procesamiento de información en sistemas vivos

8/18/2019 Procesamiento de Información en Sistemas Vivos

1/77

Procesamiento de información

en sistemas vivos

Nelson Alfonso Gómez Cruz

Laboratorio de Modelamiento y Simulación

Escuela de Administración

Universidad del Rosario

[email protected]


2/77

Procesamiento de información en sistemas vivosNelson Alfonso Gómez Cruz

Introducción

La complejidad es un aspecto reciente en el ámbito de la

ciencia y la ingeniería

– Instituto Santa Fe, 1984

– Ingeniería de sistemas complejos, 2006

Sin embargo, los avances no tienen precedente en

la historia de la ciencia


3/77


Introducción

Los sistemas vivos son los de mayor complejidad conocida

Imagen tomada de Theise & Kafatos, Complementarity in Biological Systems: A Complexity View, 2013


4/77


Introducción

El procesamiento de información (computación) es un

aspecto fundamental en el estudio de la complejidad

• El computador como herramienta

• Métodos de simulación• Complejidad computacional y algorítmica

• Computabilidad de sistemas y problemas

• Computación como marco de trabajo para explicar

sistemas complejos


5/77


Contenido

1. Interacciones entre biología y ciencias de lacomputación

2. Un nuevo paradigma: la computación

biológica

3. El problema de la computabilidad

4. Hipercomputación y sistemas vivos


6/77


Contenido



biológica




7/77


Computación y vida

1. Almacenamiento, manipulación, integración y análisis de datos

biológicos experimentales por medio de computadores

2. Simulación y síntesis de sistemas biológicos

3. Inspiración en la biología para construir nuevos algoritmos

(metaheurísticas)

4. Inspiración en la biología para construir nuevos modelos y

arquitecturas de computación

5. Uso de materiales biológicos para computar

6. Estudio de la naturaleza computacional de los sistemas vivos


8/77


Computación y vida

1. Biología computacional

2. Vida artificial

3. Computación bio-inspirada

4. Biomodelos y bioarquitecturas de computación

5. Computación con biomateriales

6. Computación biológica


9/77


Biología computacional

Comprende:

– Bioinformática• Genómica y proteómica

– Biomecánica computacional, neurociencia computacional,

bioquímica computacional, fisiología computacional,

inmunología computacional…

– Ecoinformática

– Biología (computacional) de sistemas

• Posibilitó realización del proyecto genoma humano en 2003

(dos años antes de lo esperado)• También permitió desarrollar la primer célula viva controlada

con ADN sintético (artificial) en 2010 (C. Venter)


10/77


Vida artificial

Lo que ofrece:

• Biología de lo posible

• Síntesis antes que análisis

• Enfoque productivo antes que histórico

• Bottom-up antes que top-down (IA vs. VA)

• Control local antes que global

• Especificación simple antes que compleja

•Comportamientos emergentes antes que pre-especificados

• Simulación de poblaciones antes que de individuos.


11/77


Vida artificial

Incluye una variedad de subcampos:

• Autómatas celulares

• Sistemas de Lindenmayer

• Embriologías artificiales

• Químicas artificiales

• Desarrollo artificial• Algoritmos genéticos

• Modelamiento y simulación basados en agentes

• Autopoiesis artificial

• Computación química

• Redes autocatalíticas

• Desarrollo de protocélulas

• Modelos de reacción-difusión


12/77


Vida artificial

Motiva nuevos campos científicos e ingenieriles:

• Biología sintética

• Biología de sistemas

• Tecnología viva

• Ingeniería morfogenética

• Software autoorganizante


13/77


Vida artificial

• Surge en el contexto de las ciencias de la complejidad(Langton, 1989)

• Promueve activamente la ingeniería bio-inspirada como un

nuevo paradigma (Doursat, 2011)

• Dos aspectos centrales son la emergencia y la auto-

organización en sistemas vivos. Se ha denominado como la

ciencia de la emergencia (Heudin, 2006)


14/77


Computación bio-inspirada

• Computación neuronal (redes inmunes artificiales)• Computación evolutiva (algoritmos evolutivos)

• Computación inmune (sistemas inmunes artificiales)

• Computación colectiva (inteligencia de enjambres)


15/77


Biomodelos y bioarquitecturas

• Computación celular (Sipper, 1998)• Computación con membranas (sistemas P)

• Computación con ADN in info

• Autómatas celulares

La mayoría de biomodelos son capaces de procesamiento

universal de información (en el sentido de la máquina

universal de Turing)


16/77


Biomodelos y bioarquitecturas

Computación celular

complejo simple

s e r i a l

p a r a l e l o computación

celular

redes neuronalescompletamente conectadas

computación paralela dememoria compartida

computación

distribuida

arquitectura serial de propósito general

máquinas deestados finitos

redes neuronales parcialmente conectadas

computación

paralela

(Sipper, 1998)


17/77


Computación con bio-materiales

• Computación con molecular (ADN y ARN)

• Computación con bacterias

•Computación con células

• Computación con physarum


18/77


2010 2012

Diseño de vías ferroviarias en Tokio

Tero et al. Rules for Biologically Inspired

Adaptive Network Design, 2010

a. b.

c. d.

