo de The Independent Sentinel en esta nueva década. Si nos lees por primera vez, debes saber que en esta newsletter contamos curiosidades, avances e historias sobre el mundo de la Ciencia de Datos y la Inteligencia Artificial.

Puedes suscribirte aquí si aún no lo has hecho:

¡Suscríbete ahora!

En esta primera edición de 2020 hablaremos sobre cómo clasificar las distintas tecnologías de Inteligencia Artificial, los avances en robots vivientes y el problema de los 7 puentes de Königsberg

¡Vamos allá! 💼


🎼  ¿Quieres banda sonora? ¡Dale al Play!


1. Inteligencia Artificial

Clasificando las tecnologías de IA

El término de la IA es tremendamente amplio y es a menudo difícil conocer los límites sobre qué es y qué no es Inteligencia Artificial. A este respecto, encontré hace unos días una interesante clasificación a alto nivel de las distintas tecnologías IA propuesta por Francesco Corea.

En su artículo propone su modelo para intentar lidiar con la complejidad de intentar “mapear” el estado actual de la Inteligencia Artificial. Para ello, basa su clasificación en dos ejes principales en lo que ha denominado el mapa de conocimiento de la IA: AI Knowledge Map (AIKM):

  • Dominios de problema: Percepción, Razonamiento, Conocimiento, Planificación y Comunicación.

  • Paradigmas:

    • Herramientas lógicas: Herramientas usadas para representar conocimiento y resolver problemas

    • Herramientas de conocimiento: Herramientas basadas en ontologías y grandes bases de datos de nociones, información y reglas

    • Métodos probabilísticos: Herramientas que permiten actuar en escenarios con información incompleta

    • Inteligencia integrada (Embodied intelligence): Un conjunto de herramientas que supone que hacen faltas algunas funcionas básicas (movimiento, percepción, interacción y visualización) para adquirir una inteligencia superior

    • Búsqueda y optimización: Herramientas para encontrar posibles soluciones a problemas complejos

Como se puede ver, esta clasificación es mucho más amplia que las habituales y da cabida a tecnologías desde la Automatización Robótica de Procesos (RPA), hasta los Algoritmos Evolutivos -de los que hablaremos más adelante- usados para resolver problemas de optimización.

Como ejemplo sobre cómo interpretar el diagrama, podemos usar el caso del Procesamiento de Lenguaje Natural (NLP - Natural Language Processing). Este grupo de algoritmos se enmarca como una combinación de Machine Learning, Métodos Probabilísticos y Herramientas de Conocimiento aplicados para resolver problemas de Percepción.

Como comentario final y como bien explica el autor, el Principio de Pareto emerge una vez más, el 80% de los esfuerzos y resultados que se están obteniendo actualmente, vienen del 20% de las tecnologías representadas en el diagrama (Deep Learning, NLP & Computer Vision).


👉 Con nuestra tecnología Titan es posible poner en productivo todo tipo de modelos, desde modelos NLP hasta algoritmos genéticos. Escríbenos a info@akoios.com y te contamos cómo hacerlo. También puedes solicitar un acceso gratuito para probar nuestro producto aquí https://lnkd.in/gPz-2mJ

Xenobots

La semana salió a la luz la noticia (MIT TR, CNN) de que unos científicos de la Universidad de Vermont y el Allen Discovery Center de la Universidad de Tufts habían sido capaces de crear robots vivientes a partir de células madre extraídas de embriones de ranas.

Estos llamados “Xenobots” han sido llamados así por la rana africana (Xenopus laevis) de las que se han extraído las células, y no por el prefijo griego xenos que significa extraño o extranjero (para desgracia de los fans de Alien y los xenomorfos)

Según los investigadores, han sido capaces de sintetizar formas de vida completamente nuevas de menos de un milímetro (0.04 pulgadas), lo suficientemente pequeñas para viajar dentro del cuerpo humano y con varias capacidades sorprendentes:

  • Capacidad de auto-curarse

  • Capacidad de movimiento

  • Capacidad de cooperación en grupo

Como mencionan, estas formas de vida no son un robot tradicional ni una especie de animal ya conocida, sino un nuevo tipo de artefacto: Un organismo vivo y programable.

La parte más interesante desde nuestra perspectiva es que no estos Xenobots no han sido diseñados por humanos sino que han sido generados en un supercomputador utilizando algoritmos evolutivos.

Distintas soluciones encontradas por el algoritmo evolutivo (Kriegman et al., PNAS, 2020)

Estos algoritmos imitan la selección natural generando, iterando y mutando entre 500 y 1000 células hasta escoger las mejores distribuciones de distintos tipos de células (piel, corazón, etc.) para conseguir el objetivo deseado (e.g. moverse)

Iteraciones hasta conseguir una configuración adecuada (Kriegman et al., PNAS, 2020)

La sección en azul del Xenobot es un conjunto células pasivas mientras que las que aparecen en rojo y verde son células activas (que en este caso permiten al robot moverse).

