Post on 27-Apr-2020
Presentado en el Registro de la Propiedad Intelectual de Segovia el 20 de Junio del 2013 con referencia SG-47-2013
PPPrrroooyyyeeeccctttooo GGGEEERRRDDDOOO
Sistema de Modelización e Implementación de Procesos
Intelectuales basado en la Abstracción Radial Aferente
Autor: Carlos María Bustos Lozano
Junio 2013
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 2
GERDO
Gerdo es un sistema de modelación e implementación de procesos intelectuales basado en
la abstracción radial aferente.
Autor
Carlos Mª Bustos Lozano. Ingeniero Técnico Industrial Electrónico-Eléctrico. Analista y
Desarrollador de Sistemas Software y Hardware.
Resumen
Gerdo es un proyecto para la modelización e implementación de procesos intelectuales genéricos, o
más técnicamente, de procesos de información sensoriales reactivos.
En éste documento, se establecen una serie de principios empíricos que permiten establecer bases
para el posterior análisis, diseño e implantación real de estos procesos sobre computadoras, siendo
la solución propuesta trazable, configurable y replicable. Esto es, se propone una modelo de
ingeniería de procesos intelectuales basado en un la interacción de canales de de información
aferente abstraída.
El actual estado de la tecnología hardware y software no puede aspirar a replicar sistemas de IA
reales al modo que la naturaleza ha fabricado a través de millones de años con la simple
acumulación de innumerables elementos que en algún momento demostraron su efectividad por el
hecho de representar una determinada ventaja evolutiva. Estos sistemas naturales, debido al hecho
de tener arquitecturas de ilimitada acumulación, y de eterna “auto-depuración” de ser “copiados” tal
cual, impedirían en el actual estado de la tecnología su estudio detallado, esto es, una trazabilidad
razonable que lo convirtiese en modelo de ingeniería.
Intentaremos deducir la base empírica por la que se rigen los procesos intelectuales, buscando la
esencia más simple y evidente del cómo y porqué la naturaleza ha conseguido construir cerebros
que alcanzan nuestras actuales capacidades. Una vez establecidos estos principios, Gerdo
establece una arquitectura tecnológica (software en un primer momento) que sustenta una solución
real y posible dentro de las posibilidades técnicas actuales.
Este estudio está dividido en dos partes:
Establecimiento de los principios empíricos en los que se basan los procesos intelectuales.
Establecimiento de la arquitectura SW / HW de un sistema para la modelización, estudio e
implementación de IA.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 3
Índice General
1. GERDO. Principios básicos de los procesos intelectuales ...................................................... 5
1.1 Inteligencia natural y otras inteligencias. Acumulación y Abstracción ....................................... 8
1.2 Los canales de aferencia radial. ............................................................................................... 10
1.2.1 La recombinación ............................................................................................................... 12
1.2.2 Memoria de comportamiento del canal aferente ............................................................... 14
1.2.3 Memoria del canal aferente ............................................................................................... 14
1.2.4 La realimentación ............................................................................................................... 17
1.2.5 Interacción entre canales aferentes ................................................................................... 18
1.2.5.1 Recombinación radial lateral de canales aferentes .................................................... 19
1.2.5.2 Recombinación total de canales aferentes ................................................................. 19
1.2.5.3 Bifurcaciones de canales aferentes ............................................................................ 20
1.2.5.4 Muestreo / Recolección en los canales aferentes ....................................................... 20
1.3 Los canales de eferencia radial ................................................................................................ 21
1.4 Los canales de simulación motora / Final de las aferencias .................................................... 23
1.5 Conclusiones sobre el modelo propuesto ................................................................................ 25
2. GERDO: Análisis, diseño e implementación ............................................................................. 26
2.1 El estado de la tecnología. Limitaciones y soluciones. ........................................................... 28
2.2 Los elementos básicos de Gerdo ............................................................................................. 31
2.3 El Ideograma ............................................................................................................................ 32
2.4 Puentes entre Ideogramas ....................................................................................................... 34
2.5 Burbujas de Ideogramas ........................................................................................................... 35
2.6 Orbitales de Burbujas ............................................................................................................... 36
2.7 El modelo de acceso a memoria .............................................................................................. 37
2.8 Los Conectores de Información Aferente ................................................................................. 38
2.8.1 Conector Lateral ................................................................................................................. 38
2.8.2 Conector Total .................................................................................................................... 38
2.8.3 Conector Bifurcación .......................................................................................................... 39
2.8.4 Conector de Muestreo........................................................................................................ 39
2.9 Información de Entrada y Salida. Interfases ............................................................................. 40
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 4
2.9.1 Interfases Aferentes (IA) .................................................................................................... 40
2.9.2 Información de Salida. Interfases Eferentes (IE) ............................................................... 41
2.10 El Consciente y el Subconsciente .......................................................................................... 43
2.11 BAA (Bloque de Abstracción Aferente) .................................................................................. 46
2.12 El modelado de Gerdo ............................................................................................................ 48
2.12.1 Estructuras básicas de datos ........................................................................................... 49
2.12.1.1 Las Unidades ............................................................................................................. 50
2.12.1.2 El Sistema de coordenadas en la sección ortogonal de canal aferente ................... 51
2.12.2 Gestión de Bloques .......................................................................................................... 52
2.12.2.1 Bloque de Abstracción Aferente (BAA) ..................................................................... 52
2.12.2.2 Interfaces Aferentes (IA) ........................................................................................... 54
2.12.2.3 Interfaces Eferentes (IE) ........................................................................................... 54
2.12.2.4 Conectores ................................................................................................................ 55
2.12.2.4.1 Conector Total .................................................................................................... 55
2.12.2.4.2 Conector de Recombinación Lateral .................................................................. 55
2.12.2.4.3 Conector de Bifurcación ..................................................................................... 55
2.12.2.4.4 Conector de Muestreo ........................................................................................ 55
2.12.2.5 Módulos Bloques Estructurales ................................................................................. 56
2.12.2.5.1 Modulo IO ........................................................................................................... 56
2.12.2.5.2 Módulo Recombinador / Muestreador (M-RLM) ................................................. 56
2.12.2.5.3 Módulo de Recombinación Lateral x 6 (M-RLx6) ............................................... 57
2.12.2.5.4 Módulo Reverberante (M-REV1) ....................................................................... 57
2.12.2.5.5 Módulo Reverberante a varios niveles (M-REVx) .............................................. 57
2.12.2.5.6 Otros Módulos posibles ...................................................................................... 58
2.12.3 Configuración de elementos y Módulos ........................................................................... 59
2.13 Integración .............................................................................................................................. 60
3. Final ............................................................................................................................................. 61
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 5
1. GERDO. Principios básicos de los procesos intelectuales
Definiremos procesos intelectuales básicos a aquellos procesos lógicos que teniendo como origen la
información procedente de sensores que captan aspectos de la realidad producen reacciones
motoras (reales o virtuales) derivadas de la integración de estos con información almacenada de
anteriores reacciones.
Para inferir los principios en los que se debe plantear un sistema que permita el desarrollo de
procesos intelectuales, utilizaremos varias vías de observación y reflexión:
Observaciones y reflexiones de cómo
surgen y se desarrollan los sistemas
nerviosos a lo largo de la evolución.
Observaciones y reflexiones sobre las
funcionalidades que desarrollan los
sistemas neuronales.
La evolución de las estructuras neuronales
ADN como sistema que almacenamiento de comportamientos de replicación celular,
junto al entorno siempre hostil que elimina al organismo no adaptado, generan un
vector evolutivo basado en el éxito de la adaptación y en la acumulación de
comportamientos exitosos, que podríamos denominar como el “embudo evolutivo”.
Una de las mayores ventajas evolutivas se obtuvo de la
capacidad motora. Cualquier organismo que controlase
el movimiento, ya evitando la propia depredación, ya favoreciendo la depredación ajena en beneficio
propio, tendería a la perpetuación.
En algún momento de la evolución, se conectaron estímulo y acción.
Una célula primitiva fue capaz de detectar luz, un olor, una vibración…
algo que excitó a esa célula, y esta reaccionó generando algún tipo de
proto-neurotransmisor, pura química, que alcanzó a sus células colindantes que a su vez
reaccionaron retransmitiendo la información o generando movimiento en la dirección o medida
adecuada. El organismo podía dirigirse hacia el alimento, la luz,..., aprendió a huir de señales
sospechosas: vibraciones, sustancias disueltas en el agua…
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 6
Platynereis dumerilii. En la foto se aprecian los dos “ojos” cada uno de ellos
compuesto por dos células.
Platynereis puede sentir la dirección de la luz y guiar su movimiento hacia ella. La
clave es el nervio que conecta los ojos directamente con las células responsables
de la capacidad de nadar.
Platynereis no pueden formar imágenes, pero le permiten al animal sentir la dirección de la luz.
Trilobites. En la foto se ven los ojos compuestos de este fósil del
Cámbrico que desapareció hace 250 millones de años en la
extinción Pérmico-Triásico.
Trilobites maximizaba su ángulo de visión, lo que le dio una gran
ventaja evolutiva. Estos ojos eran uno de los sensores de un
sistema nervioso que le permitió vertiginosos movimientos, localizar presas y vigilar a sus depredadores.
Las “señales” que confluían en los organismos empezaron a acumularse, a relacionarse, a cruzarse
“a mapearse”, para dirigir el efecto en la dirección adecuada: señales de luz, de sonido, de
detección química (olor/sabor) de presión, etc. las células y los canales por los que se dirigían a su
“actuador” comenzaron a interrelacionarse.
Estos canales de información de estímulo a respuesta (en dirección aferente hacia eferente) se
concentraron promoviendo la especialización de las células receptoras y siempre aferiendo de forma
radial perfectamente organizada. La evolución hizo que el orden radial de la información
(aferencia radial), mapeara la respuesta. La interrelación ordenadamente mapeada, facilitaba las
respuestas. Está claro que la probabilidad de que las respuestas fuesen ordenadas, dependía de
que la información aferente lo fuese. En muchos casos, un estímulo debía “accionar” aferencias en
el lado opuesto del organismo, y la naturaleza cruzo los canales aferentes. Los que no lo hicieron,
son historia.
Como el espacio por el que circulaba la información aferente hacia su eferencia era limitado, estos
canales se fueron combinando con la necesaria coordinación para que evolutivamente hubiese
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 7
alguna posibilidad. Y parece lógico, que donde más aferencias se acumulaban (en la dirección
“adelante”) se produjo el gran embotellamiento (el encéfalo), de donde partieron las eferencias,
siempre perfectamente ordenadas hacia su lugar de uso.
Aferencias ordenadas radialmente según la realidad observada, produjeron efectos aferentes
igualmente ordenados.
Este proceso de éxito, tenía un mayor recorrido. Desde la primera conexión entre acción y reacción
y debido a las previsibles imperfecciones de los canales neuronales, la memoria tomo un papel
tan importante como el de la reacción directa a los estímulos. La memoria que se localizaba y
localiza, a través y a lo largo de todos los canales neuronales, pasó de ser un mero accidente a un
elemento de gran ventaja evolutiva.
Otro efecto indirecto de los defectos de los caminos neuronales fue la realimentación básica de la
información. Muchos de los canales nerviosos que conocemos realizan realimentaciones, esto es, la
“reinyección” de información hacia atrás. Los caminos neuronales realizan procesos de
estabilización de la información (servosistemas de información), con lo que información sensora
elaborada, frena, acelera o adapta según necesidad a la información que en parte la produce.
Podríamos decir, que estos procesos, hacen consciente de sí mismo al camino neuronal, a la vez
que lo estabilizan (la información se hace más útil y estable).
