Usted está aquí: martes 23 de octubre de 2007 Economist Intelligence Unit No inventes: evoluciona

Economist Intelligence Unit

Tecnología

No inventes: evoluciona

“No fracasé. Acabo de encontrar 10 mil formas que no funcionan”, dijo Tomás Alva Edison, el prolífico inventor, al describir sus intentos por perfeccionar el foco incandescente en el laboratorio. Aunque 10 mil intentos de prueba y error pueden parecer demasiados, una nueva técnica de laboratorio para desarrollar inventos supera con mucho el enfoque exhaustivo de Edison. El diseño evolutivo, como se le conoce, permite que una computadora pruebe decenas de millones de variantes de un invento hasta dar con la mejor solución a un problema.

Como sugiere su nombre, el diseño evolutivo toma sus ideas de la biología. Parte de un modelo básico y lo convierte para mejorarlo sin aportación humana. Como en la biología, la mayoría de las mutaciones son peores que el original, pero unas cuantas son mejores, y éstas se usan para crear la siguiente generación.

El diseño evolutivo usa un programa de computadora llamado algoritmo evolutivo, el cual toma los parámetros iniciales del diseño (como longitud, superficie, volumen, corriente y voltaje) y trata a cada uno como si fuera el gen de un organismo. En conjunto, esos genes forman el genoma del producto. Al mutar al azar esos genes y mezclarlos con otros genomas mutados en forma semejante, se crean nuevos diseños derivados, los cuales se ponen en uso simulado mediante un segundo programa. Si se observa que un derivado en particular no se ajusta a la tarea, se le descarta. Si promete, se le combina selectivamente con otro eficaz para ver si los resultados, al sujetarse a ulterior mutación, pueden funcionar aún mejor.

La idea de los algoritmos evolutivos no es nueva. Hasta hace poco, sin embargo, su uso se ha confinado a proyectos como refinar los perfiles aerodinámicos de los automóviles, fuselajes y alas de avión. Esto es porque sólo las grandes empresas han podido costearse las supercomputadoras necesarias para mutar y cruzar grandes genomas virtuales –y luego simular la conducta de sus derivados– durante unas 20 millones de generaciones antes de que surja el diseño perfecto.

Lo que ha cambiado, en esto como en tantas otras cosas, es la disponibilidad y economía del poder de las computadoras. Según John Koza, de la Universidad de Stanford, uno de los pioneros en el campo, diseños evolutivos que habrían tardado meses en correr en computadoras personales son ahora posibles en días.

El resultado es que la gama de aplicaciones a las cuales se aplican los principios del diseño evolutivo crece de prisa. Entre las que se revelaron en la Conferencia sobre Computación Genética y Evolutiva realizada en Londres este verano están memorias USB de larga vida, motores super rápidos para yates de competencia, fibras ópticas de ultra alta banda ancha, antenas de Wi-Fi de alto desempeño (evolucionadas para evitar honorarios por patentes), implantes cocleares que pueden optimizarse según pacientes individuales, y un analizador de cáncer por biopsia que ha evolucionado para igualar las capacidades de ubicación de tumores de un patólogo humano.

¿En qué forma puede la evolución mejorar una memoria USB? Resulta que los transistores de almacenamiento de esos dispositivos son proclives a atascarse con carga electrostática que no pueden disipar. Eso impide que se puedan borrar y limita su vida útil. Un equipo de la Universidad de Limerick, en Irlanda, evolucionó nuevas pautas de señales temporales que minimizan la acumulación de la carga incapacitante. Las memorias resultantes duran hasta 30 veces más que sus predecesoras. En la Universidad de Sydney, en Australia, Steve Manos dejó que un algoritmo evolutivo produjera dibujos novedosos en una fibra óptica a la que se abren orificios de aire a lo largo. Normalmente estos orificios se arreglan en pauta hexagonal, pero el algoritmo generó un extraño dibujo parecido a una flor que a ningún humano se le hubiera ocurrido intentar. Duplicó el ancho de banda de la fibra.

Entre tanto, Pierrick Legrand, de la Universidad de Burdeos, Francia, ha empleado el método para optimizar dispositivos individuales según el usuario. Se trata de implantes cocleares que ayudan a oír mejor a quienes tienen problemas. Una de las tareas más difíciles para quienes acondicionan esos dispositivos es dar con la coreografía precisa de voltajes y tiempos necesarios para aplicar a los 20 o más electrodos insertados en el nervio auditivo, a fin de que funcionen apropiadamente. Las señales requeridas varían de un paciente a otro y algunas personas pasan muchos años antes de que un audiólogo obtenga la combinación adecuada.

El doctor Legrand ha desarrollado un sistema evolutivo que trabaja con rapidez. Coevoluciona varios canales a la vez, lo cual permite al paciente decir al médico la forma en que opera cada estimulación de electrodos. Legrand dice que con este método se logró ajustar en un par de días un implante que le había causado problemas al paciente durante una década.

Tal vez el uso más astuto de un algoritmo evolutivo es el que le ha dado el propio doctor Koza. Su equipo de Stanford desarrolló una antena de Wi-Fi para un cliente que no quería pagar honorarios por licencia de patente a Cisco Systems. El equipo alimentó al algoritmo con cuantos datos le fue posible de la patente de Cisco y le dijo que diseñara formas de darle la vuelta. Lo logró. El resultado es un diseño que no infringe la patente de Cisco, y además es más eficiente para conectarse. Siglo y medio después de que Darwin sugirió que la selección natural es el mecanismo de la evolución, los ingenieros han vuelto a demostrar que tenía razón.

Fuente: EIU

Traducción de texto: Jorge Anaya

 
Compartir la nota:

Puede compartir la nota con otros lectores usando los servicios de del.icio.us, Fresqui y menéame, o puede conocer si existe algún blog que esté haciendo referencia a la misma a través de Technorati.