¿Principios de un cambio en la Ciencia en México?

Ya salió el volumen actual de la revista de la Academia Mexicana de Ciencias (Ciencia) que trata de la historia de la ciencia médica mexicana.
Aprovecho para citar un artículo muy interesante que fue publicado en 2010, cuando yo llevaba un año trabajando en México, sobre los desafíos actuales de la ciencia en México ante la globalización.

Como lo van a leer, la situación no ha mejorado entre 1990 y 2008, al contrario. Un ejemplo muy significativo es la siguiente gráfica (que espero que el autor me permitirá reproducir aquí) sobre la tasa de dependencia que representa la tasa de patentes solicitadas por nacionales entre patentes solicitada por residentes. Un alto valor significa que más extranjeros patentan en un país que sus propios ciudadanos. Ibarra Arias presentaba en 2010 que:

"En este caso, México en 1990 presentaba una tasa de 6.7, cifra no tan alejada de la presentada por Estados Unidos (0.8) y Brasil (0.9). Sin embargo, este valor se incrementó significativamente para el 2007: la tasa de dependencia de nuestro país quedó valorada en 24.9, mientras que las de Estados Unidos y Brasil se mantuvieron sin cambios muy importantes (0.9 y 1.6, respectivamente)."

Para matizar un poco el impacto de esta gráfica, tenemos que precisar que el artículo explica bien que a pesar de esas cifras, hay cada vez más mexicanos responsables de consorcios internacionales o realizando excelentes trabajos en proyectos que involucran su país y el extranjero. Además, cabe recordar que hay varios organismos públicos y privados que están intentando invertir esta tendencia para que sea cada vez más fácil que un nacional patente su trabajo realizado en su país.

Personalmente, creo que es importante que también los jóvenes mexicanos muy ingeniosos, innovadores y emprendedores empiecen a proteger sus excelente ideas cuando puedan, sin temer el largo camino de la protección de ideas y patentes. Hay quiénes apoyan, ayudan y guían. Además, 2012 es el año de la innovación...

Mañana publicaré aquí el artículo que IQ publicó hoy y que aspira a empezar a presentar un grupo de varios jóvenes que conozco que trabajan en un sector muy popular actualmente: la micro y nanotecnología. Luego publicaré una presentación corta de cada un@ de ell@s y espero que l@s podamos seguir en el tiempo para ver cómo les va.

Por supuesto, aquí en Curious Mat estamos más que dispuestos a incrementar el número de participantes, y estamos abiertos a presentar más (si quieren entrar a la lista, contáctenme). 

Hacia las biocomputadoras (2/2)

Artículo publicado en el Liberal del Sur el domingo 19 de febrero de 2012.

[Ver el primer artículo]

Después del artículo sobre las computadoras cuánticas, decidimos presentarles otra posible alternativa a las computadoras clásicas que podría formar parte de nuestras vidas cotidianas en un futuro no tan lejano. La semana pasada, hablamos del tema muy interesante de las computadoras inteligentes o bio-computadoras, basadas en un principio de aprendizaje que matemáticos han llamado redes neuronales artificiales.  Hoy les damos una visión un poco más detallada de lo que son esas redes artificiales, capaces de aprender casi solas.

Presentación de las redes neuronales artificiales

Para empezar a hablar de las redes neuronales artificiales (o ANN por sus siglas en inglés “Artificial Neural Network”) podemos basarnos en una tabla que da Prof. Leslie Smith del Centro para la Neurociencia Cognitiva y Computacional del Departamento de Matemática de la Universidad de Stirling (Reino Unido). Smith nos dice que las computadoras actuales son excelentes para realizar cálculos matemáticos rápidos y para cumplir con lo que un programador humano le pide con un programa específico. Sin embargo, no saben interactuar bien con la información ruidosa, como un error en la transmisión de datos por ejemplo, y no pueden adaptarse a un cambio de condiciones iníciales o de circunstancias. Básicamente, las ANN son un nuevo paradigma en el mundo de las computadoras porque, con ellas, los matemáticos aspiran a un procesamiento más simple pero a un grado más alto de interconexión, capaz de aprender y entonces adaptarse.