Otra cuestión base en la aproximación a los principios de la inteligencia, está en si los cerebros
nacen pre-programados o es la experiencia el que los programa. ¿Es originalmente el cerebro una
“tabla rasa”?. Si partimos de un principio de máxima simplicidad (aún en su complejidad), podemos
afirmar que la replicación basada en ADN tan sólo es capaz de proporcionar una vía de creación y
posicionamiento celular. Lo que pasa a partir de ese posicionamiento, se basa en la probabilidad de
actuación posicional de cada célula en su entorno. Con esta premisa se cubren las teorías
supuestas antagónicas de la “tabla rasa” y la de “manual heredado”: las neuronas realizan su
sinapsis en función de que haya estímulos a los que responder, lo que avala la “tabla rasa”, pero a
la vez la posición en la que ADN coloca las neuronas, orienta la probabilidad de que se produzcan
dichas sinapsis, esto es, hacia el “manual heredado”.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 8
1.1 Inteligencia natural y otras inteligencias. Acumulación y
Abstracción
Los procesos intelectuales suceden en los cerebros de animales debido a una inmensa
acumulación ordenada de neuronas interconectadas. También parece evidente el afirmar que
estructuras adecuadas, basadas en otros soportes, incluso no biológicos, podrían ser capaces de
generar procesos intelectuales. El problema es encontrar esas “estructuras adecuadas”.
Pero ¿cómo llegar a generar procesos intelectuales, aislarlos, medirlos, replicarlos o incluso
potenciarlos? Creo que hay una habilidad que la evolución nos ha dado a los humanos, que ella
misma parece desconocer: la capacidad de abstracción.
En filosofía, abstracción se define como el acto mental en el que conceptualmente se aísla un
objeto o propiedad de su propio objeto. En psicología se define como el proceso que implica reducir
los componentes fundamentales de la información de un fenómeno para conservar sus rasgos
más relevantes.
En nuestro caso la “reducción a conceptos fundamentales” ha de ir parejo a la interdependencia
entre dichos “elementos fundamentales reducidos”. Los procesos intelectuales necesariamente han
de basarse en la interrelación de toda información disponible en un momento dado (respuesta en
tiempo real).
¿Qué atajos nos permite la abstracción frente a la acumulación ordenada sin límite?
Como se explica más adelante, los
procesos neuronales son
extremadamente repetitivos y
homogéneos. En los canales
neuronales tan sólo varía la
información que los atraviesa,
siempre son tratados de la misma
forma. Si planteamos una
equivalencia técnica ¿Porqué
emplear hardware o software
diferente en cada parte de un
cerebro artificial, si la forma de
tratamiento de cualquier información es la misma? Esto podría significar que un único buen
algoritmo podría ser el motor de un cerebro artificial.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 9
En la figura se muestran algunas diferencias entre los planteamientos “acumulativos” y “abstraídos”.
Por ejemplo, sabemos que la naturaleza no empaqueta la información para trasladarla desde un
sensor hasta el procesador (nervio óptico, olfativo, auditivo, etc.) simplemente traslada de forma
escrupulosamente ordenada desde cada elemento sensor * (un cono o bastón del ojo, una célula
ciliar del oído…) sobre su aferencia. La médula espinal traslada cada “cable individual” hasta su
punto singular de uso (eferencia). No hay empaquetamiento de información, no hay reutilización de
recursos como en nuestros sistemas operativos y redes de comunicación.
(*) En ocasiones existe cierta recombinación en los elementos sensores, aunque conceptualmente podemos afirmar que
cada célula sensora usa su “cable” para hacer llegar la información al cerebro.
Por decirlo de una forma
simple: en lo que los seres
vivos usan innumerables
aferencias entre los sentidos y
el cerebro, un sistema
abstraído usaría una sola línea
física, e indexaría cuantas
necesite líneas lógicas. En lo
que la médula espinal conduce
cantidades ingentes de
eferencias, un sistema abstraído “conmutaría” las señales sobre un solo cable.
Un sistema natural es difícilmente reparable, pero un sistema bien abstraído, sería reparable por
concepto.
Por ahora, no hemos conseguido trazar el comportamiento del cerebro, salvo de forma muy grosera
a través de experimentos de estímulo y respuesta, tomografías, etc. Un sistema abstraído, podría
estar dotado de origen con lo necesario para su estudio dinámico (trazabilidad).
Un sistema abstraído debería estar dotado con lo necesario para permitir la “congelabilidad” de la
información.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 10
1.2 Los canales de aferencia radial.
En un sistema reactivo, como es nuestro cerebro, la información fluye desde los sentidos hacia el
cerebro (aferencias). Allí se interrelaciona con “todo” (otros sentidos, recuerdos, etc.), generando
nuevos “recuerdos”. De la lectura de diferentes áreas de información elaboradas, se generan
señales eferentes hacia los “puntos motores”. Esto podría ser un resumen de lo que sucede en un
cerebro. Sobre este esquema, los canales aferentes pasan a ser el principal protagonista.
Los canales aferentes son los encargados de portar la información sensora (de los sentidos) y
generar algo más útil que un simple mapa de lo leído.
La dirección aferente → eferente de la
información, para ser útil, debe tener
una determinada capacidad de
autorregulación. En los animales esto
se produce por la interacción de los
diferentes canales neuronales
aferentes, unos regulan a otros hasta
generar comportamientos de éxito. Los
sistemas basados en actuaciones
directas, aún con cierta regulación en el propio canal generan el SPACCP (síndrome del pez que se
aplasta contra el cristal de la pecera: casos 1, 2 y 3 de la figura)
Se puede abstraer, que un canal
aferente parte de un sensor, portando
su información de forma
ordenadamente paralela en sentido
aferente y radial en la sección.
Esta radialidad de la información
parece constatarse cuando se
observa uno de los sentidos más complejos: la vista.
La disposición de los sensores en la retina (conos y
bastones) se organiza de forma radial cuyo centro es la
mácula, dónde además, la densidad de detectores es
mayor que en la periferia. Las terminaciones nerviosas
de los receptores se prolongan al nervio óptico, dónde se
mantiene la misma organización posicional radial. El
nervio porta la información hasta el Quiasma óptico
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 11
donde se cruza parte de la información que es útil para cada lado del cerebro, siempre de forma
radial, de ahí a los cuerpos geniculados laterales y de ahí mediante las radiaciones ópticas a la
corteza. Siempre la información afiere ordenadamente, se cruza estratégicamente o se priorizan
determinadas zonas. En cualquier otro sentido observamos realidades parecidas, cada uno con su
especificidad, pero siempre con los mismos comportamientos.
El “lío” que ha montado la naturaleza con tanto canal, cruce, estrategia, etc. es considerable. ¿Qué
hace el cerebro con la información aferente de sensor ? Para intentar entenderlo usaremos nuestra
capacidad de abstracción: El ADN coloca una neurona detrás de otra en el sentido adecuado y con
un posicionamiento y composición heredados. Según comienza a fluir la información desde los
sensores, hacia el canal, este empieza a generar sinapsis, esto es comportamientos elementales
dentro del canal. Las sinapsis se resuelven en función de la información aferente y de la posición
relativa entre las terminaciones nerviosas, de axón a dendrita. Aquí podríamos hablar de
probabilidad sináptica posicional de la información aferente.
Imaginemos el canal. Innumerables neuronas orientadas, con innumerables ramas de axones que
pueden unirse a innumerables ramas dendríticas en función de la información que porten y en
función de la posición relativa entre ellas.
La “inyección” de información en los canales aferentes no funciona como es los sensores
electrónicos que hemos fabricado hasta el momento. Un sensor electrónico “fotografía” la realidad
periódicamente de todo el área sensible, así en un CCD (sensor de imágenes de cámaras) se
barren periódicamente líneas y columnas de una matriz cuadrada, en los sensores de sonido se
barre periódicamente la señal, haya o no sonido que recoger, en los sensores de gases
exactamente igual…. Un sensor biológico sólo funcionará cuando haya algo que le cambie el
estado. Una neurona receptora siempre genera una señal hacia su axón si detecta un cambio de
estado: un cambio de luz, un cambio de color, vibraciones, un cambio de presión, un cambio de
temperatura, etc. Cuando un sensor neuronal detecta el cambio para el que está preparado, emite
su señal siempre de forma asíncrona. Una ausencia de señal no significa nada, pero sí la señal ( el
“ahora”). En los sensores electrónicos tan válida es la señal como su ausencia (“1” y “0”). Los
sensores electrónicos y sus interfaces dibujan mapas de “1s” y “0s” que fotografían la realidad cada
periodo tiempo. Los sensores neuronales dibujan mapas de la realidad cuando algo sucede. La “no”
información no existe. Los mapeos de información no son estáticos, son “chorros” de “ahora sí” cuyo
distanciamiento temporal también mide la realidad. Como veremos a continuación, a este
distanciamiento temporal le llamaremos distancia de aferencia.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 12
1.2.1 La recombinación
Los sensores biológicos inyectan la información en canales aferentes de forma ordenada, hay que
“facilitar de entrada” el mapeo interno de la realidad para que el cerebro disponga de mapas
espaciales coherentes de la misma.
La realidad sensora, en principio es transportada de forma unitaria, radialmente ordenada,
aferentemente ordenada (paralelismo del transporte) hasta que en algún punto cada señal de una
neurona sensora encuentra posibilidades de combinar la información con más neuronas, de hacer
sinapsis con otras, abrirse, ramificarse, combinarse…
Necesariamente la información aferente se va recombinando de forma posicional, radial en la
sección y paralela en la aferencia. Esto significa algo bien simple: que la información en un
determinado punto del canal se va enriqueciendo/dopando con la información que la rodea. Cuando
la información haya recorrido una determinada distancia de aferencia (L), la información de cada
punto de la aferencia no será la del sensor original correspondiente, sino la de éste con respecto a
su entorno. Esto va a formar parte de lo que llamaremos abstracción radial de la información.
Podemos generar un modelo simple y válido, en el que
cada línea sensora aferente, está rodeada de otras
iguales. Esto significa que cada línea estaría
geométricamente rodeada de otras 6, cada una de
estas 6 por otras 6 y así sucesivamente.
Esta geometria de relacciones sucede a lo largo de todo el
canal de aferencia, enriqueciendo la información a cada
paso.
Definiremos la Longitud o Profundidad de Aferencia L,
como la distancia de aferencia en la que todas las
aferencias individuales se relacionan con sus 6 aferencias
individuales vecinas (y con lo memorizado, como veremos
más adelante).
El canal de aferencia medirá lo necesario para que al final de éste, o en el punto donde parte de su
información vaya a ser usada, toda la información posible haya sido recombinada, esto es, que cada
punto en la sección final, contenga información del resto de la aferencia en la medida adecuada de
su posición.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 13
En resumen, cada canal individual aferente,
influye y es influido por los canales individuales
que le rodean. Es elemental también plantear que
la influencia entre canales individuales es
inversamente proporcional a la distancia que les
separa.
Cualquier información (Oin) que atraviesa una
zona aferente de sinapsis ( XL>) genera una
nueva informacion enriquecida (Oout). A estos
grupos de información aferida le llamaremos
BURBUJAS.
Una burbuja de información, va creciendo por las aportaciones que se va encontrando en la
aferencia. Para que la recombinación de la información sea posible, han de existir caminos
(sinapsis) previamente creados. Sabemos que las neuronas tienden ha hacer sinapsis en función de
cómo son exitadas. Como el destino (en cuanto a concepto “macro”) que poco o nada tiene de
aleatorio, la tendencia de generación de sinapsis tampoco. Esta está directamente relacionada con
la informacion que alimenta los
canales aferentes. Las sinapsis
serán las que formen la
información aferente a lo largo del
tiempo y por supuesto, gracias al
posicionamiento celular que el
ADN hubiese provisto.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 14
1.2.2 Memoria de comportamiento del canal aferente
La simple disposición de las sinapsis en la aferencia justifica una determinada forma de reaccionar
de esta a la información que la atraviesa. A esta forma de reaccionar de la aferencia la llamaremos
memoria de comportamiento del canal. Esta “memoria” sería una primera responsable del cómo se
abstrae la información cuando atraviesa el canal.
Podríamos decir que al depender de la posición relativa entre conectables, esta memoria sería la
responsable de la herencia de cierto tipo de comportamientos.
Ya hemos clasificado un primer tipo de
memoria, pero, no parece que este sea el
soporte de una memoria que ha de ser mucho
más “virtual”, (trasladable a niveles superiores,
interpretable por zonas profundas de la mente,
relacionable con otras informaciones
complejas de otros canales…) a la vez que
mucho más potente, capaz de guardar todo tipo de recuerdos a todos los niveles.
