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 |