Según los creadores, estos robots podrán tener múltiples usos como:

  • Administración de antibióticos

  • Limpieza de microplásticos

  • Eliminar coágulos sanguíneos

Estos primeros robots son aún muy básicos pero se espera que vayan ganando en complejidad en futuras versiones añadiendo, por ejemplo, sistemas sensoriales o nerviosos e incluso habilidades cognitivas rudimentarias para interactuar con su entorno.

Esto abrirá la puerta a nuevos y sofisticados usos de estos seres y seguro que también traerá consigo el debate ético: ¿Debemos tratarlos como robots o como seres vivos?

What a time to be alive!

2. Historias 📔

Los 7 puentes de Königsberg

Hay ciertos problemas que han aparecido de forma recurrente en diversos momentos y en diversas culturas de manera aislada. Uno de ellos es el de la optimización de rutas: cómo conseguir visitar diversas localizaciones minimizando la distancia recorrida.

Allá por 1735, el genial matemático Leonhard Euler (una de las mentes más brillantes que ha dado la humanidad) escuchó acerca de un acertijo que se había hecho popular en la ciudad de Königsberg.

La ciudad de Königsberg. Historic Cities Research Project

Königsberg fue la capital de Prusia Oriental desde la Baja Edad Media hasta 1945 cuando fue tomada por los soviéticos y rebautizada como Kaliningrado. La ciudad, dividida por el río Pregel era una ciudad próspera y boyante debido en parte a su especial estructura. Había dos grandes islas en el medio del rio que se conectaban con el resto de la ciudad a través de 7 puentes.

De manera espontánea los ciudadanos de Königsberg idearon un juego que resultó extremadamente difícil de resolver y que consistía en lo siguiente:

Dado el mapa de Königsberg, con el río Pregel dividiendo el plano en cuatro regiones distintas, que están unidas a través de los siete puentes, ¿es posible dar un paseo comenzando desde cualquiera de estas regiones, pasando por todos los puentes, recorriendo sólo una vez cada uno, y regresando al mismo punto de partida?

En primera instancia, Euler no dio demasiada importancia al problema que planteaba el juego ya que pensaba que era un mero pasatiempo sin nada que ver con las matemáticas.

Sin embargo, y como buen matemático, no pudo parar de pensar en el problema y en cómo solucionarlo. Finalmente, el problema le intrigó por su complejidad y, tan es así, acabó compartiendo algunas reflexiones sobre el mismo con otros compañeros matemáticos:

La pregunta que plantea el juego es banal, pero ha llamado mi atención que ni la geometría, ni el álgebra, ni el arte de contar han sido suficientes para solucionarlo.

Tanto obsesionó el problema a Euler que terminó realizando una publicación en 1736 llamada “Solutio problematis ad geometriam situs pertinentis” en la que proponía una solución general al problema planteado, resolviendo así el enigma de los puentes de Königsberg: No había ninguna ruta posible que cumpliera esas características.

Para la resolución, Euler utilizó una representación simplificada del mapa centrándose únicamente en las cuatro regiones y en las conexiones entre ellas:

Fuente: Wikipedia

A modo de curiosidad histórica, dos de los siete puentes fueron destruidos en el bombardeo de Konigsberg por parte de los Aliados durante la Segunda Guerra Mundial.

Actualmente, existen sólo cinco puentes en Kaliningrado, de modo que ya es posible encontrar una ruta euleriana (un camino que empieza en una isla y termina en otra) pero aún no un ciclo euleriano (una ruta que comience y termine en el mismo lugar tal y como se planteaba inicialmente en el problema).

La ciudad después del bombardeo

La resolución del problema por parte de Euler, más que dar carpetazo al asunto, supuso un comienzo. Desde este momento, mucho otros matemáticos empezaron a construir sobre esta idea y a abundar en este tipo de problemas complejos.

Ya en el siglo XIX, dos matemáticos, William Rowan Hamilton y Thomas Kirkman formularon un problema similar pero mucho más conocido: El problema del vendedor ambulante, del que hablaremos en una próxima edición.

Otro hecho interesante es que la abstracción que utilizó Euler para resolver el problema originó la Teoría de Grafos, una teoría ampliamente utilizada en matemáticas y en ciencias de la computación.

En 1996, unos aún desconocidos Larry Page y Sergey Brin desarrollaron conjuntamente PageRank, un algoritmo basado en esta teoría de grafos para representar los enlaces entre webs y ordenar resultados de búsqueda.

Tras eso, acabaron fundando una compañía llamada Google. El resto es historia.

Gracias por leer hasta aquí. ¡Hasta la próxima edición!


¿Disfrutas The Independent Sentinel? Si es así, ayúdanos compartiendo nuestras publicaciones en RRSS.

¿Te has perdido alguna edición? Puedes leer todas aquí:

👉 Si quieres conocer mejor cómo funciona nuestro producto Titan, no te pierdas nuestra serie de tutoriales publicados en Medium.