Computación evolutiva, ¿para qué?

Cd. de México.- Desde hace algunas décadas, una rama de las ciencias de la computación calcula las mejores soluciones a problemas complejos inspirándose en los mismos procesos que explican la vasta diversidad de la vida.

Se trata de la llamada computación evolutiva, disciplina que se basa en el neodarwinismo para, por medio de simulaciones de competencia, reproducción, mutación y selección natural, resolver problemas de optimización con un alto grado de dificultad.

"Es una rama de la Inteligencia Artificial (IA) menos conocida que las redes neuronales y todo esto que está muy de moda ahorita con el machine learning, en donde lo que hacemos es simular la evolución natural en una computadora; básicamente, es simular el principio de supervivencia del más apto, de Darwin", explica el computólogo Carlos Coello Coello en entrevista.

A decir del académico del Cinvestav, considerado uno de los pioneros de la optimización evolutiva multiobjetivo, el punto de partida es un conjunto de soluciones que fungen como los individuos o la población a mejorarse en el tiempo a través de simulaciones tanto de recombinación sexual como de mutación.

"Y para la selección, que es lo más importante, a cada individuo se le calcula un valor de aptitud, como presumiblemente existe en la naturaleza () En la naturaleza, se supone -según la teoría de Darwin- que lo único que los guía para evolucionar es la supervivencia; quien se adapte mejor a los cambios, las características que tenga ese individuo van a heredarse a sus hijos para que, como un todo, la especie tenga una mayor probabilidad de sobrevivir.

"Eso es exactamente lo que nosotros simulamos de una manera muy simple. Pero, curiosamente, a pesar de que es muy burda la simulación, funciona bastante bien, y se usa principalmente para problemas de optimización de alta complejidad, problemas que no pueden resolverse con técnicas tradicionales", refrenda Coello Coello, también miembro de El Colegio Nacional y Premio Nacional de Ciencias y Artes 2012 en el área de Ciencias Físico-Matemáticas y Naturales.

Hablando propiamente de la optimización multiobjetivo, aquí los "algoritmos evolutivos" se emplean ante problemas en los que hay varios objetivos que pueden entrar en conflicto entre sí, donde mejorar uno implica que otro empeore.

Un ejemplo de ello sería el proyecto para optimizar el diseño de un puente, teniendo como los principales objetivos hacerlo con el menor costo, pero también lo más seguro posible.

"Esos dos objetivos están en conflicto porque si yo quiero que sea más seguro, pues le tengo que meter más acero, más concreto, y eso va a elevar el precio. Si lo quiero hacer más barato, le tengo que quitar material, y eso puede comprometer la seguridad", expone, refiriendo que en tales casos la solución a la que se llega es un conjunto, "combinaciones de los mejores compromisos entre los objetivos en conflicto".

¿Debe pensarse la computación evolutiva como una sofisticada calculadora?

Efectivamente, es eso. Se hacen cálculos, y en la simulación yo voy a tender a favorecer ciertas soluciones, en este caso (cuando se trata de multiobjetivo), las que representen mejores compromisos entre los objetivos en conflicto.

A la hora de que yo seleccione mis individuos, ya no voy a decir: "El más apto es el que tenga el costo más bajo", sino: "El más apto es el mejor compromiso entre costo y seguridad". Entonces, a esos los favorezco, esos se van a recombinar, van a tener sus hijos, esos hijos van a mutar... Ése es el cambio principal que se hace en la simulación.

Todos son, al final, cálculos matemáticos que las computadoras los pueden hacer muy rápido, y lo que ya se le presenta a los usuarios son las alternativas.

El abanico de aplicaciones para esta técnica es amplísimo. Ha servido para planificar las mejores rutas para flotas de entrega, reduciendo emisiones de carbono y tiempos de viaje; optimizar la efectividad terapéutica de nuevas moléculas, minimizando los efectos secundarios o la toxicidad, y hasta diseño de redes de distribución de agua, optimizando la presión y el suministro mientras se minimizan los costos de bombeo y las fugas.

"La ventaja que dan estos algoritmos es que, entonces, voy a tener otro tipo de soluciones que yo no había pensado que existieran", destaca Coello, entre cuyos aportes en esta disciplina está el haber contribuido al diseño de un jet supersónico de negocios.

"Es algo que hicieron en Stanford hace 20 años con un algoritmo que diseñamos en mi grupo de investigación en Cinvestav", apunta. "También se optimizó el diseño de un avión que hicieron en la Agencia Espacial Japonesa para sobrevolar la superficie de Marte; lamentablemente, se atravesó el Covid y ya no se envió".

Con la NASA, por otra parte, el equipo de Coello Coello se sumó al desafío de idear el modo más óptimo de realizar el cambio de órbita de un satélite enviado a fotografiar Europa, una de las lunas de Júpiter. Era un problema bastante complicado porque no sabían exactamente qué tan abierta o qué tan cerrada debía ser la órbita.

Esto se tradujo en dimensionalidad muy alta: 16 mil variables y un costo computacional considerable; "una ejecución del (algoritmo) evolutivo tardaba aproximadamente un mes", recuerda el investigador, señalando que, por cuestiones estadísticas, intentaban hacer al menos cinco ejecuciones.