Tomamos un ejemplo: el reconocimiento de contenido de imágenes. Un ser humano ha aprendido desde su infancia a reconocer todos los elementos del mundo que lo rodea. Cuando alguien toma una fotografía de un paisaje, sabemos inmediatamente reconocer el árbol, el río, las montañas, etc., aunque la foto sea de México, Francia, China o cualquier otro lugar. Una computadora es incapaz de realizar esa operación tan sencilla para nosotros. No puede discriminar entre los elementos de una imagen, y es difícil enseñarle a reconocer los contornos de los objetos para empezar. Una computadora ve una imagen como una lista de números, ¿cómo saber dónde está el límite entre el árbol y el fondo por ejemplo? Quizás han visto que algunas cámaras de fotografía saben reconocer los rostros y las sonrisas de la gente: pues un ser humano tuvo que escribir un programa en el procesador de esas cámaras para que sea capaz de esto. Pero reconocer otros contornos requeriría de otros programas y de otros métodos de detección, lo que haría el procesamiento un poco más lento.

Entrenar y enseñar

En el caso del reconocimiento de patrones específicos es una tarea complicada para una computadora clásica; y es uno de los numerosos terrenos de aplicación de las varias familias de ANN que existen hoy. Los algoritmos matemáticos que se desarrollan desde hace muchos años son principios de cálculo más o menos sencillos; apenas unas ecuaciones que se pueden encontrar en la literatura. Esos algoritmos son una especia de “prueba y error” para una tarea muy bien determinada al principio, y con un entrenador que dice a la máquina si se equivoca o no en su tarea. El poder de las ANN es que es sus ecuaciones, en su programa, tiene la capacidad de reprogramarse a sí mismas: si se dan cuenta, por el método de enseñanza, que se equivocan, cambian los coeficientes de las fórmulas para adaptarse y memorizar sus errores de alguna forma. En 1962, Rosenblatt, uno de los padres de las ANN, dijo que una de las familias de ANN llamada los Perceptrones era capaz de aprender cualquier cosa que se pueda representar, gracias a un procedimiento de ajustamiento de los parámetros de su función o ecuación. En el caso de las ANN, “representar” quiere decir simular con una función específica y “aprender” sería entonces modificar su propio programa de detección, memorizando sus errores para no volver a equivocarse.

El principio parece demasiado sencillo, pero funciona muy bien: aunque todos los arboles del mundo son únicos y diferentes, las ANN son capaces, como nosotros, de reconocer similitudes entre ellos y de ver la diferencia entre un árbol y una montaña en una foto. Se pueden entrenar a ver todo lo que uno les enseña a ver y cada vez se equivocan menos. Necesitan entonces una fase de funcionamiento supervisado en las cuales el entrenador les ayuda y cuando logran reconocer lo que se les enseñó con un bajo porcentaje de error, se pueden dejar trabajar solas. A veces se pueden volver a capacitar, como los seres humanos. Una gran ventaja de esa técnica es que también saben procesar información ruidosa (o borrosa en el caso de las fotografías), al contrario de las computadoras actuales y de sus programas. Una desventaja es que, al igual que el proceso de aprendizaje y de educación de un ser humano para poder realizar una tarea sin equivocarse, la red neuronal artificial entrenada tiene que haber visto una gran variedad de casos diferentes. A pesar de poder acelerar la capacitación con máquinas, la diversidad de modelos presentados en la fase de aprendizaje es crítica. Pero algún día, quién sabe si no tendremos máquinas capaces de hacer todo lo que les pedimos sin equivocarse. ¿Tu, que les pedirías?

Jovenes inovadores

El concurso TR35 iniciado por el Massachussets Institute of Technology (quizás mejor conocido como MIT) para otorgar premios a los jóvenes de menos de 35 años más innovadores de su país está llegando a México este año.

Veremos en mayo a quienes recompensaron en nuestro país.

Si tienes menos de 35 años y quieres postular al premio TR35, busca una persona que te pueda recomendar y dile que te inscriba en la siguiente página antes del 29 de febrero: http://www.technologyreview.es/tr35mx/nominate/

Hacia las biocomputadoras (1/2)

Artículo publicado en el Liberal del Sur el domingo 12 de febrero de 2012.

Después del artículo sobre las computadoras cuánticas (ver post anterior), decidimos presentarles otra posible alternativa a las computadoras clásicas que podría formar parte de nuestras vidas cotidianas en un futuro no tan lejano. Hoy volveremos a hablar del tema muy interesante de las computadoras inteligentes o bio-computadoras, basadas en las redes neuronales artificiales. La próxima semana les daremos una visión un poco más detallada de lo que son esas redes artificiales, capaces de aprender casi solas.