Imaginemos la memoria como burbujas de jabón que circulan por tuberías cada vez más anchas.
Cuando esta memoria se crea en los tubos más finos (aferencias más cercanas a los sentidos)
contienen informaciones memorizadas simples. Según fluye el líquido jabonoso, las burbujas son
empujadas por nuevas burbujas, se mezclan con otras afines que encuentran y se enriquecen, se
combinan, viajan a zonas más internas cada vez portando y relacionando más información que
capturan y relacionan según fluyen…
1.2.3 Memoria del canal aferente
Cuando empecé a pensar en Gerdo, una de los mayores problemas fue dar sentido a “la memoria”
de los seres vivos. Por deformación profesional buscaba la semejanza con las computadoras:
estructuras de chips de memoria bien diferenciadas con funcionamiento bien diferenciado, usadas
por los elementos procesadores para depositar sus resultados, provisionales o más o menos
definitivos. También estaban las ideas de memoria a corto y a largo plazo que repiten los
neurólogos. Pero no le encontraba el más mínimo sentido porque todas estas explicaciones,
conceptos o formas de ver lo que es la memoria, requería de fuertes dosis de abstracción, y la
naturaleza no sabe abstraer, sólo suma, mezcla o mata.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 15
El concepto y el funcionamiento de la memoria debería ser extremadamente simple, haber estado
presente desde los primeros seres que dispusieron de neuronas. La memoria y el procesamiento no
deberían ser cosas diferentes. Algo extremadamente sencillo debería estar detrás para que la
naturaleza lo elevase a tal grado de sofisticación (que no de abstracción).
Leyendo un artículo sobre las columnas del córtex cerebral que al parecer, son las responsables de
nuestra posición en la pirámide trófica, pensé en cuál habría sido el motivo de tal prolifereación de
estructuras tan regulares y singulares. La hipertrofia de nuestro cerebro se había dado porque nos
daba ventaja. “Un error de la naturaleza hecho virtud”. Un error que debería haber estado presente
en la primera estructura neuronal y ahora está en todas.
Planteemos una hipótesis sobre el soporte de la
memoria y cómo opera.
El soporte: Los defectos en los caminos neuronales.
Hilos que se deshilachan, neuronas que no están en
línea, alguna que otra de más o de menos, pequeñas
diferencias en formas o tamaños, diferencias de formas
en dendritas o axones, imperfecciones, una se alarga
más, otra menos….
Cómo opera: Pensemos en un camino neuronal aferente que no se encuentre radicalmente en
línea con la aferencia (que no
sea perfecta en su alineación).
Éste genera un “rodeo”, donde
existen sinapsis que tratan la
información que le entra
“ortodóxamente alineada” la
enriquece/dopa y la reinyecta
al canal aferente.
Esto es, cualquier defecto
puede ser tratado como un
nuevo canal aferente que
acaba vertiendo información
abstraída en el propio canal.
La dibujaremos como un “deshilachamiento del canal
aferente”. En una longitud de aferencia, la información
va a recoger información memorizada en el
deshilachamiento: un “minicanal” de aferencia cuya
memoria de canal va a condicionar las “burbujas” de
información que lo atraviesa.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 16
En las imágenes de microscopio de redes neuronales, se ve regularidad en estructuras, pero nada
de perfección. La memoria es ingente en los canales aferentes. La información se “procesa” por
recombinación de la información aferente con lo memorizado, ya en memoria de canal, ya en la
memoria de defecto.
En la imagen he representado la memoria ”por defectos” como un pequeño canal aferente ( de ida y
vuelta) en el que entra información aferente bin, atraviesa la excitación ( la ½ del camino aferente) y
se refleja hacie el canal de aferencia principal ( la otra ½) enriqueciéndose en el camino por
recombinación con lo memorizado y generando bout que se reinyecta al canal aferente como si
procediese del sensor de la aferencia principal. Como se puede ver las diferentes bin / bout de todos
los canales de defecto, junto con la información abstraída por la memoria del canal generan Bout.
Recordaremos que la información de una burbuja “B” está en función de:
La distancia de aferencia
El angulo y distancia de observación radial en la sección (posición polar)
El diámetro del del canal o del sector del canal en observación
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 17
1.2.4 La realimentación
Los ingenieros estamos acostumbrados a crear sistemas que de una u otra forma se auto-
controlan. Todo sistema natural o artificial con una función repetitiva o predecible, internamente
establece algún modo de “servo-control”. Éste siempre se realiza en base a elementos de
realimentación: la información de salida es función de la información “de entrada” y en alguna
proporción, la información de entrada es función de la información de salida: Motores
servocontrolados, tiradores de triples, frenos, direcciones de vehículos, camaleones cazando
moscas, amplificadores de radio y sonido, corazones que se aceleran con el miedo, moduladores y
demoduladores de señal, reguladores de encendido de luces, iris que se ajustan a la oscuridad,
cohetes, satélites girando en torno a la tierra, umbrales auditivos ajustados al ambiente, etc. Todos
estos sistemas contienen servocontroles y en todos ellos se muestrea la señal de salida para
modificar de algún modo la señal de entrada (“excitación”) y así conseguir el comportamiento
deseado (“función de transferencia”).
Esta necesidad de usar realimentaciones en “todo lo que se mueve” (virtual y realmente), lleva a
reflexionar si la información que circula por los canales neuronales en algún caso es realimentada
para alcanzar algún tipo de estabilidad. No hablo de una realimentación entre grupos funcionaes o
entre diferentes aferencias y eferencias, hablo de que de forma elemental cualquier señal que deba
operar relacionalmente con otras (laterales) ha de ser de alguna manera, estabilizada.
Conocemos casos de interaciones neuronales que no son puramente aferentes, como la de las
agrupaciones celulares del córtex, donde junto con neuronas piramidales claramente “direccionadas
hacia adelante” existen otras cuya función es la de realimentar a la propia “excitación”, produciendo
efectos inhibidordes de la señal que atravisa el canal o el caso de ciertas neuronas piramidales del
cerebelo (células de Purkinge) que de la misma manera regula la información que las atraviesa con
una realimentación inhibidora posterior.
En el primer caso, las realimentaciones corticales, parece que la
realimentación se basa en la propia señal que afiere, en el segundo,
la realimentación se produce con la propia señal generada por el
canal, combinada por otras señales “paralelas”. Quizá este segundo
caso se pueda englobar en un tipo de realimentación funcional, esto
es, de interacciones cuyo fin es la combinación de
comportamientos, pero en el 1er caso, parece tratarse de una
realimentación pura de señal en función de estados anteriores de
sinapsis. Éste es el caso que nos interesa a la hora de plantear la realimentación masiva a lo largo
de los canales aferentes.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 18
Creo que el caso de las columnas del córtex es útil para deducir otros comportamientos generales
producidos en las aferencias. En las columnas, de alguna manera, se han plasmado de foma más o
menos evidente la “operativa” de cualquier aferencia.
Prescindir de este principio de realimentación continua y aferente, me parecería como mínimo
temerario a la hora de proponer los principios funcionales que GERDO debe cumplir, por lo que
apuesto por su importancia en la generación de procesos intelectuales.
Al igual que las gigantescas posibilidades de recombinación de la información que reciben nuestras
neuronas con las infinitas “unidades” de memoria que hemos ido fabricando en nuestra vida, genera
la “ilusión del libre albedrío” ¿sería posible que la continua enorme y masiva realimentación
neuronal, coronada por la realimentación externa (nos vemos, nos oímos a través de nuestros
sensores) generase la “realidad de la consciencia”. ¿Por qué no?. De existir estas realimentaciones
harían conscientes de sí mismos a los propios canales aferentes.
1.2.5 Interacción entre canales aferentes
Una vez la información procedente de los sentidos afiere, se recombina y se enriquece con lo
previamente memorizado, la información tendrá la “suficiente calidad” para ser usada por canales de
nivel superior.
Estos canales comienzan cuando se combinan dos o más canales. Existe dos tipos de “mezcla” de
canales para generar una nueva aferencia:
- Canales con recombinación parcial o “radial lateral”.
- Canales de recombinación total.
Podemos también hacer otra distinción en función de “otros usos”:
- Bifurcación de canales.
- Muestreo de canales.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 19
1.2.5.1 Recombinación radial lateral de canales aferentes
La información procedente de los diferentes sentidos, reales o virtuales (procedentes de otros
canales aferentes) necesita “integrarse” de algún modo para que funcionen correctamente las
diferentes interacciones de autocontrol.
Las aferencias acaban de uno u otro modo compartiendo caminos “hacia adelante” (nunca se
cruzarían aferencias opuestas, no tendría el más mínimo sentido). Al compartir caminos, es
razonable pensar que se establecerá una cierta comunicación entre esas aferencias próximas. Y de
esto el responsable es el ADN. Él sabe dónde colocar las neuronas.
Esta recombinación cobra más
sentido por el hecho de que al
realizarse la comunicación por
zonas radialmente próximas en la
aferencia, se respetaría la
orientación espacial, permitiendo
la “reacción motora” basada en
“detección direccional” . Mismas
señales captadas por diferentes sensores se mezclarían por los lados correctos.
La recombinación de señales procedentes de diferentes sensores sólo podrá tener sentido si toda la
información que se combina “habla el mismo lenguaje”. No hay codificación que valga, no hay
empaquetamiento, no hay compresión, la naturaleza no sabe de eso. Relaciona información
proceda de dónde proceda. La codificación de las burbujas de información es la “codificación
natural”, tal cual sucede, tal cual se organiza la información. Variaciones de señal en función del
tiempo, o en el caso que planteamos, en función de la longitud de aferencia (en los sistemas
aferentes el tiempo en el que fluctúan la información es equivalente a longitud de aferencia). La
información que fluye por los canales neuronales son ondas de señal que se dibujan de forma radial
en las secciones de canal que atraviesan.
1.2.5.2 Recombinación total de canales aferentes
Esta posibilidad de recombinación de información tiene sentido para cuando los canales aferentes
finalizan su camino y ya no tienen sentido aisladamente, osea, que ya han recombinado toda la
información posible. Recombinarla más llevaría a “oscilaciones indeseadas”. La longitud de un canal
aferente es la necesaria para que todas sus aferencias individuales queden relacionadas /
recombinadas.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 20
Llamaremos canales aferentes
virtuales a aquellos que no
nazcan de un sentido/sensor
real. Estos canales tratarán la
información de igual manera
que si fuese un sentido. Al final
son señales individuales que
serán recombinadas a lo largo
del canal, con sus aferencias individuales vecinas y con lo memorizado en los defectos del nuevo
canal virtual. Siempre el mismo proceso pero cada vez con más información.
1.2.5.3 Bifurcaciones de canales aferentes
Según han ido evolucionando los
cerebros de algunas especies, han
ido adquiriendo mayores
capacidades de procesamiento. Lo
que antes se usaban para activar las
eferencias y “mover” al individuo
directa y rápidamente, ahora también
puede ser usado para integrar esa información en procesos de nivel superior. Es el caso del nervio
óptico humano, que mantiene su acción directa sobre el tálamo y además proyecta las señales
visuales al córtex cerebral para usar la información visual en procesos “de mayor nivel”. A esta
funcionalidad de ramificación de las aferencias, la llamaremos “bifurcación”.
1.2.5.4 Muestreo / Recolección en los canales aferentes
Este modelo de relación entre canales
aferentes, puede ser válido para la
“recogida” de información que acabará
siendo destinada a la eferencia (al
movimiento), o a la coordinación a
modo de señal de realimentación
sobre otras zonas. Este tipo de
interacción la consideraremos prácticamente unidireccional.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 21
1.3 Los canales de eferencia radial
En un sistema reactivo, como es un cerebro, la información fluye desde los sentidos hacia el
cerebro. Allí se interrelaciona con “todo” (otros sentidos, recuerdos, etc.), generando nuevos
recuerdos. De la lectura de diferentes áreas de información elaboradas, se generan señales
eferentes hacia los “puntos motores”.
Las acciones motoras están mapeadas de forma espacial, por lo
que el traslado de la información ha de estar ordenada
espacialmente: las eferencias deben respetar esta composición
espacial materializándose en una “radialidad posicional”.