Computación con moho de fango

Computación con bio-materiales


19/77


Computación y vida

Biología Computación

Biologíacomputacional

Simulación de

sistemas vivos

Computación bio-inspirada

Computación con

biomateriales

Biomodelos ybio-arquitecturas


20/77


Computación biológica

Computación que lleva a cabo la vida en su entorno natural…

…es el tema de esta charla!


21/77


Computación y vida

Biología Computación

Biología

computacional

Simulación de

sistemas vivos

Computación bio-

inspirada

Computación con

biomateriales

Biomodelos y

bio-arquitecturas


En estos tiempos llenos de entusiasmo, nuestra tarea es

nada menos que descubrir una nueva y amplia noción de

computación, y entender el mundo que nos rodea entérminos de procesamiento de información

(Kari & Rozenberg, 2008)


22/77


Computación y vida

Debe distinguirse entre:

• El soporte tecnológico para la investigación relacionadacon la vida

• La computación dirigida al modelamiento y la simulación

de fenómenos biológicos

• La computación inspirada por la vida

• La computación que puede implementarse en

materiales/sistemas biológicos

• La computación que realizan los organismos vivosnaturalmente


23/77


Computación y vida


24/77


Computación y vida


25/77


Contenido



biológica




26/77



Es un campo de investigación reciente que estudia elprocesamiento de información que llevan a cabo los sistemas

vivos en su medio natural.

Es solo el estudio de la computación biológica el que

preguntará, específicamente, si, cómo y por qué los

sistemas vivos pueden ser vistos como

fundamentalmente computacionales en naturaleza

(Mitchell, 2012)


27/77


28/77


Promesas de la computación biológica

• Permitirá entender la biología de una manera más

unificada

• Hará posible una comprensión más general de lo que

significa computar


29/77


Raíces de la computación biológica

• Vida artificial

• Computación natural

• Biología (sintética, de sistemas)

• Ciencias de la complejidad (CC)


30/77


14 problemas abiertos en vida artificial

Problema No. 10: Desarrollar una teoría sobre el

procesamiento, el flujo y la generación de información en

sistemas evolutivos


31/77


Computación biológica vs. natural

Computación Natural

Computación

inspirada por

la naturaleza

Síntesis de fenómenos

naturales en

computadores

Computación con

nuevos materiales

naturales

Redes

neuronales

Computación

evolutiva

Inteligencia

de enjambre

Sistemas

inmunesartificiales

Geometría

fractal

Vida

artificial

Computación

con ADN

Computación

cuántica

De Castro, Fundamentals of Natural Computing: An Overview, 2007


32/77


Computación biológica vs. natural

Kari & Rozenberg, The Many Facets of Natural Computing, 2008

Computación natural

Naturaleza como

inspiración

Naturaleza como sustrato

de implementación

Computación neuronalComputación evolutiva

Inteligencia de

enjambres

Computación inmune

Vida artificial

Computación

cuántica

Computación conmembranas

Naturaleza como

computación

Computación amorfa

Autómatas celulares Computación

molecular Biología de sistemas

Redes

Biología sintética

Computación en

células vivas

Bioquímicas

Genéticas

De transporte

í ó ó


33/77


Raíces de la computación biológica

20132009

l l d l f ó l l


34/77


El rol de la información en la naturaleza

• En los sistemas físicos, la

información juega un rol

“pasivo”.

• En los sistemas biológicos, la

información juega un rol

“activo”.

• Esto último sugiere dinámica…

dinámica de la información

(=computación)(2005)

f ó í


35/77


Información y energía

La vida y la computación son fenómenos estrechamente

relacionados: se puede considerar a la vida como una forma

emergente de computación creada al borde mismo del caos(Emmeche, 1998)

Langton (1992) propone la tesis según la cual la vida se ubicaen (o evoluciona hacia) un punto crítico en el que la dinámica

de la información obtiene el control sobre la dinámica de la

energía.

