Archive for the 'informática' Category

Steve Jobs

¿Cómo no podría dedicarle una entrada el día de su muerte al hombre que revolucionó gran parte de nuestro mundo?

 

Hace ya tiempo que tuve la oportunidad y el placer de escuchar su discurso en la universidad de Standford, sin embargo, hoy, por su fallecimiento y las circunstancias que me envuelven tiene un significado aún más especial:

Hoy es un día triste sin duda, aquellos que tengan la suerte de trabajar en lo que yo trabajo, y les guste tanto o más que a mí, supongo que tendrán la misma sensación.

[...]no pueden conectar los puntos mirando hacia el futuro; solamente pueden conectarlos mirando hacia el pasado. Por lo tanto, tienen que confiar en que los puntos de alguna manera se conectarán en su futuro. Tienen que confiar en algo – su instinto, su destino, su vida, su karma, lo que sea.

Tienen que encontrar eso que aman. Y eso es tan válido para su trabajo como para sus amores. Su trabajo va a llenar gran parte de sus vidas y la única manera de sentirse realmente satisfecho es hacer aquello que creen es un gran trabajo. Y la única forma de hacer un gran trabajo es amando lo que hacen. Si todavía no lo han encontrado, sigan buscando. No se detengan. Al igual que con los asuntos del corazón, sabrán cuando lo encuentren. Y al igual que cualquier relación importante, mejora con el paso de los años. Así que sigan buscando hasta que lo encuentren. No se detengan.

Nadie quiere morir. Incluso la gente que quiere ir al cielo, no quiere morir para llegar allá. La muerte es el destino que todos compartimos. Nadie ha escapado de ella. Y es como debe ser porque la Muerte es muy probable que sea la mejor invención de la Vida.

“Manténganse hambrientos.
Manténganse descabellados”

First, a story…

El otro día leyendo sobre computación afectiva en el trabajo llegué a la web de Affectiva (spin-off del MIT) y tras leer algunos documentos sobre Q Sensor, que me han venido de perlas, di con uno con una introducción bastante original y que me sacó una sonrisa:

A man in a colorful hot air-filled balloon realized he was lost. He spotted a woman digging in her garden and descended toward her, shouting, ‘Excuse me, can you please help – tell me where I am? I promised a friend I would meet him an hour ago, and I’m lost. My friend will be upset and I must get there…

The woman replied, ‘You’re in a hot air balloon hovering 11.1 meters off the ground. Your position is Latitude 42.47 North and Longitude 71.28 West.’

‘You must be an Engineer,’ hollered the balloonist from his basket.

‘I am,’ she replied, ‘How did you know?’

‘Well,’ he answered, ‘that sounds accurate, but it doesn’t help – I’m still lost! I’m sure my friend is upset, you have furthered my tardiness, and now you have also elicited my frustration.’

The woman below responded, ‘You must be in Emotion research.’

‘How did you know?’ yelled the balloonist.

‘Well,’ said the woman, ‘you don’t know where you are or where you need to go. You sound concerned about feelings but you aren’t actually helping anybody’s. And, your primary driving force is a large supply of hot air that appears most effective at propelling you higher.”

Tengo ganas de empezar a hacer de conejillo de indias para TAIS.

Genética y evolución

Deja que la naturaleza sea tu guía.
Dado que la mayoría de los problemas a los que se van a aplicar los algoritmos genéticos son de naturaleza no lineal, es mejor actuar como lo hace la naturaleza, aunque intuitivamente pueda parecer la forma menos acertada. Si queremos desarrollar sistemas no lineales que busquen y aprendan, mejor que comencemos (como mínimo) imitando a sistemas que funcionan (Goldberg). Y estos sistemas se hallan en la naturaleza.

Cuidado con el asalto frontal.
A veces se plantea el problema de pérdida de diversidad genética en una población de cromosomas. Hay dos formas de resolver este problema: aumentar el ritmo de mutación, lo cual equivale a convertir un algoritmo genético en un algoritmo de búsqueda aleatoria, o bien introducir mecanismos como el sharing, por el cual el fitness de un individuo se divide por el número de individuos similares a él. Este segundo método, más parecido al funcionamiento de la naturaleza, en la cual cada individuo, por bueno que sea, tiene que compartir recursos con aquellos que hayan resuelto el problema de la misma forma, funciona mucho mejor. Otro caso que surge a menudo en los grupos de discusión de Usenet es el tratar de optimizar AGs mediante AGs; es mucho mejor tratar de entender el problema que acercarse a él de esta manera.

Respeta la criba de esquemas.
Para ello, lo ideal es utilizar alfabetos con baja cardinalidad (es decir, con pocas letras) como el binario.

No te fíes de la autoridad central.
La Naturaleza actúa de forma distribuida, por tanto, se debe de minimizar la necesidad de operadores que “vean” a da la población. Ello permite, además, una fácil paralelización del algoritmo genético. Por ejemplo, en vez de comparar el fitness de un individuo con todos los demás, se puede comparar sólo con los vecinos, es decir, aquellos que estén, de alguna forma, situados cerca de él.

David Edward Goldberg




Stop SOPA