Realidades espaciales percibidas generan reacciones
espaciales acordes.
Los canales eferentes
llegan radialmente
agrupados y se
separan ordenadamente hacia su punto de actuación
(unidad neuronal motora). Aunque una “neurona motora”
puede enervar muchas fibras musculares (se excitarían al
unísono) cuanto más fino queramos el movimiento, el
número de fibras por unidad motora tendrá que acercarse a 1:1.
Las eferencias necesariamente recolectan información de las aferencias de forma ordenada y radial
fuertemente “lateralizada” (ya implica una dirección espacial de acción). El origen de las señales ha
de ser una combinación compleja de distintas aferencias que han de promover movimientos. Unas
aferencias apoyan el movimiento, otras los inhiben. Podríamos decir que una señal eferente es la
suma de todas las señales aferentes que de un modo u otro le interesan.
La “recolección eferente” implica una
estructura de distribución de señales bastante
compleja. En el cerebelo, que es la parte del
encéfalo que en mayor medida realiza esta
función, quedan expuestos los orígenes de las
eferencias, tomando señal de multitud de
aferencias. Su estructura se asemeja a hileras
de árboles llenos de ramas y hojas
(aferencias) atravesados por cables
(eferencias) que toman muestras de cada hoja de cada árbol.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 22
El equivalente en nuestro sistema sería una serie de
canales aferentes que interesan a una determinada
eferencia, muestreados en zonas lateralizadas y
combinándose en una sola eferencia, o en un canal
eferente (conteniendo n elementos eferentes)
Un elemento a tener en cuenta a la hora de plantear
eferencias es el concepto de acción – reacción, o el
cruce “espacial” de lado entre lo sentido y el movimiento que produce. Sabemos que los
movimientos del lado derecho del cuerpo se gestan en el hemisferio izquierdo del cerebro y
viceversa. Puede que el sentido evolutivo de esta realidad sea la de mantener un vector de
acercamiento al alimento o algo parecido. Si nuestros ancestros hubiesen activado los flagelos que
les impulsaban del mismo lado del lado que lo que veían, seguramente habrían muerto de hambre.
Es posible que el cruce de sentidos y efectos, iniciado por necesidad, sea una de las bases de la
inteligencia, pero será muy difícil de demostrar hasta no tener modelos funcionales que lo
corroboren. Lo que sí es cierto es que en sistemas neuronales complejos, el aprendizaje puede
suplir los efectos del cruce.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 23
1.4 Los canales de simulación motora / Final de las aferencias
Los cerebros de los animales más avanzados disponen de un córtex cerebral muy desarrollado
dónde se realizan las funciones intelectuales llamadas “superiores” (hablar, abstraer, empalizar, reír,
planificar…), esto es, la generación de movimientos muy complejos, reales o imaginarios, con gran
carga de aprendizaje e interrelación.
En los humanos, el córtex cerebral representa el 80% del cerebro. La estructura del córtex se basa
en ingentes cantidades de columnitas de neuronas de estructura más o menos repetitiva que
reciben información de zonas con mucha aferencia y sirven información para excitar eferencias,
aparte de compartir información entre ellas de forma posicional. El córtex es como una gran “manta”
hecha de columnitas de estructuras de neuronas de entre 1,5 y 4 mm de altura, que por no tener
espacio para expandirse, se “arruga” sobre sí misma.
Según autores, la información aferente que llega a estas columnas “reverbera” una y otra vez en
cada columna sirviendo información a canales eferentes y a otras columnas laterales.
Pero ¿qué sentido tiene esto?, ¿realmente la información reverbera? ¿es el córtex una estructura
diferente a las aferencias?
Podría ser que el córtex fuese de una inmensa zona de simuladores elementales de movimientos
virtuales, pero esta reflexión aporta poco. ¿Simulación de qué?: Realmente es difícil dar un sentido
funcional a la “simulación reverberada”.
Creo que hay una explicación para ”un gran y potente córtex”, mucho más simple: El córtex es un
súper-cerebelo, una hipertrofia de los canales aferentes que crece y crece hasta que el cráneo se lo
impide y mantiene las estructuras de recolección de eferencias como en el cerebelo.
La naturaleza creo el córtex, porque en determinados casos, la hipertrofia cerebral triunfó. Entorno y
circunstancias permitieron a ciertos animales la expansión pura y llana de los canales aferentes.
Estos se expandieron porque la recombinación y memorización en ciertos casos no tiene límites. Si
un canal aferente no dispusiese de “memoria” tal y como se razonada en este documento, el final de
una aferencia estaría en una longitud de aferencia Lfin en donde cada punto de la sección del canal
dispondría ya de información sobre el resto de toda la información original de aferencia del canal,
vamos, que estaría completamente recombinado. Más recombinación llevaría a la completa
difuminación de la información haciéndola absolutamente inútil. Pero el no tener fin, se explica
porque la información que atraviesa el canal se enriquece con la memoria que afiere a cada L, con
lo que simplemente, por el hecho de que a cada L se aporte nueva información, Lfin se aleja más y
más.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 24
Entorno y circunstancias han permitido la expansibilidad sin límites de las aferencias, cuantos más
“defectos” en los canales, más memoria, cuanta más memoria, más violenta es la expansión, cuanto
más expansión más capacidad de relación, más interacción. Esta aferencia sin fin sólo está limitada
por la capacidad de expansión del cráneo, el córtex no es más que el final muchos canales
aferentes, y de una forma u otra, es el inicio de algunos canales eferentes.
Como se ha dicho, imaginemos a las columnitas del
córtex como un canal de memoria que recibe en su
inicio de aferencia información. La información atraviesa
la aferencia de la columnita enriqueciéndose con lo
memorizado en sus sinapsis, hasta llegar a las zonas de
“reflejo”, donde aparte de realizarse el reflejo, se realiza
el “muestreo” que canales eferentes capturando cierta
información de la citada columnita (además del
enriquecimiento lateral con otras columnitas). La información reflejada vuelve a la base de la
aferencia principal, donde es mezclada con la información “nueva” que proviene de la aferencia
reiniciando el proceso. Esto
mantendría en continua
actividad a la columnita, si no
recibe información por la base
persiste con la tratada por ella
misma, a modo de retención
“de lo último”, que sólo es
modificado cuando afiere “algo
nuevo”.
Tendencia de crecimiento ilimitado de las aferencias crea la “manta arrugada del córtex”.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 25
1.5 Conclusiones sobre el modelo propuesto
La finalidad de lo descrito hasta ahora es la de identificar premisas de funcionamiento de Gerdo.
Gerdo debe permitir, a modo de mecano, modelar sistemas sensores, reactivos y motores.
Estas son las premisas básicas del sistema:
1. AFERENCIA: Todas las informaciones sensoras y derivadas, avanzarán a través de canales,
enriqueciéndose en el avance de otra información memorizada y cercana de forma radial
ortogonal al avance. Es el canal aferente donde se produce el enriquecimiento de la
información.
2. RECOMBINACIÓN AFERENTE: La información que avanza por los canales aferentes ha de
recombinarse con la más próxima, creando “dibujos” de información interrelacionada. De esta
manera, según avanza la información en la aferencia, esta pasa a tener sentido global.
3. MEMORIA AFERENTE: A lo largo de la aferencia, y localizadas radialmente, estarán colocados
elementos de información que pueden ser recombinados con la información que afiere. Estos
elementos memorizados habrán sido originados por información previa que atravesase el canal.
4. REALIMENTACIÓN EN LAS AFERENCIAS: Se realizarán realimentaciones de información
cada n x L tramos de aferencia, las función de realimentación será determinada
experimentalmente.
5. INTERRELACIÓN DE CANALES AFERENTES. CONECTORES AFERENTES: La información
recombinada en cada canal podré ser mezclada con otras aferencias de diferentes formas, a
modo de conectores. De hecho los llamaremos “conectores aferentes”. Distinguiremos
diferentes tipos de conectores aferentes:
A. RECOMBINACIÓN RADIAL LATERAL Y TOTAL
B. BIFURCACIÓN RADIAL LATERALES Y TOTAL.
C. MUESTREO / RECOLECCIÓN DE INFORMACIÓN AFERENTE.
6. TERMINACIONES AFERENTES: Las aferencias finalizarán en zonas de columnas aferentes de
ida y vuelta, ordenadas radialmente, y con interacción radial con las columnas próximas.
7. CONECTORES EFERENTES, COMO FINAL DE EFERENCIAS MOTORAS.: La disposición
ordenada y radial de los elementos motores, será alimentada por MUESTREOS AFERENTES a
través de estos conectores.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 26
2. GERDO: Análisis, diseño e implementación
Identificadas las premisas sobre las que diseñar GERDO, enunciaremos las especificaciones y
exigencias que permitirán que sirva como herramienta de modelización de procesos intelectuales.
La herramienta debe servir para modelar, trazar, experimentar, almacenar y reusar las infinitas
formas de obtener información a través de cualquier sensor, interrelacionarla con la de otros
sensores, y permitir reacciones (que sean reales o virtuales, siempre podrán ser consideradas como
motoras).
Modelado: Desde una estructura modular de componentes dimensionables y parametrizables,
podremos generar mapas de conexiones tridimensionales de los diferentes elementos que
compondrán Gerdo.
Almacenamiento de Modelos: Debe existir herramientas de almacenamiento de modelos ya de
forma grupal o de forma individual. Esto permitirá la posterior comparación de modelos y
evidentemente sus resultados.
Almacenamiento de estado: “Congelamiento” y almacenamiento de la información que procesa en
un momento determinado un determinado modelo, permitiendo su reposición sobre el mismo
modelo o modelo compatible. Esto ha de ser posible con un diseño orientado a la “parada global” y
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 27
“serialización/deserialización iterada (anidada)” de todo tipo de información estructurada que
contenga el modelo en el momento de la orden de almacenamiento.
Trazabilidad: Al igual que en los sistemas de desarrollo de software, GERDO debe disponer de un
sistema “insertado” en todos sus elementos, que permita el estudio de lo que sucede de forma
estadística y de detalle con recolección masiva de datos de trazados específicos que permitan el
estudio diferido, depuración, optimización y mejora.
Mutabilidad limitada: El diseño ha de tener en cuenta que en algún momento, el sistema pueda
auto-modelarse y auto-parametrizarse. Este es un requerimiento, que aunque en un primer
momento no sea implementado, deberá contemplarse en el diseño para que sea viable una vez
funcione el primer prototipo.
Recordaremos las premisas en las que se debe basar operativamente:
Aferencias sensoras radiales como modelo general
Recombinación aferente continua
Memoria aferente continua
Realimentación aferente continua
Interrelaciones aferentes
o Recombinación Radial Lateral y Total
o Bifurcación Radial Laterales y Total.
O Muestreo / Recolección de información aferente.
Terminaciones aferentes
O Conectores eferentes
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 28
2.1 El estado de la tecnología. Limitaciones y soluciones.
El procesamiento en los cerebros naturales se basa en procesamiento paralelo masivo. La
naturaleza agregó y agregó elementos que cuando formaron estructuras de éxito fueron replicadas y
usadas masivamente para generar nuevas estructuras más complejas que a su vez formaron
estructuras más complejas y así lo seguirá haciendo.
Con el estado actual de la tecnología es imposible el replicar inteligencia como lo ha hecho la
naturaleza, salvo que actuemos desde el punto de vista genético, pero ciertamente, ese es otro
campo. Imaginemos que tenemos que “simular” 100.000.000.000 neuronas, algunas con 1000
conexiones reaccionado con propiedades posicionales, estableciendo el “poder” de cada sinapsis,
reconectándose en función de la señal que les pasa, conociendo la posición de cada una con
respecto a sus vecinas, acertando a priori en los diseños de los canales. Un sistema de esta
complejidad sería imposible de controlar o diseñar.
¿Realmente es la neurona la base más óptima para implementar un cerebro artificial? La naturaleza
dispuso de las neuronas, pero nosotros disponemos de capacidad de abstracción y de tecnología
que esta nos ha llevado a crear. La abstracción nos permite crear cosas que la naturaleza jamás
alcanzaría por sí sola y la tecnología nos da las posibilidades: realizar y simplificar procesos,
mejorarlos e incluso generar nuevos tipos de inteligencia. Necesitamos modelos que nos permitan
simular, estudia, probar y analizar de forma objetiva.
