“Bringing DNA computers to life”

Presentado el 18 de mayo del 2006
para cierto curso Universitario.

Cuando Alan Turing habló de computadores, no se refirió a otra cosa que no fueran seres humanos. El concepto puro que Turing tenía de una máquina no tenía alambres, transistores o compuertas lógicas. Siempre lo imaginó como una persona con un papel de largo infinito, un lápiz y un libro de instrucciones simples.

Por ejemplo, los organismos vivientes también llevan a cabo procesos físicos complejos bajo la dirección de información digital. Reacciones biomecánicas y últimamente la operación entera de un organismo, están sujetas a instrucciones almacenadas en su genoma, codificadas en secuencias de ácidos nucleicos.
Cuando el trabajo de las máquinas biomoleculares dentro de las células que procesan ADN y ARN son comparadas con la máquina de Turing, similitudes inmensas emergen: ambos sistemas procesan información almacenada en una tira de símbolos tomados de un alfabeto, y ambos operan moviéndose paso a paso a través de esas tiras, modificando y sumando símbolos de acuerdo a un conjunto de reglas. Este paralelismo ha inspirado la idea de que las moléculas biológicas pueden un día ser la materia prima de una nueva especie de computadores. Pero las moléculas tienen una habilidad única: hablan el lenguaje de las células vivas. La promesa de computadores hechos de moléculas biológicas se basa en su potencial para operar entre un ambiente biomolecular, aún dentro de un organismo vivo, e interactuar con el ambiente mediante entradas y salidas en la forma de otras moléculas biológicas.
En los pasados 7 años, se ha estado trabajando para hacer realidad este sueño. Se ha alcanzado el crear un autómata biológico hecho de ADN y proteínas capaz de diagnosticar en un tubo de ensayo la sinopsis molecular de ciertos canceres y tratar la enfermedad liberando moléculas terapéuticas.

La primera demostración del mundo real del poder de las moléculas computacionales fue en 1994 cuando Leonard M. Adleman de la Universidad de Calorina del Norte usó el DNA para resolver el ciclo Hamiltoriano.
Más adelante Beneson tuvo la idea de usar una molécula de ADN para representar la tira de entrada., otras cuatro moléculas de ADN más pequeñas para representar las reglas de transición del autómata y dos enzimas manipulables de ADN como el hardware. El mayor problema en su diseño era saber cómo representar los cambiantes estados intermedios, que consistían en estados internos del autómata y un apuntador al símbolo que en ese momento estaba siendo procesado de la tira de entrada. Una vez la entrada, las moléculas de software y hardware eran ubicadas en un buffer apropiado de solución en un tubo de ensayo, se comenzaba a computar y se procedía a completar sin intervención humana.
Sólo dos estadios eran suficientes: si o no. El autómata comenzaría el cómputo en el estado de si y chequearía una condición a la vez. Si una condición en su lista estaba presente, el estado de si se mantendría, pero si no estaba, el autómata cambiaba su estado a un no y se quedaría así para el resto del proceso a computar.
Una vez de que se tuvo tanto un mecanismo de entrada que podía censar síntomas de enfermedad, y un aparato lógico que realizaba el diagnóstico, la siguiente pregunta era: ¿qué debe de hacer una computadora luego de que una enfermedad era diagnosticada? Primero se consideró el reportar una señal de diagnóstico visible. En el mundo molecular, sin embargo, producir una señal y tomar el siguiente paso lógico de administrar un medicamento no están del todo lejos. Binyamin Gil propuso entonces un mecanismo que le permitía al computador liberar una molécula de ese tipo dando resultados positivos.

Así, se crearon dos tipos de moléculas computacionales: una designada a liberar un medicamento cuando el cómputo terminaba en estado de sí, y por otro lado liberar un supresor del mismo medicamento cuando el cómputo termina en estado de no. Cambiando las respectivas concentraciones de estos dos tipos de moléculas, se puede tener buen control sobre la certeza del diagnóstico que tendrá acabo la administración del medicamento.

Sin embargo este estudio no sugiere que las moléculas reemplazarán a las máquinas para todas las tareas computacionales. Las dos especies tienen sus diversas fortalezas y bien pueden coexistir. El hecho de que las biomoléculas pueden tener acceso directo a los datos codificados en otras biomoléculas, son compatibles con sistemas vivos de la forma en que los computadores electrónicos jamás podrán.De igual forma, se cree que estos experimentos sugieren que estas nuevas especies de computadores son de fundamental importancia y utilidad en una gran variedad de aplicaciones. El computador biomolecular se ha creado.

“Las dos caras de la Inteligencia Artificial”

Presentado el 16 de mayo del 2006
para cierto curso Universitario.