Se sabe bien que las computadoras clásicas (las que se usan diario en todo el mundo para trabajar, agilizar nuestras tareas, resolver problemas complejos y conectarnos) tienen limitaciones. Aunque son capaces de calcular a una velocidad vertiginosa, cometen errores y no son capaces de “aprender” solas. Solamente pueden reproducir una forma de operar con la cual un programador les ha habilitado. Hace dos años, dos publicaciones científicas^1,2 han reportado el desarrollo de un transistor electrónico funcionando como una sinapsis humana. Efectivamente, fabricaron un microdispositivo que mímica el comportamiento de nuestras células cerebrales. Basado en un compuesto orgánico y nanopartículas de oro, esa tecnología podría conducir a una nueva generación de computadoras y procesadores inspirados por las redes neuronales así como podría permitir avances en medicina y biología autorizando la conexión de microestructuras artificiales procesadas con tejidos biológicos. La era de las computadoras inteligentes está por empezar.

Aprender, una tarea humana difícil para una máquina

Según el famoso dicho de Seneca “Errar es humano, caer en el mismo error es diabólico”. Por lo tanto, desde el advenimiento de la tecnología moderna, ella aspira a hacer desaparecer esa imperfección humana que consiste en tener una propensión a equivocarse más o menos frecuentemente. Esa tendencia puede presentar varias derivas, y prever un mundo dirigido completamente por los robots y las maquinas inteligentes es un tema de predilección para la ciencia ficción, que nos describe como esclavos de nuestras propias creaciones. Afortunadamente, no siempre se pueden remplazar los ser humanos por maquinas porque tenemos una enorme ventaja sobre aquellas: es la facultad de aprender a medida que pasa el tiempo. Efectivamente, la experiencia y la educación nos permiten memorizar nuevas situaciones y adaptarnos a ellas. En condiciones dadas, aprendemos a no equivocarnos. Las maquinas, hasta la fecha, no lo pueden. Quién ha usado un dispositivo electrónico con frecuencia en su vida tiene que haber deseado poder enseñarle algo, educarlo, hacerlo entender cómo evitar sus fallas repetitivas. Las computadoras son un buen ejemplo de equipo que siempre se va a  “equivocar” en situaciones dadas. Sin embargo, cuando nos quejamos de las disfunciones habituales de esos aparatos, olvidamos que son maquinas diseñadas por un ser humano no para pensar, sino para efectuar algunas tareas automáticamente y desde luego responder de manera exactamente idéntica a ciertas condiciones. Es por eso que si una computadora se equivoca o se confunde, la falla proviene de un error humano, y casi siempre bajo forma de mala programación inicial de la maquina.

La clave es adaptarse

Como lo dijo bien Darwin, la clave es adaptarse para no desaparecer. Hace varias décadas que se utiliza una técnica matemática muy poderosa para que los programas y modelos puedan educarse y memorizar algo que un operador quiera enseñarles. Llamado red neuronal artificial, ese proceso de educación artificial ha sido posible imitando el aprendizaje constante del cerebro humano, es decir ejercitando el programa a reconocer patrones de manera recurrente y a reconocer sus errores si se equivoca. Presentaremos esta técnica con detalles la próxima semana.

Hoy en día, gracias a esa técnica, ya se logran desarrollar modelos y estructuras completamente adaptivos que no solamente logran no fallar en situaciones conocidas pero que también saben analizar nuevas condiciones gracias a asociaciones de patrones similares. Basándose en esa tecnología de neuronas artificiales capaces de aprender y aprovechando los recientes avances en fabricación de transistores a escala micro y nanoscópica, algunos investigadores están desarrollando neuronas y sinapsis sintéticas como unidades primarias a la elaboración de un sistema central complejo de alta densidad imitando la arquitectura y el funcionamiento del cerebro: tratamiento centralizado de la información con conexiones paralelas al extremo y capacidad de análisis en tiempo real. Una ventaja importante de los nuevos dispositivos reportados estos últimos meses es que se elaboraron con materiales plásticos flexibles y biocompatibles, es decir que se puede imaginar su incorporación a tejidos biológicos para activación neuronal gracias a una interfaz sin riesgo de contaminación. Es por eso que los recientes avances en la fabricación de neuronas artificiales a escala nanométrica representan una gran esperanza en la investigación de regeneración de células nerviosas y de enfermedades neurodegenerativas.

1.       Chen et al., Ionic/Electronic Hybrid Materials Integrated in a Synaptic Transistor with Signal Processing and Learning Functions, Adv. Mater. 2010, 22, 2448–2453.

2.       Vuillaume et al., An Organic Nanoparticle Transistor Behaving as a Biological Spiking Synapse, Adv. Funct. Mater. 2010, 20, 330–337.

2012, el año de la innovación

Quién sabe si se va a acabar el mundo, no parece muy probable. Sin embargo, el año 2012 definitivamente va a ser el año de la innovación tecnológica en muchos aspectos.

El artículo IQ de la semana del domingo 20 de enero publicado en el Liberal del Sur trató de eso.