Enumeraremos algunas de las técnicas a usar en el desarrollo del modelo:
La programación orientada (POO)
La serialización y deserialización anidada de bloques de información
El formato de la información
La interferencia, adición y transformación entre bloques de información
La indexación de la información
Programación en tiempo real
Etc.
La programación orientada a objetos: Esta técnica de programación es a la programación, como
la ley de Ohm a la ingeniería eléctrica, o como el principio de Arquímedes a la ingeniería naval. Es
realmente lo más sólido que hasta ahora disponemos para “programar”. Lamentablemente la
vulgarización de determinadas tecnologías de programación en muchos casos se ha separado de
este concepto llevando determinadas soluciones programáticas a una complejidad, carestía e
incertidumbre innecesarias.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 29
La POO es una técnica en la que la solución sólo ha de intuirse y plantearse, para ser resuelta
posteriormente como capas de cebolla. Orientada a la reutilización, POO es una técnica ideal para
la abstracción, en la que los problemas más espinosos de resolver pueden parcelarse, dividirse y
resolverse de una forma natural. Cuando se tiene una cierta costumbre y habilidad en el uso de la
POO, los problemas complejos acaban por resolverse casi solos, como un embudo que nos guía
hasta soluciones sólidas, además de permitirnos la mejora continua de lo programado.
En la POO podemos encapsular las funcionalidades de cualquier problema, estructurar los datos de
forma abstracta, darle propiedades que facilitan el procesamiento, heredar comportamientos que ya
eran válidos y hacerlos más y más complejos, sin perder la facilidad de uso de los mismos.
Si basamos la programación de GERDO en POO, aseguramos un crecimiento y mejora infinitos,
aseguramos el poder trazar todo lo que pase en su funcionamiento, el poder almacenar, estudiar,
modificar y sobre todo, entender.
La serialización / deserialización de información: La serialización es una propiedad de la
información por la que ésta puede almacenarse en un momento dado en un dispositivo, o
transmitirse por un medio de comunicación de forma que pueda ser reconstruida con posterioridad,
ya para su uso, estudio, etc. La información original y la serializada tienen la correspondencia
biunívoca como propiedad fundamental.
La serialización ha de posibilitar el
anidamiento infinito, esto es, continentes que
contienen continentes… Es como un árbol de
información, en el que cada rama de ese árbol
a su vez pueda contener o datos concretos,
otro árbol de información y así sucesivamente.
Por ello, y usando conceptos de la POO, todo
elemento de GERDO deberá derivar de una clase abstracta o de un interface que implemente la
serialización. De esta manera, no importa lo que haya en cada paquete de datos, siempre y a
cualquier nivel, podremos serializar la información para el fin que en cada momento convenga.
El formato de la información (formato natural radial aferente): Como hemos explicado, la
información que fluye por los canales aferentes naturales son mapas (información espacial) de lo
detectado, tal cual. Esta se va recombinando con lo que se va encontrando cerca en los canales
aferentes. De hacer eso en un sistema computacional como de los que ahora disponemos, no creo
que hubiese ordenadores suficientes en la tierra para hacer una parte de lo que hace nuestro
cerebro. Por ello usaremos un truco (abstracción) que es tratar a información como ondas
tridimensionales. Esto nos permitirá realizar los procesos de interacción con operaciones sencillas
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 30
de onda, como la adición, sustracción, cuadráticas, interferencia, convoluciones, etc. Incluso
podríamos “bifurcar” el procesado software a un procesado hardware que realizaría las operaciones
en “tiempo cero”.
Los patrones de ondas ndimensionales tienen las
siguientes ventajas:
permiten el “filtrado” como elementos simple y rápido
de compresión de señal, permitiendo en la mayoría de
los casos el “recuerdo” de la señal.
Los patrones de onda pueden repetirse
indefinidamente a lo largo de la vida, por lo que el
almacenamiento de uno sólo, puede definir en un
ideograma híper-relacionado, indefinidos recuerdos
asociados.
Los patrones de onda permiten la comparación, composición, adición, sustracción,
descomposición, etc. de señales heterogéneas, permitiendo de forma sencilla la comparación e
identificación de señales.
La interferencia, adición y transformación entre bloques de información: Estos son
operaciones con las que trataremos la información aferente procedente de los sensores. Son
procesos que bien conocen los físicos y que tratan la información como ondas ndimensionales
equivalentes a la propia información.
La indexación de la información: Los procesos de indexación son técnicas programáticas que
permiten acceder muy rápidamente a la información que en cada momento se requiere evitando el
tener que realizar muestreos exhaustivos de toda la información disponible para acceder a la que
realmente nos interesa.
En el caso de GERDO, esto va a ser fundamental para conseguir un sistema que reaccione en
“tiempo real”.
Tiempo real: Un sistema en tiempo real es el que su tiempo de reacción es suficiente para cumplir
con sus objetivos. En el caso de los animales, que los cerebros procesan en tiempo real significa
que pueden reaccionar con la suficiente velocidad para: defenderse, cazar, escapar, intuir, saltar,
escapar…
En nuestro caso, los tiempos de reacción han de ser lo suficientemente buenos como para
permitirnos estudiar y trazar comportamientos. En caso de que sometamos a los sistemas
generados con GERDO a estímulos como voz o imagen, el tiempo real es el que permita que
GERDO procese la información suficiente para entender y reaccionar.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 31
2.2 Los elementos básicos de Gerdo
Ideograma: El componente de información unitario.
Puente: Relación ponderada y vectorizada entre ideogramas.
Burbuja de Ideogramas: Agrupación de Ideogramas con cierta entidad relacional.
Orbitales de Burbujas: Distribución de Burbujas de Ideogramas en torno a un Grupo Consciente y
Subconsciente.
Conectores: Elementos que relacionan y combinan información aferente en formato natural radial
aferente.
Interface Aferente (IA): Es el interface que conecta un sensor al sistema.
Interface Eferente (IE): Es el interface que conecta al sistema con un actuador (movimiento)
Grupo Consciente y Subconsciente: Grupo de procesamiento correspondiente a un elemento
aferente con entidad propia.
Bloques de Abstracción Aferente (BAA): Agrupación funcional de uno o varios Grupos
Consciente y Subconsciente junto a los elementos de información que le sean propios (Conectores,
Orbitales, Burbujas e Ideogramas relacionados).
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 32
2.3 El Ideograma
Un ideograma representa la unidad coherente de información en las aferencias del sistema.
El Ideograma (Ideo) tiene una doble
funcionalidad: una como información que
afiere por un canal y la segunda como
información estática memorizada y
posicionada que interacciona con los
Ideogramas aferentes.
A-Ideo
Es la unidad de información dinámica aferente procedente de un sensor (u
otra aferencia que actúa como tal).
Posee propiedades posicionales y temporales. Es modificado mediante la
recombinación y la interacción con los M-Ideos que encuentra en su
camino.
M-Ideo
Es la unidad de información memorizada en la aferencia. Frente al
dinamismo del A-Ideo, el M-ideo pude considerarse como estático.
Posee propiedades posicionales y no posicionales, y es modificado por la información de los A-
Ideos con los que interactúa. Haciendo un símil, los M-Ideos actúan como un conjunto de sinapsis
situadas en una determinada localización radial aferente. Las propiedades no posicionales de los M-
Ideos se basan en la posible “reutilización” de la información que contienen en otras posiciones
aferentes (o radiales) o incluso en diferentes canales de aferencia.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 33
El sentido que se le dé a la información contenida en un ideograma depende del contexto dónde se
utilice, no de la información que contenga. Un ideograma sólo se relaciona con otros ideogramas
información con información, recombinándose, derivándose, agregándose. El Ideograma no dispone
de fechado ni de información del tipo de sensor que lo provoca.
De esta manera, cualquier información en un determinado punto aferente estará compuesta de un
grupo de Ideogramas que denominaremos Burbuja de Ideogramas y que explicaremos más
adelante. Por otro lado, un ideograma no debe anidar información, aunque sí que puede servir para
acceder a información relacionada a través de su Colección de Puentes.
Propiedades:
La información tridimensional del área aferente que representa (coordenadas polares, y
amplitud de señal o transformada válida).
El punto de aplicación del ideograma (Longitud de aferencia y polares de su centro).
Tipo: (A-Ideo / M-Ideo)
Colección de Puentes entre Ideogramas (se verá en el punto siguiente).
Otra información de apoyo a la indexación (cadencia y decadencia de uso…)
Métodos (funciones):
Interacción A-Ideo / M-Ideo
Indexación de Puentes
Métodos generales de los objetos de Gerdo (como la Serialización y Deserialización,
Parada, Arranque, etc.)
Otras consideraciones:
Nomenclaturas:
Denominaremos Idi a un determinado Ideograma (i) de todos los que contiene GERDO
Denominaremos XIdi a la información contenida en un Ideograma Idi
Denominaremos PIdi a la colección de puentes de un Ideograma Idi
Denominaremos PpIdi a un puente (p) de la Colección de Puentes de un Ideograma Idi
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 34
2.4 Puentes entre Ideogramas
Un Puente representa la relación no ponderada entre
dos Ideogramas. Estas relaciones son básicamente de
génesis. Las relaciones se crean cuando la información
de un Ideograma complementa a la de otro a forma de
relaciones de inclusión o dependencia parcial o total.
Cuando se crea un ideograma es porque hay una nueva
representación de la información que hasta ese
momento no existe en ningún otro Ideograma del
Sistema. Como ya se ha dicho, un Ideograma no contiene a ningún otro, pero si puede referencias o
otros.
Veamos algunos ejemplos
a) X = XIdk b) X = XIdi + XIdj + XIdk c) X = XIdi + XIdj + x + XIdk
En el caso a, la información que afiere coincide con la ya existente en el Ideograma Idk, por lo que
no se creará un Ideograma nuevo, ni ningún Puente nuevo en dicho Ideograma.
En el caso b, la información que afiere está contenida en diversos Ideogramas (XIdi + XIdj +
XIdk), en ese orden concreto, por lo que se generaría un nuevo Ideograma con información vacía
(XIdi = Ø) y Puentes P0Idx ► P?Idii, P1Idx ► P?Idij, P2Idx ► P?Idik,
En el caso c, la información que afiere está contenida en diversos Ideogramas pero le falta parte (x)
por lo que se generaría un Ideograma información XIdi = x y Puentes P0Idx ► P?Idii, P1Idx ►
P?Idij, P2Idx ► P?Idik,
De los casos expuestos se deducen varios tipos de Puentes: Aditivos (o referenciantes) y
Referenciados. Un puente aditivo es el que genera una relación de inclusión de Ideograma referido
al referente. Un puente referenciado, es aquel que referencia un Ideogramas padre e hijo.
Propiedades:
Ideograma Origen y Destino.
Tipo (Aditivo o Referencial)
Métodos:
Indexación progresiva (búsqueda de relaciones válidas)
Métodos generales de los objetos de Gerdo (como la Serialización y Deserialización,
Parada, Arranque, etc.)
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 35
2.5 Burbujas de Ideogramas
Una Burbuja de Ideogramas es un elemento virtual que contiene una colección de referencias a M-
Ideos.
La finalidad de las burbujas la de
facilitar un nuevo elemento de
abstracción / indexación de la
información memorizada para que
esta sea accesible en tiempo real,
esto es, que el sistema reaccione a
tiempo con la información más válida
posible.
Las Burbujas nacen, crecen o se
destruyen en función del uso que se
le dé a la agrupación de M-Ideos a los que referencia. Esta potestad la tendrán dos elementos: El
Consciente y el Subconsciente que más adelante describiremos.
La composición de una Burbuja está basada en estimaciones continuas de la información utilizada
en las aferencias temporal y posicionalmente. De esta manera, mantendremos memoria en “su zona
de uso” al modo que lo hacen los canales aferentes neuronales, pero no físicamente, sino
referencialmente, ahorrando de esta forma infinidad de recursos al sistema de implantación.
Es importante volver a señalar que un M-Ideo puede estar en infinitas Burbujas. Un Ideograma es
una información tridimensional que puede ser entendida en cualquier aferencia, y por lo tanto,
formar parte de cualquier grupo de información de Gerdo.