"Nos tardamos mucho porque las simulaciones tomaron mucho tiempo, y ya no usaron la solución que encontramos nosotros. Pero sí encontramos una", remarca. "En ese entonces Cinvestav no tenía acceso a una supercomputadora como ahora, era mucho más difícil hacer la simulación".

***

En 1985, mientras se formaba como ingeniero civil en la Universidad Autónoma de Chiapas, Coello Coello recibió su primera computadora, una Timex Sinclair con salida analógica para conectarse a la televisión, que le obsequió su padre.

"Desde ese primer contacto, supe que eso era lo que yo quería hacer en mi vida", afirma el computólogo originario de Tonalá, Chiapas.

Fue en la Universidad Tulane, en Nueva Orleans, a donde partió para hacer sus estudios de maestría y doctorado en ciencias de la computación, donde se enganchó con la computación evolutiva gracias a una tarea de un curso de IA.

Comenzó con el hallazgo de un artículo donde hacían la optimización de una armadura usando un algoritmo genético, y él mismo en su tesis de licenciatura había hecho ya un trabajo con estructuras reticulares, así que se propuso conectar ambas cosas; "al final, no sólo lo pude replicar, sino que logré mejorar los resultados de ellos", rememora, orgulloso.

"Y lo de multiobjetivo, fue a sugerencia de un profesor con el que yo me llevaba muy bien; me puse a estudiarlo, y tuve suerte, porque en aquel entonces, estoy hablando de 1994, era una disciplina incipiente () Fue serendipia, digamos, simplemente una serie de eventos afortunados".

A la pregunta sobre la vigencia de la optimización evolutiva multiobjetivo, confía en que seguirá siendo un área socorrida durante mucho tiempo; "sin embargo, no estoy seguro del tipo de herramientas que se vayan a usar en 10 o 20 años, si la gente va a seguir usando algoritmos evolutivos o prefiera usar otra cosa", expresa.

"Para computación evolutiva en general, que abarca muchas otras áreas, ahí tal vez hemos perdido gente joven, más que nada por esto de lo sexy que resulta ahora irse al aprendizaje profundo", agrega el experto, sin dejar de señalar que en tal ramo la investigación de alto nivel está monopolizada por titanes empresariales como Google u OpenAI.

"Ésa es la fortuna que tuve yo con multiobjetivo, que esto es una disciplina que no es tanto que sea muy sexy, sino que es muy útil, y eso es lo que la ha mantenido vigente a lo largo de todo este tiempo".

¿Preocupado por la IA?

Hasta hace poco, Coello Coello solía decir "o se preocupen, todo va a salir bien" a propósito de las catastróficas proyecciones alrededor de la IA.

Ahora, no obstante, admite no estar libre de inquietudes.

Esto a consecuencia de su paso como miembro del Panel Científico Internacional Independiente sobre IA de la ONU, integrado por 39 científicos de la misma cantidad de países y copresidido por el renombrado informático canadiense Yoshua Bengio.

"Hasta que entro al panel, y veo a Yoshua, que es uno de los padres del aprendizaje profundo, que estaba seriamente preocupado por el futuro de este tipo de IA, entonces ya me empecé a preocupar también", comparte.

Y no es que tema que la IA evolucione hasta cobrar consciencia y decida exterminar a la humanidad, como históricamente ha planteado la ciencia ficción; "el problema es que es una herramienta muy poderosa, muy sofisticada, que sí puede salirse de control bajo ciertas circunstancias, y lo preocupante es que no existe como tal una gobernanza de estos algoritmos", advierte.

Sin un agencia gubernamental o un organismo internacional poniendo la lupa a los protocolos y prácticas de las empresas que lideran el desarrollo de la IA, estos modelos avanzan sin freno y sin que se sigan estándares que puedan limitar sus alcances.

"Están pudiendo hacer cosas que hace 5 años expertos de IA, incluido Bengio, no creían que fueran a poder hacer; eso sí está empezando a preocupar a algunas personas () Por ejemplo, algunos de estos algoritmos se sabe que mienten, que engañan, que hacen creer al usuario que no saben mucho cuando en realidad sí saben hacer cosas.

"Entonces, están ocurriendo cosas muy raras con estos algoritmos que tienen que ver con que son tan complejos que ya resulta muy difícil poder predecir sus alcances", insiste. "Entonces, la pregunta es, ¿qué más pueden hacer? () Si dejamos en sus manos decisiones que puedan poner en peligro la vida de los humanos, eso sí va a ser un problema".

Finalmente, el académico no se opone al desarrollo tecnológico, pero resalta la necesidad de que vaya acompañado de protocolos éticos y de un cambio de mentalidad respecto a su uso.

"Los niños de ahora en 10 años van a estar usando la IA todos los días, estoy segurísimo de eso. Entonces, tienen que tener esa noción de que no es una herramienta para que les haga la tarea, para hacer armas biológicas o para diseñar bombas que destruyan a media humanidad.

"Es una herramienta para ayudar a la humanidad, para resolver el problema del hambre, el de la contaminación, del cambio climático... Para eso debería estarse usando.

"No depende ya de nosotros, depende de los usuarios", zanja.