Un ejemplo de lo que se planea para este año: los hologramas dinámicos en 3D

__________________________________________________________________________

Hoy en día, cada innovación parece llevar a varias otras en un lapso de tiempo muy corto. El ritmo tremendo al cual se realizan nuevos descubrimientos científicos y se adaptan estos nuevos avances para inventar tecnologías innovadoras no va a dejar de sorprendernos en 2012. Empezando el año, somos muchos quienes queremos intentar realizar unas predicciones. Sin embargo, la mayoría de los especialistas en tecnología y comentadores científicos no se atreven a predecir nada ya que predomina la opinión general que esa tendencia se va a acelerar y que es casi imposible prever hoy lo que tendremos mañana en nuestras vidas.

Paradigma de la electrónica

Esta semana, en la famosa ciudad de Las Vegas, se lleva acabo un evento que aspira presentar las innovaciones que muy probablemente van a revolucionar nuestras vidas este año (o muy pronto). Es interesante remarcar que este encuentro internacional se enfoca únicamente en lo que se llama en inglés el “consumer electronics”, o la electrónica de consumo: se llama la Feria Internacional de Electrónica de Consumo 2012 o CES 2012 por sus siglas en inglés (2012 International Consumer Electronics Show). Parece entonces que el único sector donde hay innovación actualmente en nuestro mundo es la electrónica... pero de consumo. Efectivamente, se puede imaginar sin dificultad que la mayor parte de lo que necesitamos o utilizamos hoy tiene electrónica embebida o integrada: celular, televisión, computadora, reproductores de música, pero también en nuestro automóvil, en los aviones, etc. Gracias a su bajo costo, nuevos sistemas inteligentes van a invadir todavía más nuestras vidas en otros campos como el sector bancario, la identificación de los chips de las tarjetas de crédito y de metro, los códigos de barra inteligentes, etc. Se puede exagerar (solamente un poco) y decir que la electrónica es una de las necesidades actuales de la sociedad occidental (o de consumo): a veces es tan importante como comer, tener un techo, y dormir…

Innovaciones interesantes

En el  CES 2012, se han presentado tantas cosas innovadoras interesantes que es imposible hablar de todas. Hacer una lista de “las mejores innovaciones” que se van a comercializar en 2012 tampoco es posible ya que variaría demasiado de un observador a otro, así que mi lista personal podría no presentarles lo que esperan. Grandes comentadores como los del New York Times decidieron hacer algunas listas de lo que promete más por sector, como por ejemplo “las mejores innovaciones para los viajes” donde presentan los coches que se manejan solos o los aviones hipersónicos sin emisiones. En su reportaje aprendemos también que el aeropuertos de Luton, cerca de la ciudad de Londres, Reino Unido ha decidido instalar dos sistemas de anuncios de seguridad en forma de videos proyectados dinámicamente sobre un soporte fijo (abusivamente denominados “hologramas”). Los dos personajes que ayudaran a soportar la fila de espera de seguridad tienen forma humana y se llaman Holly y Graham.

Fotografía de Holly, una de los dos anunciantes holográficos que instaló el aeropuerto de Luton en Londres.

Otro avance interesante obtenido gracias a hologramas reales viene del centro IMEC de Bélgica, pionero en los sistemas micro electro mecánicos (MEMS). Ellos proyectan que a mediados del 2012 tendrán listo el primer prototipo del mundo de un sistema de holografía tridimensional para ver videos en 3D sin lentes.

Finalmente, como cada año, un jurado ha tenido que elegir las mejores innovaciones por categoría y les invito a ver los ganadores en línea en la página del evento para que puedan preparar su lista de regalos de cumpleaños o del día de Reyes del 2013 a partir de ella.

Personalmente, quería terminar el presente artículo dando mi opinión sobre dos puntos que me llaman mucho la atención hoy en día, cuando hablamos de innovación. Primero, me parece importante remarcar que los que venden tecnología innovadora son mayormente efímeros: la rapidez de aparición y desaparición de gigantes de la tecnología que uno hubiera imaginado eternales en su época de auge es absolutamente impresionante. Kodak y Nokia, por ejemplo, parecen estar a punto de desaparecer mientras los “smartphones” como el iPod tomaron el poder en muy poco tiempo y ya parecen indispensables. Y segundo, para sobrevivir hay que diversificarse y mezclar los sectores: Google e IBM por ejemplo están comprando muchas patentes de empresas desapareciendo para ganar tiempo en la carrera y aprovechan el fenómeno antes descrito. ¿Sabían por ejemplo que Google está fabricando coches sin chofer que se manejan solos?