Propiedades:
Colección de referencias a los Ideogramas contenidos.
Referencia a su sistema Orbital y a su órbita.
Métodos:
Funciones de acceso e indexación.
Métodos generales de los objetos de Gerdo (como la Serialización y Deserialización,
Parada, Arranque, etc.)
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 36
2.6 Orbitales de Burbujas
Un Sistema Orbital de Burbujas de Ideogramas es un
elemento virtual que organiza el uso de la información de
una determinada aferencia de tal manera que “acerca” la
información más importante (desde el punto de vista
funcional y temporal) a los elementos procesadores de la
información aferente encargados de la recombinación,
realimentación y memorización.
Estos elementos procesadores (consciente y
subconsciente) aparte de otras tareas, se encargarán de
mantener los orbitales con una densidad homogénea de
tal forma que la información más “interesante” se
encuentre siempre próxima a ellos. Dicho de otra forma,
establecerán la composición de los orbitales ponderando sus burbujas:
Las Órbitas representan la importancia de una Burbuja con respecto a su Consciente y
Subconsciente.
En un principio podemos hacer la
hipótesis de que a cada Profundidad
de Aferencia (L) le correspondería una
sistema orbital, de la misma manera
que en las aferencias neuronales
naturales existe memoria en cada L
adecuada (y producida) a esa
profundidad de aferencia.
Propiedades:
Colección Órbitas de Burbujas.
Referencia a su sistema Orbital.
Métodos:
Algoritmos de ordenación y homogeneización de órbitas
Funciones de acceso
Métodos generales de los objetos de Gerdo (como la Serialización y Deserialización,
Parada, Arranque, etc.)
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 37
2.7 El modelo de acceso a memoria
De lo visto hasta ahora, vemos que disponemos de varios niveles de abstracción, manejo e
indexación de la información con la que se enriquecerá la información aferente.
El fin de este modelo es disponer en cada punto espacial y temporal de las aferencias de la
información que útil para generar reacciones aprendidas y válidas.
Describiremos una aproximación al ciclo de acceso a la memoria:
1. La información de inicio del canal sobreviene como un A-Ideo. Se indexa el Grupo Orbital
correspondiente a la Aferencia.
2. Cuando éste alcanza el primer nivel de profundidad, hace que se indexe el Orbital L=0 del
Grupo Orbital correspondiente a la Aferencia, con lo que pasamos a disponer de toda la
información válida para ese nivel L=0.
3. El Orbital, que está ordenado de la manera en la que el sistema ha gestionado previamente,
nos presenta las órbitas de Burbujas importantes más próximas para su uso. Aún así, todas
están disponibles y el que se usen depende del tiempo que el sistema tenga para “profundizar”
en órbitas más lejanas o supuestamente, menos importantes para la reacción.
4. Comienza la comparación (mediante estrategias y algoritmos de acceso a las más probables)
del A-Ideo aferente con los M-Ideos presentes en las Burbujas. En este proceso se seguirán los
caminos establecidos en los Puentes de Ideogramas. De este proceso se establecerán niveles
de coherencia entre el A-Ideo y los M-Ideos, siendo los más coherentes los que pasen a
interactuar con el aferente, que es modificado. Las burbujas “usadas” se responderán en su
valor orbital según determinados algoritmos de estabilidad. De ser la información aferente
suficientemente “novedosa”, pasará a formar parte de las Burbujas existentes o incluso de
nuevas Burbujas que se creen en este proceso.
5. El proceso se repite a lo largo de las diferentes Profundidades de Aferencias (L) hasta el final
prefijado de máxima profundidad de la aferencia.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 38
2.8 Los Conectores de Información Aferente
En el apartado de Interacciones entre Canales Aferentes, vimos las diferentes posibilidades de
interacción entre canales aferentes:
A estas formas de relación las denominaremos
Conectores.
Un conector es un elemento de redistribución de
la información de un determinado A-Ideo, que
encontrándose en una determinada Profundidad
de Aferencia, pasará a formar parte, total o
parcialmente de otro A-Ideo procedente de otra
aferencia.
En un futuro se podrán contemplar más tipos de interacciones. Considero que con los aquí descritos
puede bastar para evaluar el sistema. En cualquier modo, cualquier tipo de conector se basará en
una geometría distinta de interacción por lo que su resolución no debería ser un problema.
2.8.1 Conector Lateral
En este caso, se trata de combinar dos aferencias de forma que ambas presentan una zona lateral
de la aferencia. La recombinación ha de hacerse en función de la distancia entre cada elemento
aferente.
La información en un determinado punto de la
interacción será del tipo Iy (final) = Iy + (Ix / d2)
La parametrización del conector se hará en
función del radio de cada A-Ideo, la distancia
entre sus centros y el ángulo relativo que
presenten.
2.8.2 Conector Total
Este conector, presentará la interacción de forma centrada y sólo será afectado tan solo por el
ángulo de presentación de las aferencias. Los radios de los A-ideos se harán coincidir haciendo un
“zoom” sobre el más pequeño para permitir un enfrentamiento completo.
Uno de los usos de éste conector será el de la realimentación en “Unidades Aferentes” o BAAs, que
más adelante se exponen.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 39
2.8.3 Conector Bifurcación
La información aferente en un determinado nivel de Profundidad de Aferencias (A-Ideo) aparte de
seguir su camino, será “inyectado” al inicio de un nuevo canal aferente. La única parametrización de
este canal es la Profundidad de Aferencia donde se toma el A-Ideo y el nuevo Canal de Aferencia
que inicia.
2.8.4 Conector de Muestreo
Este tipo de conector recoge una determinada información de un A-Ideo, de
forma posicional (y de superficie determinada) y la conecta con un canal en
forma lateral (desde el máximo descentramiento hasta el total centrado).
Esta es la forma en que haremos funcionar a las Eferencias para realizar tareas
motoras (como veremos más adelante)
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 40
2.9 Información de Entrada y Salida. Interfases
2.9.1 Interfases Aferentes (IA)
Cualquier información que se le suministre a Gerdo, deberá ser convertida al Formato Natural
Aferente.
Generalmente, los sensores electrónicos operan en función de un muestreo periódico tal que nos de
sensación de “continuidad” cuando lo leído se reproduce. De ahí que los sensores se ajusten a
frecuencia de muestreo que nuestros sentidos detectan como naturales.
La mayoría de la información es repetitiva e innecesaria ya que realmente varía poco de un muestro
a otro. La habilidad que se requiere a los sensores es la bondad en la detección de cambios. Los
interfaces deberán tratar exclusivamente con la variación de información, inyectando en los A-Ideos
la información que se aporte diferente a la anterior. De esta manera, la cantidad de proceso
disminuye notablemente y el sistema es realmente dinámico.
Cada sensor tiene una resolución, que se
traduce en la cantidad de información que
se suministra al sistema. A este parámetro
le denominaremos “ancho de banda de
aferencia”. El ancho de banda se traducirá
en un ancho del A-Ideo.
En las conversiones de las señales
percibidas será necesario tratar cada caso
de forma individual, ya que la realidad que aprecian es diferente en cada caso, aunque todas ellas
detectan variaciones de parámetros físicos.
La mayoría de los sensores naturales funcionan en parejas
orientadas a zonas más o menos opuestas. En el cerebro, con
estos datos bidimensionales genera mapas de información
tridimensional basados en lo memorizado y en información
secundaria que apoya esa “multidimensionalidad deducida”. Por
ejemplo, los ojos enfocan con los músculos ciliares modificando la
forma del cristalino, estos actúan en función de órdenes eferentes
complejas derivadas de lo que van leyendo de los ojos y de otras
informaciones memorizadas, de forma que en el momento que el
cerebro, contempla el objeto como enfocado, le aplica la validez de
tridimensionalidad al mapa leído o interpretado.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 41
En definitiva, cada sensor ha de tener un tratamiento especial para que sus “señales” sean
aplicadas a las aferencias, siempre de forma radial.
2.9.2 Información de Salida. Interfases Eferentes (IE)
En la naturaleza, la ejecución de movimientos se realiza siempre en base a la combinación de
fuerzas que se equilibran en un punto de reposo. Todos los elementos mecánicos (músculos,
tendones, articulaciones, huesos, etc.) actúan como un mecano cuya acción integra el cerebro con
el aprendizaje para conseguir los movimientos correctos. Es el cerebro el que realiza las labores de
“servocontrol”.
En el mundo de los actuadores mecánicos la forma de actuar
es diferente. Generalmente éstos actúan sobre motores
internamente servocontrolados (ya en velocidad, ya en
posición), por lo que mucha de la tarea de control asignada al
“cerebro” estaría derivada a los actuadores. Con una
combinación de dos motores servocontrolados en cada
articulación se realizan los más complejos movimientos. Esto
a priori debe significar una gran descarga de trabajo de
proceso al cerebro artificial.
Existen líneas de investigación sobre músculos artificiales al modo de los naturales que parece
serán la base de la robótica futura. Su actuación se asemejará a la natural, pero es seguro que el
procesamiento de sus movimientos y el “control” de su estado, estará integrado en ellos mismos.
Todo esto plantea que las eferencias que activan movimientos, deben actuar exclusivamente de
forma espacial bidireccional y que le “traducción” al actuador correspondiente (driver) es específico
de cada actuador.
El modelo de de Ideo eferente, al igual que cualquier Ideo, el de
una sección de canal radial en el que cada punto tiene una valor
de “intensidad”. Ese valor es aplicado al actuador en la misma
representación radial.
Parece razonable que el valor aplicado a cada “punto” del actuador
que corresponda (músculo) sea una “velocidad” de actuación. Ya
dijimos que las señales aferentes siempre corresponden a una
variación de lo detectado, nunca a un valor estático de lo sentido.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 42
Definiremos el IE (Interface Eferente Unitario) como el elemento que recolecta eferencias y
mediante un conector de muestreo las integra de tal manera que genera un mapa de actuación de
movimiento.
En la figura se representa el IE.
Diferentes A-Ideos son
recolectados de una o más
aferencias e integrados en un
único A-Ideo que actúa como
mapa de excitación de un “Driver”.
Estos Drivers serán específicos
para cada actuador, y serán los
encargados de convertir los
trenes de A-Ideos integrados al
formato electrónico específico.
En la naturaleza no hay sensor sin actuador
(los ojos tienen músculos que mueven
cristalino, iris, etc. los oídos tienen eferencias
–algunas células ciliadas externas- que
actúan como controles de sensibilidad, etc.) y
viceversa, en ocasiones, sentimos el estado
nuestros músculos (aunque de forma
indirecta).
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 43
2.10 El Consciente y el Subconsciente
Denominamos “Consciente y Subconsciente” a los elementos procesadores de la información
aferente. La elección de los nombres no es casual, ya que algunas connotaciones que normalmente
conllevan son muy válidas para entender el contexto en el que operan.
¿Cuál es la diferencia entre los dos?
EL Consciente engloba a todos los procesos y mecanismos que permiten procesar la información
que “entra” a la aferencia (A-Ideos) y el Subconsciente englobará a los procesos y mecanismos que
“reciclan” la información presente en el canal aferente, en nuestro caso, en los Grupos Orbitales de
la aferencia, Dicho de otra manera, uno trata con la realidad del momento presente y el otro con la
realidad memorizada.
El Grupo Consciente/Subconsciente se sitúa funcionalmente en el centro del Grupo de Orbitales de
una aferencia: La información de órbitas más cercanas a estos, será la que más influya en la
respuesta y la ésta será más precisa cuanta más información de los orbitales pueda tratar. Una
respuesta en tiempo real, a veces requiere de usar sólo la memoria más inmediata.
El Consciente y el Subconsciente hacen tareas similares
pero les diferencia la precedencia de la información de
entrada. La indisolubilidad de su vínculo reside en que
ambos operan sobre los mismos recuerdos, el Grupo de
Orbitales que le corresponda como Aferencia.
