Mostrando entradas con la etiqueta computación. Mostrar todas las entradas
Mostrando entradas con la etiqueta computación. Mostrar todas las entradas

Programa 228

"La computadora tiene que aprender y, para eso,
es necesario que razone"



En esta emisión, contamos con la participación de Agustín Gravano, Profesor Adjunto del Departamento de Computación FCEN (UBA), Investigador UBA-CONICET, para reflexionar sobre la interacción a través del lenguaje entre humanos y computadoras.

Para comenzar, Agustín manifestó que "el lenguaje me fascinó desde siempre. Y descubrí que uno de los problemas a resolver es que las computadoras puedan manejar ese lenguaje. Enseguida me pareció impresionante la complejidad la dificultad de esos problemas que, para nosotros, son cosas naturales sin mayor esfuerzo. Hoy día, una de las cosas que mejor funciona es que las computadoras puedan leer un texto. Tanto es así que ya hay ejemplos por todos lados, como el caso de Stephen Hawking".

"La mayor dificultad histórica para llevar al usuario común las herramientas de procesamiento del habla radica en que la computadora pueda reconocer las palabras; es decir, poder transcribir las palabras. Cuando hablamos, emitimos un montón de sonidos y estamos preparados biológicamente para poder separarlos en fonemas, formar palabras y oraciones, y sacar significados. Todo esto para un computadora es muy difícil; incluso sólo la parte de reconocimiento del audio y generación de palabras (lo cual se conoce como reconocimiento automático del habla) fue una traba histórica. Recién hace unos diez años que este reconocimiento automático del habla tiene una solución aceptable", afirmó el invitado.

A continuación, Agustín agregó que "una vez superado lo anterior, surge el problema de que la computadora entienda las palabras. Allí, la dificultad excede al propio lenguaje. Aquí no sólo el problema es complejo sino que además es cultural porque el lenguaje define quiénes somos como seres humanos. El lenguaje no es una cosa aislada de nosotros. Para ejemplificar esta dificultad, supongamos que le preguntamos a un compañero de trabajo si Fulano vino a trabajar hoy. Tal vez, la respuesta sea sí o no. En ese caso, el diálogo es fácil de interpretar. Pero, normalmente, no funcionamos así sino que hacemos cosas raras con el lenguaje porque no somos directos. Las respuestas que damos -retomando el ejemplo anterior- son del estilo 'su auto está afuera'. Nosotros no tenemos ningún problema para identificar esa respuesta como algo afirmativo; pero una computadora necesita en este caso poder razonar: si me hablan del auto, quiere decir que el auto es de Fulano, y si el auto está en la puerta, quiere decir que Fulano está cerca. Todas estas cosas nosotros las sabemos; pero la computadora, no. Por eso, la computadora tiene que aprender y, para eso, es necesario que razone y saque conclusiones".

"Finalmente, en el caso de que la computadora pudiera reconocer lo que se le dice y entenderlo, el siguiente paso es que formule una respuesta. Eso depende enormemente de lo que se está hablando. Si se le pregunta a una computadora cómo va a estar el clima mañana, una vez que entiende el sentido de la misma, lo que deberá hacer es recopilar información del servicio meteorológico, sacar conclusiones y transmitir la respuesta. Tal respuesta se conoce como generación natural del lenguaje", agregó.

Programa 220

"En las Mecánica Cuántica, las partículas se pueden
desdoblar y seguir varias trayectorias simultáneamente"


En esta emisión, contamos con la participación de Juan Pablo Paz, Dr. en Cs. Físicas (UBA), Docente-Investigador UBA-CONICET, para reflexionar sobre la informática cuántica.

Uno de los interrogantes que planteó Juan Pablo fue "cómo se pasa de la Mecánica Cuántica a la Física Newtoniana y viceversa. Por un lado, la Física macroscópica es la Física Newtoniana, donde las partículas se mueven de un lugar a otro siguiendo una asociación de puntos (que es lo que llamamos una trayectoria). Por otro lado, la Mecánica Cuántica es la Física de las partículas muy pequeñas (electrones u otros elementos del átomo, por ejemplo), donde aquellas no se comportan de la misma forma; en su lugar, dichas partículas pequeñas se mueven de un lugar a otro sin seguir una única trayectoria dado que son entes deslocalizados". 