Al d ió bi ló i


36/77


Algunos rasgos de computación biológica

• Interacción entre los elementos del sistema y entre el sistema y

el entorno

• Computación distribuida y vastamente paralela

• Múltiples mecanismos de procesamiento de información

• Computación multi-nivel

• Potencial para sintetizar nuevos mecanismos de procesamientode información (evolución/complejización de la computación)

• Evolución como computación (Mayfield, 2013)

• Control auto-organizado

• No hay proporcionalidad entre lo que entra y lo que sale(procesamiento no trivial)

• Tolerancia a fallos y otras auto-propiedades

Ej l d ió bi ló i


37/77


Ejemplos de computación biológicaSystem/Process Scale References

Bacteria colonies Bacterial [1, 10, 11]

Bio-chemical reactions Molecular [30]

Gene assembly in ciliates Molecular [29, 66]

Protein-protein interaction networks/bio-chemical networks Molecular [43]

Biological transport networks Molecular [43]

Information diffusion in the endocrine system Molecular [43]

Defense adaptation and coordination in the immune system Molecular [20, 35]

Biological metabolism Molecular [59]Regulatory network of genes Genetic [9, 42, 43]

Computation in living cells Cellular [3, 29]

Cellular assembly Tissues [76]

Retina Organismic [76]

Brain processes and neural networks Organismic [16]

Development / genotype phenotype mapping Organismic [30, 77]Information processing in swarm insects Population [22]

Evolution, diversification and complexification of living beings Evolutive [47,57]

(Gómez- Cruz & Maldonado, 2013)

C ió ili d


38/77


Computación en ciliados

• Existen hace más de un billón de años.

• Hay miles de especies, muchas no caracterizadas aún.

• Sin embargo, poseen dos características comunes:

micronúcleo

macronúcleo

C t ió ili d


39/77



micronúcleo

macronúcleo

Codifica copias funcionales de todos los

genes que regulan el crecimiento

vegetativo y la proliferación celular

Contiene versiones encriptadas del ADN

macronuclear y se emplea para el

intercambio sexual de ADN

C t ió ili d


40/77



C t ió ili d


41/77



Modelo formal para el reordenamiento de genes

Se denota Σ● al conjunto de todas las palabras circulares sobre Σ.

Una palabra, denotada ●, es circular sii w es equivalente a w’, esto

es, sii = y = para cualquier perturbación de las letras

sobre .

Si ∈ Σ+ es un punto, entonces las recombinaciones guiadas por son definidas así:

⟹ (lineal/lineal) (1)

⟹ ●

(lineal/circular) (2)

● ⟹ ● ●′ (circular/circular) (3)

C t ió ili d


42/77



La expresión gráfica para (1) es:

⟹

C t ió ili d


43/77




⟹ ●

C t ió ili d


44/77




● ⟹ ● ●′

C t ió b t i


45/77


Computación en bacterias

Ben-Jacob, 2009

• Comunicación química colonias complejas (109-1012 individuos)

•No almacenan en sus genes la información relevante paraconstruir los patrones coloniales

• Adicionalmente, una bacteria puede reconocer solo pequeñas

áreas

• Sin embargo, se comportan como organismos multicelulares

(diferenciación celular, distribución de tareas y módulos que

funcionan como órganos reproductores)

• Generan cooperativamente nueva información contextual

mediante la información almacenada en los individuos y la

información latente extraída del entorno• Esa información se procesa cognitivamente para modificar la

función o el comportamiento de la colonia



46/77



Ben-Jacob, 2009

Fortalezas cognitivas e ingenieriles de la colonia

Paenibacillus dendritiformis

• Percepción colectiva del nivel de nutrientes y de la dureza del entorno• Regulación del genoma para ajustar secreción de lubricación y viscosidad



47/77



Ben-Jacob, 2009

Organización modular de la colonia

Paenibacillus vortex

• Incluye dinámicas atracción, repulsión, fusión y división de vórtices• Las interacciones se dan por quimiotaxis atractiva y vínculos físicos entre

bacterias



48/77



Ben-Jacob, 2009

Aprendizaje de la experiencia


• Tras el segundo ataque con antibióticos la colonia se expande más rápido y supatrón es más complejo



49/77



Ben-Jacob, 2009

Inteligencia de enjambre


Bacterias y la Máquina de Turing


50/77


Bacterias y la Máquina de Turing

Ben-Jacob, 2009

• La MT separa hardware y software

• En las bacterias el hardware cambia dinámicamente de acuerdo

las información que entra, la información almacenada, el

procesamiento de la información (en distintas escalas), y la salida

deseada

• Las salidas afectan el bienestar de los individuos, por tanto lascomputaciones no son “objetivas”

• Es un proceso interactivo que no separa entradas y salidas

• Las bacterias asignan autónomamente prioridades distintas a las

entradas y las procesan de formas distintas para su beneficio (unaMT no computa para “su beneficio”)

Para qué computa la vida?