¿Por qué necesitamos el Subconsciente a nivel elemental
de aferencia? Si tan sólo tratásemos la información que
afiere, el sistema sólo respondería de forma más o menos
automática, todo dependería de lo “sentido”. En las
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 44
aferencias naturales nunca cesa la información aferente, (siempre se oye algo, se ve algo, se huele
o siente algo, siempre hay glándulas funcionando…). Pero en sistemas no naturales, seguramente
habrá que forzar un cierto flujo que barra la memoria aferente manteniendo los sistemas activos y
estables. Además se hace imprescindible que los sistemas estén “alerta” de cierto tipo de
información importante y que no dependa de la información recibida del exterior. Esa es la finalidad
del “procesador secundario” al que hemos llamado Subconsciente.
Aparte de esta función de “rastreador de lo conocido”
del Subconsciente deberá realizar otro tipo de tareas
en segundo plano que no afectan a la respuesta en
tiempo real, sino que afectarán a las respuestas
futuras. Es el caso de la homogeneización de burbujas
en sus orbitales de forma que se agolpen en el mismo
nivel de indexación, de la gestión de olvido, etc.
En la figura se puede ver un esquema de flujo del
grupo de procesamiento de una aferencia. Vemos
que sólo el Consciente interactúa con la información
aferente y genera la información enriquecida
(memoria, recombinación y realimentación). El
subconsciente realiza la tarea de “barrer” los
orbitales a modo de “aferencias virtuales”, a modo de
“sueños”. Si la información que procesa alcanza un
cierto nivel de coherencia, esta pasa al canal como si
fuese observada.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 45
Parametrización (personalización) del grupo procesador
Muchos son los factores que pueden afectar al procesamiento de la información en los Conscientes
y Subconscientes. Estos factores son de dos tipos: de especificidad funcional o de especificidad
temporal.
Entre los primeros estarán aquellos que permiten al sistema funcionar “regularmente”, algo así como
el sistema parasimpático que regula la normalidad. Entre los segundos, al modo de “sistema
simpático” están los que regulan “desde fuera“, la parametrización funcional de Consciente y
Subconsciente. Por ello las denominaremos: Parametrización Simpática y Parametrización
Parasimpática.
Parametrizaciones Parasimpáticas: determinan los límites de funcionamiento de los algoritmos.
Sección de aferencia inicial
Profundidad máxima de aferencia
Latencia de muestreo o Modo interrupción de los A-Ideos de entrada
Latencia de presentación de A-Ideos de salida
Otras parametrizaciones del acceso a los M-Ideos y de ponderación de burbujas y orbitales
Etc.
Parametrizaciones Simpáticas: Determinan los balanceos entre Consciente y Subconsciente, las
latencias de muestreo y las profundidades de orbitales muestreados.
Niveles de estrés orbital de aferencias posteriores
Niveles de alerta exteriores (de sensores, de eferencias, etc.)
Etc.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 46
2.11 BAA (Bloque de Abstracción Aferente)
El BAA es el elemento procesador de Gerdo y representa el procesamiento de una Aferencia o un
tramo de ésta. El BAA puede contener varios bloques unitarios cada uno con un Consciente, un
Subconsciente, una colección de Conectores además de los Buses de comunicación:
Bus de IN/OUT de A-Ideos
Bus de acceso a su Grupo Orbital de Órbitas de Burbujas de Ideogramas
Bus de Control
o Comandos de control de estrés orbital de aferencias derivadas
o Comandos de control de alertas “simpáticas”
o Comandos de control de parametrización
o Comandos de análisis, trazado, serialización, congelación, etc.
EL BAA es un serio candidato a ser integrado en un
chip de hardware, aunque también puede
implementarse como software a través de la
instanciación (implementación) de una clase (modelo)
del tipo BAA. De hecho, el modelo que se está
desarrollando es un modelo puramente software.
El modelo que representa el BAA es un modelo
ilimitado en cuanto a replicación a junto con una
especialización individual, lo que nos da la base para
que Gerdo pueda crecer y ser modelado de forma ilimitada y organizada y lo que es más
importante, podemos crear un modelador: un programa que genere grupos de aferencias
conectadas, organizadas y parametrizadas a un nivel superior.
El Bus de IN/OUT de A-Ideos al BAA se muestra en los modelos de forma separada, aunque en la
implementación, ambos compartirán un solo Bus, con las señales de control necesarias para
conocer su tipo. Este Bus también contendrá la información del destino del A-Ideo, aunque en los
esquemas se muestre la conexión directa.
Todos los Buses pueden ser comunes a todas las BAAs (les
diferenciará la información de “propiedad”) o pueden ser usados por
unos BAAs determinados. A la derecha se muestra el esquema de
un BAA.
A un dispositivo con un solo BAA le llamaremos N1. A un elemento
con dos BAAs le llamaremos N2 y así sucesivamente.
El BAA
(Bloque de Abstracción Aferente)
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 47
Internamente deberán estar conectados sus buses de
forma conveniente. Sus entradas y salidas podrán
encadenarse o poderse usar de forma independiente al
modo de cómo se especifique en la parametrización que
se haga a través del Bus de Control de cada BAA.
La forma en la que se encadenen, fijará también el nivel
de realimentación de la información. Como es lógico, las
realimentaciones podrán anidarse pero nunca cruzarse,
ya que crearían una inestabilidad incontrolable.
Una ventaja de los BAAs es que permiten el
encadenamiento para resolver un mismo canal de aferencia cuando la cantidad de proceso excede
a uno solo.
Las BAAs se relacionan en arquitecturas
complejas a modo de aferencias
relacionadas, que junto con la
parametrización de las mismas formarán
la base del sistema de Modelado de
procesos intelectuales complejos.
La ilimitada capacidad de expansión del
modelo, junto a la adecuada implementación
de los procesos de serialización y
deserialización justifican a Gerdo como un
sistema de modelado de procesos
intelectuales, tal y como se enuncia al
principio del documento.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 48
2.12 El modelado de Gerdo
Una vez descritos los elementos abstractos y funcionales que compondrían Gerdo, es necesario
generar un modelo de interrelación y desarrollo que permita a los equipos de estudio y desarrollo
trabajar con topografías desde la más simple a la más compleja y obtener resultados trazables y
mensurables.
La modelización de Gerdo, se realizará a dos niveles: de gestión de bloques y de configuración de
elementos.
ESTRUCTURA DE DATOS BÁSICAS
Utilizaremos ciertas estructuras de datos que nos facilitarán la parametrización de los componentes
el entendimiento de modelo y manejabilidad conceptual.
GESTIÓN DE BLOQUES
La gestión de bloques para el establecimiento de las topologías de los modelos, esto es, colocar y
“conectar” todos los elementos de Gerdo de forma coherente.
CONFIGURACIÓN DE ELEMENTOS
La configuración de elementos debe permitir la parametrización de cada uno de los elementos que
formen parte del modelo propuesto.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 49
2.12.1 Estructuras básicas de datos
Un canal aferente se representa como un tronco de cono, con una determinada sección de entrada
y una mayor o igual sección de salida. La posición de cualquier punto en el canal se referencia a un
sistema de referencia tridimensional:
1. Profundidad de Aferencia (L): Distancia sobre el eje central longitudinal (0 = inicio del canal)
2. Radio de Aferencia (r): Distancia ortogonal y mínima de cualquier punto al eje de aferencia.
3. Ángulo de Aferencia (α): Ángulo que forma el Radio de Aferencia con el 0 del canal. Este 0 es
independiente de cualquier orientación externa y es propia del canal individual.
Un canal está definido por:
Profundidad de Aferencia (PA)
Radio de Sección de Entrada (R0)
Radio de Sección de Salida (Rn)
Ángulo de Rotación de entrada (αo)
La densidad de información en el canal aferente
es una constante: La unidad de información que
discurre por los canales está en relación de 1 a 6,
esto es, cada punto de información aferente se
rodea de otros 6 puntos.
La densidad de información constante
relaciona el parámetro que llamaremos
“Superficie de Aferencia”, al Radio de
Sección Aferente por la fórmula expuesta en
el gráfico de la derecha.
El radio de una sección de aferencia tomará
valores entre 0 e infinito. A mayor radio más
información. La cantidad de información en
una sección aferente es lo mismo que hablar
de Superficie de Aferencia.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 50
Un canal Aferente o Eferente tiene una orientación angular con respecto a su origen o con
respecto a otro que lo influye. Este ángulo será el que se aplicará al giro de los A-Ideos que entren
en el canal o sección de éste. Cualquier canal Aferente que dependa de otro conoce su orientación
relativa.
Una Zona Aferente es una parte de una sección transversal del
canal aferente, definida por:
Profundidad de Aferencia de la sección aferente
Posición polar bidimensional del centro de la Zona.
Radio de la Zona.
2.12.1.1 Las Unidades
Las Longitudes y Profundidades de Aferencia serán múltiplos de una unidad o “paso de aferencia”,
esto es, un paso en la recombinación de una sección aferente. Tomará valores enteros desde 0
hasta infinito.
Dentro de las secciones aferentes (secciones circulares ortogonales al eje de aferencia), los radios
de posición o las distancias tendrán valores reales mayores o iguales a cero y su magnitud unitaria
será la del radio de aferencia de entrada de su canal aferente. De este modo, todas las medidas de
sección de un canal, tienen una dimensión relativa a su propio canal.
En cuanto a los ángulos, además de usar cualquier unidad de medida angular, se usará un par (x,y)
cartesiano correspondiente a la sección ortogonal del canal aferente. Este tipo de medición permitirá
acelerar el procesamiento de la información.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 51
2.12.1.2 El Sistema de coordenadas en la sección ortogonal de canal aferente
El cálculo en coordenadas polares de tratamiento de señales aferentes pude resultar un “cuello de
botella” en la viabilidad de la propuesta del sistema Gerdo, debido a la sobrecarga de proceso. El
tratamiento discreto de las secciones (relaciones,
convoluciones, interacciones, etc.) debe ser tratado con
alguna estrategia sencilla que acelere los cálculos.
Un sistema “cartesiano dentado” puede ser la solución.
Con una disposición como la de la figura es inmediato y
sencillo encontrar las coordenadas de un punto y de los
puntos que le rodean, a la vez que calcular distancias
entre puntos sin tener que recurrir a trigonometría
alguna para la mayoría de las operaciones de
procesamiento de información.
Como norma, para calcular radios y distancias se tendrá
en cuenta:
Sumar 0,5 a la coordenada X en el caso de que la
coordenada Y sea impar.
Multiplicar cada coordenada Y por
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 52
2.12.2 Gestión de Bloques
Mediante la Gestión de Bloques generaremos los mapas de interconexiones de elementos de
Gerdo. Para ello será necesaria la creación de un interface gráfico que lo facilite.
En la figura se muestran los elementos que
usaremos y sus iconos correspondientes.
El sistema de Gestión de Bloques marcará
el funcionamiento combinado de los
elementos, forzará el correcto conexionado
entre elementos, permitirá el acceso a la
Gestión de Configuración y al análisis del
funcionamiento en modo real y emulado.
Definiremos algunas reglas de uso que simplificarán y harán más comprensibles los diagramas de
bloques.
2.12.2.1 Bloque de Abstracción Aferente (BAA)
Los bloques de procesamiento aferente o de abstracción aferente se representan
por un círculo circunscrito en un triángulo equilatero que apunta con un vértice a la
zona más aferida. El conjunto puede estar contenido en un rectángulo. Todo el
conjunto será de color azul en caso de uso de colores.
En la esquina inferior en el sentido más aferido, se encuentra una
leyenda que indica el número de BAAs que operan en ésta
aferencia.
La entrada a un BAA será por la zona lateral de menor nivel de
aferencia ( el opuesto al ángulo que indica la dirección más aferida del canal). La salida se realiza
por el lateral opuesto.
En la parte inferior puede encontrarse una leyenda que refiera a un determinado área de memoria
correspondiente a un conjunto de grupo de orbitales. Esta división se realiza en aras a segmentar la
memoria masiva que debe manejar Gerdo e impedir a priori una posible saturación de los buses y
controladores que accedan a la memoria de orbitales / burbujas / ideogramas. Esta división implica
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 53
que los ideogramas no podrán ser compartidos entre diferentes áreas de memoria masiva, lo que no
debe suponer ninguna desventaja funcional, aunque si será necesaria más cantidad de memoria.