Inteligencia Artificial e Inteligencia Artificial.
La definición de la inteligencia natural (I.N.) es difícil y áspera, pero bien se podría decir que obrar inteligentemente corresponde a tomar la decisión correcta de acuerdo al entorno existente.
De la exhibición continua de comportamientos inteligentes se puede determinar si un ente posee o no esta característica intelectual; así entonces IA se puede definir como la rama de la computación que busca desarrollar programas tales que, si su labor fuera realizada por un ser humano, se diría que el ser humano ha exhibido inteligencia.
Las dos tendencias más conocidas por medio de las cuales se ha buscado dotar a las máquinas de comportamiento inteligente son el enfoque simbólico y no simbólico. De los enfoques no simbólicos debe destacarse la rama de conexionismo o redes neurales.

La prueba de la máquina de Turing y el proceso del pensamiento según Searle.
Se han presentado una serie de argumentos que desmienten la efectividad de la prueba de Turing como un elemento real par discernir so una máquina exhibe o no un comportamiento inteligente similar al de un ser humano.
En particular han tomado fuerza en los últimos años las teorías filosóficas de John Searle con respecto al pensamiento. La intencionalidad es una característica de la conciencia de manera que el individuo está consciente de los fines de sus actos.
El concepto de intencionalidad es importante porque ayuda a distinguir el verdadero proceso del pensamiento de una acción mecánica. Para Searle las máquinas son capaces de exhibir comportamiento inteligente, de hecho los seres humanos son las máquinas que actualmente lo exhiben. De igual forma, pueden existir fenómenos tan complejos en su estructura y funcionamiento que el modelo más sencillo que se puede considerar para estudiarlos sea el sistema mismo.

La representación del conocimiento.
Se entenderá por representación del conocimiento la selección de una estructura abstracta de datos para la representación de la información sobre un área específica de conocimiento.
Una forma de representar este conocimiento de forma simbólica es por medio de reglas if-then. Si se cumplen las condiciones presentes en la parte del if de la regla se ejecutarán las acciones presentes en el then. Este tipo de representación es bastante utilizado en los Sistemas Expertos. Una vez que se cuenta con las reglas el manejador de la base de conocimientos, llamado motor de inferencia, se encarga de escoger la regla que más ajusta a las relaciones existentes.
Las redes neuronales son una forma no simbólica de representar el conocimiento. Su estructura se basa en la estructura de las neuronas biológicas. Las neuronas son los elementos que almacenan y procesan información en el cerebro humano. Estas poseen muchos canales de entrada llamados “dendritas” y producen una única salida la cual se propaga por medio del “axón” hacia las otras neuronas. El funcionamiento interno de la neurona es relativamente simple, su poder computacional surge de la densa interrelación entre las neuronas. La red neuronal trabaja con números, no con símbolos.

Relación entre el pensamiento y la representación del conocimiento.
Supongamos que es posible construir por medio de las redes neuronales un sistema tan complejo e inteligencia que sea capaz de pasar la prueba de Turing. Dicho sistema no es reducible (al menos en principio) al problema del cuarto chino, puesto que su funcionamiento es holístico, yaciendo su conocimiento en la globalidad del sistema. Ninguna parte de dicho sistema guarda de forma clara y simbólica la información, sino que por el contrario la información se encuentra distribuida en toda la red.
Es claro que el sistema construido por medio de redes neuronales es compatible con la prueba de Turing y la teoría del pensamiento de Searle. Parecer ser entonces que la teoría de Searle aboga por sistemas no simbólicos, puesto que cualquier representación simbólica es reducible al problema del cuarto chino.

“De la Inteligencia Artificial y otros detalles…”

Presentado el 23 de febrero del 2006
para cierto curso Universitario.
Basado en un artículo publicado
en alguna revista importante.

Muchas cosas empiezan con propuestas, se podría inclusive decir que la vida entera es una propuesta infinita y calculada, claro que ésta se divide en partes, y cada una de ellas poseen en sí, una propuesta específica. Así que Alan M. Turing se atreve a lanzar una, y sucede que no es otra cosa más que el evocar el génesis de toda una era de incertidumbre, roces filosóficos y computólogos aferrados a un ideal positivista de “sí se puede”.
¿Y cuál es esa pregunta?, la respuesta no es otra más que: ¿pueden las máquinas pensar?
Es una frase carente de puntos suspensivos, en realidad es completamente puntual y deja la imposibilidad de redundar mucho en otros temas. La pregunta es simple, pequeña, compacta, predecible, quizás, si nos remontamos a la era actual; un tema trillado dirán: si ya hasta se imparte como cátedra común en la universidad es porque el asunto ha adquirido tal popularidad que debería ser normal referirse a él.