En ese sentido, el Dr. Paz explicó cómo "el estudio de la frontera entre lo cuántico y lo clásico fue relevante para el desarrollo de computadoras cuánticas. Todos sabemos -más o menos- qué es una computadora ordinaria. En esos dispositivos se guarda información, la cual está codificada en forma binaria (ceros y unos). Cada cero y cada uno está representado por el estado de un objeto físico; en el caso de un disco rígido magnético, si éste puede representarse como un conjunto de pequeños imanes entonces cada cero y cada uno refleja el polo norte o sur de cada imán. Este pequeño imán resulta muy chiquito para nosotros, pero es muy grande para los átomos. Cada uno de esos imanes tiene alrededor de cien mil millones de átomos. En cambio, las computadoras cuánticas son aquellas en las que la información se almacena en la escala de un átomo para cada bit (o sea, cada cero o cada uno está almacenado en un único átomo). La gracia de todo esto es que las leyes de la Física que rigen el comportamiento de los átomos -la Mecánica Cuántica- son muy raras porque, en ellas, las partículas se pueden desdoblar, seguir varias trayectorias simultáneamente, tener un comportamiento deslocalizado. Supongamos que en una computadora hay dos caminos: uno por arriba y otro por abajo. En una computadora tradicional, el electrón viajará o bien por arriba o bien por abajo, y ello generará un estado de un cero o un uno. En cambio, en una computadora cuántica, el electrón viajará por arriba y por abajo al mismo tiempo y puede generar un estado que no es ni cero ni uno. Los bits cuánticos son objetos que pueden representar información y que, cuando uno los mide, obtienen un estado de cero o uno, pero cuando no los mide, pueden representar los dos estados a la vez".

Programa 99

"El sistema automático de aprendizaje (de un robot) puede ser de varias maneras. Las dos ramas más grandes son el sistema experto y la red neuronal"


En esta emisión, contamos con la participación de Marcela Riccillo, Dra. en Ciencias de la Computación (UBA) y Especialista en Robótica e Inteligencia Artificial. 

El eje central de la entrevista fue adentrarnos en el mundo de la robótica: de qué manera se puede desarrollar inteligencia artificial, cómo ha evolucionado la confección de robots, las implicancias prácticas y morales de dotar a los robots de conciencia, hacia dónde se encamina la robótica.

"El sistema automático de aprendizaje (de un robot) puede ser de varias maneras. Las dos ramas más grandes son el sistema experto y la red neuronal. 

Siempre digo el ejemplo de un taxista... Si a un taxista le digo 'andá para Arenales y Uruguay' y no le digo cómo llegar, él tiene que ir recorriendo solo. Si le digo 'andá por tal calle, después andá por tal calle', va a llegar seguro porque es el camino que yo conozco. 

Si otra persona le dice esa dirección (Arenales y Uruguay) o una dirección por la que ya pasó, va a saber por dónde ir; esto es el sistema experto. Es como una Wikipedia: lo lleno de información y hay que ir a recuperarla. 

Ahora, si (otra persona no le dice) cómo llegar, el taxista da vueltas y, si llega, va a encontrar un camino mucho mejor que el que yo conozco y va a pasar por lugares (de los que puede) puede deducir información. O sea, en la red neuronal, yo le pongo pocos ejemplos y, después, deduce los ejemplos que faltan".

Programa 53


Les presentamos a continuación el programa 53 de "Con Ciencia", emitido el 06 de septiembre de 2011 por RadioUBA 87.9. En esta emisión, contamos con la presencia de Pablo Jacovkis, Dr. en Matemática, Especialista en modelos matemáticos computacionales interdisciplinarios, Ex Decano de la FCEyN.

El tema de la entrevista fue "Computadoras, modelización matemática y ciencia experimental".