De los resultados de los modelos se prodrá derivar la desaparición o no de esta división.
Versatilidad de BAAs: De una misma BAA pueden salir A-Ideos enriquecidos (A-Ideos++) a
cualquier Profundidad de Aferencia dentro del margen en el que se le haya configurado, esto
permitirá que estas salidas sean conectadas (mediante conectores de cualquier tipo) a otros BAAS
o IEs (Interfaces Eferentes).
A una BAA se le pueden inyectar A-Ideos a diferentes niveles de profundidad aferente y con
cualquier tipo de conector.
Esta versatilidad tiene el inconveniente de que en los diagramas de bloques de elementos de
Gerdo, deberán separar y mostrar cada punto de aferencia significativo, no pudiendo quedar oculto
ningún cambio de funcionalidad aferente. Dado que estos “puntos de cruce funcional” siempre
sucederán en una misma rama aferente, no será complicado que el sistema quede marcado como
una misma BAA a través de un simple contenedor de línea discontinua.
En la figura siguiente podemos
ver a un BAA con diferentes
entradas a 4 conectores, uno
de cada tipo. Funcionalmente
todo ocurrirá en el mismo BAA
pero el diagrama de bloques
los mostrará de forma
separada.
En la edición de bloques se mostrará de la siguiente manera:
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 54
Más adelante, cuando hablemos de la configuración, veremos cómo se completa la información con
los valores asociados a cada Profundidad de Aferencia de cada BAA, la Profundidad de aferencia
en que opera cada conector y los valores de configuración propios de cada conector.
2.12.2.2 Interfaces Aferentes (IA)
Estos bloques funcionales corresponden a los interfaces que toman la señal de los
sensores (ya convertida en A-Ideos por los “drivers” de cada sensor) y la inyectan a
un canal aferente, esto es, a un BAA.
El bloque está representado por triángulo equilátero que apunta con un vértice a la zona de
inyección de los A-Ideos al primern BAA. El triángulo muestra encima de él a un rectángulo que
simboliza la cola de proceso que permite al IA obtener una señal diferencial (sólo hay señal si hay
variación).
El conjunto puede estar contenido en un rectángulo. Todo el conjunto será de color verde en caso
de uso de colores.
2.12.2.3 Interfaces Eferentes (IE)
Estos bloques funcionales corresponden a los interfaces que traducen los A-Ideos a
la señal adecuada (excluido drivers) de actuadores de movimiento, sonido, o
cualquier otro tipo de acción.
El bloque está representado por triángulo equilátero que apunta con un vértice a la zona de
inyección de la señal a los drivers de los actuadores y por un círculo que lo sobrescribe en parte que
simboliza los conectores de aferencias que le pueden llegar.
El conjunto puede estar contenido en un rectángulo. Todo el conjunto será de color naranja en caso
de uso de colores.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 55
2.12.2.4 Conectores
2.12.2.4.1 Conector Total
Este conector está representado por un círculo de color rojo al que le llegan dos
canales aferentes y los combina de forma toral. En su interior contendrá las letras
“RT” de “Recombinación total”. A él han de llegar dos flechas (canales a
recombinar) y salir una (canal recombinado).
2.12.2.4.2 Conector de Recombinación Lateral
Este conector está representado por dos círculos de color rojo que simbolizan la
interacción entre dos canales aferentes que se recombinan de forma lateral. En
su interior contendrá las letras “RL” de “Recombinación lateral”. A cada círculo le
llega una fecha y sale otra simbolizando los dos canales aferentes que han de recombinarse y los
dos canales ya recombinados.
2.12.2.4.3 Conector de Bifurcación
Este conector está representado por un círculo de color rojo que simboliza la
bifurcación total o parcial de un canal aferente. En su interior contendrá la letra “B”
de “Bifurcación”. Al círculo le atraviesa una flecha que simboliza el canal aferente y otra que sale del
conector que simboliza la bifurcación de todo o parte del canal.
2.12.2.4.4 Conector de Muestreo
Este conector está representado por un círculo de color rojo que simboliza el
muestreo de un canal aferente. En su interior contendrá la letra “M” de “Muestreo”. Al
círculo le atraviesa una línea (por una sección de longitud menor que el diámetro del
círculo) que simboliza el canal de muestreo y le llega una flecha que simboliza el canal aferente que
es muestreado.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 56
2.12.2.5 Módulos Bloques Estructurales
Es frecuente en los diseños de estructuras que éstas sean agrupadas en bloques funcionales que
permitan la replicación y amplíen la funcionalidad.
Definiéndolos una sola vez podrán ser “instanciados” (usados) tantas veces como se quiera. Cada
bloque ha de permitir su propia “parametrización”.
Esta filosofía ya se realiza en software con la Programación Orientada a Objetos (POO) o en los
diseños de CAD (diseño asistido por ordenador) para circuitos impresos o para circuitos integrados.
Diseños básicos o complejos de software y hardware no se entenderían sin esta capacidad de
anidamiento de bloques.
Los bloques actuarán como cajas negras con N entradas y M salidas y tal y como veremos, su
configuración también se realizará “en bloque”.
2.12.2.5.1 Modulo IO
Este Módulo definirá una entrada de sensor y una salida de actuador.
El combinarlos tiene varia justificaciones: casi todos los sensores
(aferencias) tiene un elemento de eferencia para controlarlos en
alguno de sus parámetros (apertura de iris, ganancias,
sensibilidades, etc.) por lo que necesitan información eferente, el
integrar ambos IA e IE simplifica el diseño. Lo mismo sucede con
los interfaces eferentes, un actuador puede tener información de su estado que ha de ser inyectada
de forma aferente al sistema. A priori, un Módulo IO será aplicado a cada elemento de interacción
externo
2.12.2.5.2 Módulo Recombinador / Muestreador (M-RLM)
Este módulo puede ser usado en multitud de zonas donde se
combinen canales aferentes y estos sean muestreados para
influir en Eferencias
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 57
2.12.2.5.3 Módulo de Recombinación Lateral x 6 (M-RLx6)
El Módulo RLx6 está pensado para
la interacción con canales afrentes
que se rodean a modo de pelos de
cepillo. El canal central influye en los
6 que le rodean (separados 600) y
estos en el central.
2.12.2.5.4 Módulo Reverberante (M-REV1)
La figura de la derecha muestra un módulo
“reverberante” con salida hacia un muestreo
eferente que podría representar una modelo de
columna cortical. La señal aferente es tratada una
y otra vez por el par de BAAs y es a su vez
modificada por la señal de entrada aferente del
Módulo. Se proporciona una salida (Aout) que envía señal enriquecida a la aferencia fuente.
El módulo también puede conectarse a otros 6 que le rodean gracias al módulo RLx6.
También dispone de una salida y una entrada (Revout y Revin ) para “ampliar la columna”.
2.12.2.5.5 Módulo Reverberante a varios niveles (M-REVx)
En la figura hemos unido varios Módulos Reverberantes en serie, de tal manera que la información
que los atraviesa sea más y más abstraída o si se quiere, enriquecida. A cada nivel se mantiene un
nivel de muestreo aferente. Cada Nivel se relaciona con los niveles equivalentes.
Los A-Ideos que entrarían en el reverberador provendrían de canales aferentes o del final de uno de
éstos canales.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 58
Grupos de M-REVx se relacionarían a través de las X1-6 con grupos
de M-REVx de aferencias anteriores o posteriores, o procedente
de otros tipos de aferencias.
2.12.2.5.6 Otros Módulos posibles
Cualquier organización modular es posible.
En la figura de la derecha se muestra un
ejemplo de ello: Dos canales aferentes de
entrada se recombinan, sus salidas son
muestreadas y una de las recombinaciones se
inyecta a un BAA para abstraer/enriquecer su
información.
El Módulo de la izquierda muestra un grupo de
aferencias que son tratadas cada una por un
canal aferente, y cuyas salidas se recombinan
para generar A-Ideos Eferentes.
La parametrización de Módulos, de incluir el
configurar “arrays” de elementos que se
conectan según un patrón.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 59
2.12.3 Configuración de elementos y Módulos
Mediante la Gestión de Bloques generaremos los mapas de interconexiones de elementos de
Gerdo. Sólo queda establecer los parámetros con que cada bloque y módulo trabajarán.
Mediante los Módulo podremos extender el funcionamiento de los Bloques hacia cualquier
funcionalidad.
Ahora, estableceremos el método para parametrizar cada uno de los Bloques y cada uno Módulo
que definamos.
Utilizaremos una terminología análoga a la usada en POO:
Clase: Definición completa de un Bloque o Módulo de Bloques.
Objeto: Instanciación de una Clase, o dicho de otra manera, la definición/implementación completa
de un Bloque o Módulo.
Herencia: Cuando una Clase, hereda todo el comportamiento de otra. De esta manera, al crear una
nueva Clase, no partiremos de cero; partiremos de todo lo que es y hace la Clase de la que se
hereda. A partir de esa herencia podremos agregar o modificar nuevos comportamientos.
Propiedades: Las valores de configuración de cada Clase.
Propiedades Públicas: Propiedades que se pueden modificar desde el diseño global.
Propiedades Privadas: Propiedades que no se pueden modificar desde el diseño global.
Propiedades Protegidas: Propiedades que se pueden modificar sólo desde clases heredadas.
También utilizaremos terminologías de variables y arrays para
el flujo de A-Ideos (entradas y salidas).
NOTA: El software en el que se desarrolla Gerdo, se realiza
en inglés, por lo que todos los nombres de Clases, Funciones,
Propiedades, etc., se referirán en inglés. Los nombre se
escribirán sin espacios, en minúsculas y escribiendo en
Mayúscula la primera letra de cada palabra, facilitando la
legibilidad.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 60
2.13 Integración
Gerdo dispone de una arquitectura que permite generar todo tipo de modelos basados en canales
de abstracción de información aferente y conectarla a canales eferentes.
La flexibilidad, versatilidad, capacidad de crecimiento, e interacción ha quedado descrita, pero de
tales capacidades surge la necesidad de cómo controlar todas estas capacidades sin perder el
sentido de lo que queremos implementar.
Según configuremos más y más Bloques y
Módulos nos surgirá la necesidad de
entender y controlar la gran cantidad de
ubicaciones, relaciones, interconexiones, etc.
Será imprescindible un tratamiento
tridimensional de ubicación, parametrización
e interconexionado que además nos
“conecte” con la realidad espacial de los
modelos que pretendamos implementar.
Tan importantes como lo propios elementos de
Gerdo, serán los sistemas que permitan su
definición, implementación, interconexión, análisis,
trazado, almacenamiento, etc.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 61
3. Final
Con lo expuesto hasta el momento, se establecen los primeros elementos de un modelo de
ingeniería para la generación de procesos intelectuales.
Evidentemente queda mucho trabajo por hacer para empezar a tener conclusiones, medidas, y
alguna certeza que nos indique los siguientes pasos a dar para conseguir despertar a Gerdo. Creo
que no hay otro camino que partir de una teoría siempre discutible, pero razonablemente válida,
para establecer un modelo mensurable con el que poder trabajar.
Se están desarrollando todo un conjunto de elementos software que dan soporte a lo hasta ahora
descrito. Pronto tendremos las primeras conclusiones que iremos publicando.
También se están estableciendo algunas teorías sobre las inteconexiones entre flujos de
información aferente, que sin duda serán probadas en cuanto esté disponible el primer modelador.
Espero haber hecho comprensible el modelo en el documento. Cualquier consulta, idea o
colaboración serán bienvenidas.
Cualquier aportación a su desarrollo e implementación será siempre bienvenida. Para avanzar con
el proyecto es necesario que se impliquen medios y personas con la capacidad e ilusión para
ponerlo en marcha.
Carlos Mª Bustos Lozano GERDO: Modelización de I.A
Página 62
Autor:
Carlos Mª Bustos Lozano
Ingeniero Técnico Industrial Electrónico-Eléctrico
Analista y Desarrollador de Sistemas Software y Hardware
carlos.bustos@interprogramas.com
Segovia – España 2013
Documento está presentado en el Registro de la Propiedad Intelectual de Segovia el 20 de Junio del 2013 y con referencia
SG-47-2013