51/77


Para qué computa la vida?

• Para desarrollarse (Kumar & Bentley, 2003)

• Para mantener activamente su organización (Tsuda, Zauner,Gunji & 2006)

• Para interactuar con el entorno (Solé & Macia, 2011)

• Para vivir!

Buena computación significa adaptación y evolución.

Mala computación conduce al riesgo, el peligro y la

extinción.

Contenido


52/77


Contenido



biológica



MT y computación biológica


53/77



• La máquina de Turing es el modelo estándar de

computación

• Buena parte de las investigaciones activas en este campo

asumen implícita o explícitamente la MT como modelo de

computación subyacente

• Es la MT un buen modelo para expresar la computación

biológica?



54/77



Un ejemplo: los ribosomas actúan más o menos como

una nanomáquina de Turing:

– Leen una cinta definida por el ARN mensajero

– Crean una cadena de aminoácidos de salida

–Inician y terminan el proceso mediante la detección desecuencias dadas

(Solé & Macia, 2011)

La Máquina de Turing


55/77



• Fue un esfuerzo por formalizar la noción de algoritmo

• Computación algorítmica: – Se realiza en forma de una caja cerrada

– Transformando una entrada finita (números racionales o cadenas

finitas) – Determinada al inicio de la computación

– En una salida finita

– Disponible al final de la computación

– En una cantidad de tiempo finito



56/77



• La computación que realiza la MT se caracteriza, entonces,

por:

– Ser cerrada (nada entra ni sale durante la computación)

– Tener recursos finitos (tiempo y espacio)

–Ser funcional (establece un mapeo entre entradas y salidas)

– Su comportamiento es arreglado (definido por el algoritmo)

La Tesis de Church-Turing


57/77



Una máquina de Turing puede computar cualquier función

efectiva (parcialmente recursiva) sobre números naturales (o

cadenas)

•Fue introducida por Turing para rechazar el principio deHilbert (problema de decisión) de que todo teorema

formal matemático se puede probar mediante inferencia

lógica

• Turing NO tenia la pretensión de que su modelo sirviera

para establecer los fundamentos de las ciencias de la

computación

Otras máquinas de Turing


58/77


Otras máquinas de Turing

• Máquinas de elección (1936)

• Máquina con oráculo (1939)

• Máquinas inorganizadas (1948)

todos estos modelos son más expresivos que la máquina

automática (MT)

El currículo de ACM


59/77


El currículo de ACM

• En la década de 1960 se usan las nociones de algoritmo y

máquina de Turing darle estatus científico, análogo a la

física, a las ciencias de la computación (computer science)

Modelos equivalentes a la MT


60/77


Modelos equivalentes a la MT

• Funciones de Herbrand

• Funciones recursivas de Gödel

• Cálculo λ de Church• Funciones parcialmente recursivas de Kleene

• Sistemas de Post

• Algoritmos de Markov• Gramáticas libres de contexto de Chomsky

• MT no determinísticas

• MT multicinta

•MT multipista.

.

.

La Tesis de Turing


61/77


La Tesis de Turing

• Permitió determinar los límites de lo que la MT puede

computar

• La mayoría de funciones matemáticas son, de hecho, no

computables (Syropoulos, 2008)

Los límites de lo computable


62/77

(Wegner, Eberbach & Burgin, 2012)


Los límites de lo computable

Una [gran] parte de la comunidad de científicos de lacomputación decidió que la máquina de Turing determina el

límite absoluto para el poder de computación, e ignoró

modelos más expresivos que los modelos clásicos de la MT y

sus equivalentes. Para esa gente, fue más fácil vivir en eluniverso computacional cerrado que inventar o incluso

aprender alguna cosa nueva y más relevante

Hipercomputación


63/77


Hipercomputación

• La teoría de la hipercomputación se refiere a la posibilidad

teórica y práctica de computar números y funciones que la

MT es incapaz de computar

• Otras denominaciones: computación super-Turing

(Siegelman), super-algoritmos (Burgin), computación no-algorítmica, computación no-recursiva