Yo replantearía la pregunta, la haría más exacta, un poco más cercana a la realidad. ¿Pueden las máquinas parecerse a un ser humano tanto que hasta sería imposible, a simple vista, reconocer si en efecto se trata de una máquina o una persona?, creo más en una respuesta cabal a esta pregunta, tomando en cuenta los experimentos, conclusiones, conceptos, teoremas e hipótesis posteriormente expuestas por Turing, y a mi propia concepción con respecto al tema. El asunto no es fácil de explicar.
El meollo de tanta incertidumbre es el siguiente: tomando como punto de partida las premisas de Turing, yo me pregunto: ¿y quién dijo que el ser humano puede pensar? El hecho de que nosotros creamos poseer la certeza de que nuestro prójimo funciona de una forma similar a la nuestra no muestra absolutamente nada; así, la experiencia no es sólo una prueba cuestionable, sino que además suele ser fluctuante y carente de valores conceptuales.
Es decir, no por el hecho de que nosotros creamos pensar se puede concluir inmediatamente que entonces el resto de personas también posean esa capacidad; dentro de nuestra concepción estamos limitados, en este punto es importante recalcar, que no se puede suponer la existencia de algo basado en lo que se supone ha sido nuestra propia experiencia.

El ser humano actúa por imitación, al igual que los animales, e incluso una máquina puede aprender por imitación, eso es completamente natural; se supone entonces que el misticismo humano radica en nuestra capacidad de razonamiento, siendo esto no más que una capacidad inherente de escoger y ser impredecible: nuestro comportamiento se traduce entonces en una sola frase: estados caóticos.
Eso es lo que comúnmente se profesa, incluso y entran a jugar conceptos como “libre albedrío” y otras quimeras filosóficas cuando en verdad sabemos que nuestra realidad está sujeta y completamente limitada a las alternativas expuestas, esto es, el aprendizaje previo.

Si yo por ejemplo deseo escoger mi color favorito y únicamente poseo de alternativas el blanco o negro, es imposible que sin saber la pre-existencia del rojo, sea este último el que escoja. 1ª Conclusión: nuestra libertad está limitada.
Si además por ejemplo, de pequeña nunca pude superar un trauma hacia la oscuridad, es muy posible que entonces tenga cierta aversión hacia el color negro, y termine escogiendo el blanco. 2ª Conclusión: lo impredecible está limitado por la experiencia o aprendizaje previo.
3ª Conclusión: La experiencia o aprendizaje previo no es más que un repositorio de imágenes visuales e información debidamente almacenada y conectada entre sí, que sea entendible y utilizable de forma lógica. Responde a la premisa de imitación. Todo lo hemos aprendido por imitación, los sonidos traducidos en vocales y palabras, así como los garabatos en papel a manera de escritura e incluso la forma de comer, la colectividad y poca variedad en la forma de agarrar un tenedor o cuchara no presupone otra cosa más que imitación.
Se ha comprobado que el comportamiento humano resultante luego de comer chocolate es equivalente a la sensación de estar enamorado. 4ª Conclusión: los llamados sentimientos no son más que respuestas químicas y por lo tanto se pueden simular.
Un animal cualquiera, incluidos los seres humanos, es capaz de aprender por prueba y error. El razonamiento no es otra cosa más que el recordar cierta vivencia y sacar conclusiones con respecto a dicho aprendizaje. Este apartado refuerza la 3ª conclusión.

En realidad se puede ahondar mucho más en el tema, pero incluso y tomando como premisa los estados caóticos y ver la sociedad mundial como un apartado impredecible es completamente erróneo. El ser humano, tanto como ente social así como personal, es un partícipe causal del entorno donde se desenvuelve, y esto presupone la posibilidad de predecir su comportamiento por causa de las limitaciones antes expuestas. Si no fuera así, entonces sería imposible medicar a un paciente psiquiátrico porque si todos actuáramos como entes únicos, entonces se debería desarrollar un tratamiento particular y personalizado a cada paciente, cosa que obviamente no ocurre: se tienen métodos, técnicas, medicamentos estandarizados, todo meramente clasificado.
No existiría la sociología o antropología, sería imposible encapsular los comportamientos humanos, pero obviamente por nuestra incapacidad de crear y concebir nuevos estados que antes no estuvieran ahí ya sea por causalidad o por conclusiones previas, somos categorizados en grupos y eso, efectivamente, no presupone nada impredecible.
Incluso y lo que se ha descubierto ya estaba en la naturaleza, así, se demuestra de nuevo que actuamos por imitación, tomamos conceptos superfluos y los reproducimos en conjunto con otros, haciéndonos parecer que es algo nuevo, cuando en realidad es el híbrido de dos conceptos pre-existentes.

Bajo estas premisas, entonces el ser humano no es ni impredecible ni de pensamiento ilimitado, es decir que es hasta inferior a un autómata, tomando en cuenta que un autómata puede contener información ilimitada, limitante clave en un ser humano. Así, el ser humano se traduce en ser un autómata de segundo grado, y como un autómata es en realidad una máquina, entonces el ser humano es una máquina. Por consiguiente la conclusión final a la pregunta ¿pueden las máquinas pensar? es esta: sí, considerando la suposición de que lo que hace el ser humano es pensar, entonces efectivamente una máquina puede pensar.

**Nota: si la lectura del texto anterior suena contradictoria, aclaro vale la pena leer primero la seccion: "En construcción" también publicada en ésta página.