Algunos modelos de hipercomputación


64/77


Algunos modelos de hipercomputación

• MT persistentes

• Máquinas de Zeus

• MT de tiempo infinito

• MT inductivas

• Máquinas de ensayo y error

• MT acopladas• Sistemas P de tiempo infinito

Hipercomputación


65/77


Hipercomputación

• Trata de trascender las limitaciones de la MT tomando

ventaja de la teoría de la relatividad y la teoría cuántica

• Implican realizar pasos infinitos de computación en un

tiempo finito (super-Tareas)

• Esto permitiría, en principio resolver el problema de la

detención de Turing• Estos modelos permanecen en el plano teórico

• Sin embargo no impedimentos físicos o matemáticos para

su futura implementación

• La hipercomputación así comprendida permanece en elmarco de la tesis de Turing

Contenido


66/77


Contenido

1. Interacciones entre biología y ciencias de la

computación


biológica





67/77


La Tesis de Church Turing

Una máquina de Turing puede computar cualquier funciónefectiva (parcialmente recursiva) sobre números naturales (o

cadenas)

• Usualmente es reconocido que esta tesis aplica sólo a la

computación efectiva.

• Lo que no es usualmente apreciado es que esta tesis aplica

SOLAMENTE a la computación de funciones y no a otros

tipos de computación

Un gran malentendido


68/77


Un gran malentendido

• Algoritmos y MT como base del currículo de ACM

• Asimetría entre computación teórica y computación

práctica

Tesis FUERTE de Church-Turing


69/77


Tesis FUERTE de Church Turing

1. Cualquier computación efectiva puede ser realizada poruna MT

2. Cualquier cosa computable es computable por una

máquina de Turing

3. Una máquina de Turing puede hacer cualquier cosa que

un computador real pueda hacer

Las tres afirmaciones son falsas (Goldin & Wegner, 2008)

Una noción más general de computación


70/77


Una noción más general de computación

• Existen procedimientos y procesos que pueden categorizarse

como computables y que, sin embargo, pueden ser abiertos, noterminantes que involucran varias entradas intercaladas con

salidas.

• Estos procesos son no-algorítmicos y no funcionales

Sistemas computacionales que no pueden describirse con la

MT:

Ej. Internet, robots que actúan en entornos abiertos,

servicios web, sistemas operativos, procesadores de

texto

Se trata de sistemas interactivos antes que algorítmicos!!!

Hipercomputación


71/77


Hipercomputación


teórica y práctica de computar números y funciones que la

MT es incapaz de computar

Hipercomputación


72/77

Procesamiento de información en sistemas vivos


Hipercomputación


teórica y práctica de computar números y funciones que laMT es incapaz de computar

• Mejor: la hipercomputación, además de explorar la

posibilidad teórica y práctica de computar números yfunciones que la MT es incapaz de computar, está

relacionada con comportamientos y fenómenos que caen

fuera del interés de la MT (es decir, en otros marcos de

relevancia)

Hipercomputación no clásica


73/77



Hipercomputación no clásica

Hipercomputación

Clásica

No-Clásica

(Stepney, 2009)

Computación interactiva


74/77



p

De acuerdo con la visión interactiva de la computación:

• La interacción pasa durante la computación

• Así, la computación se entiende como un proceso

permanente antes que la transformación, basada en

funciones, de una entrada en una salida• La tesis de Church-Turing (que es correcta) solo aplica a

funciones y, por tanto, excluye la computación interactiva

Situación actual


75/77



• Wegner (1997, 1998) conjeturó que la computación

interactiva (CI) es más expresiva que la computaciónalgorítmica.

• Goldin et al. (2004) introducen las máquinas persistentes

de Turing para capturar la interacción secuencial y así

prubar la conjetura de Wegner.• Goldin y Wegner (2008) muestran que la CI no secuencial

es más expresiva que la secuencial.

• Wegner, Eberbach y Burgin (2012) demuestran que la CI es

más completa (computacionalmente) que la MT y, sinembargo, no es un modelo completo.

Computación interactiva y computación biológica


76/77



• Interacción!

• La vida no computa funciones (matemáticas)• El entorno (que puede incluir humanos u otros sistemas)

es una parte fundamental de la computación.

• Transito de sistemas cerrados (MT) a sistemas abiertos

• Involucra la flecha del tiempo• Lo que importa es el proceso, no propiamente el resultado

• Problemas como el de la detención se hacen irrelevantes

en la CI y en la vida

Computación interactiva y computación biológica


77/77

Es solo uno de los paradigmas para explicar la

(hiper)computación biológicaOtras alternativas puede estar relacionadas con la

emergencia, la auto-organización y la evolución

La discusión sigue abierta!!!

procesamiento de información en sistemas vivos

Documents