08 Sep Acertar por evolución
© Ruca
Una de las escenas más reconocibles de las películas policíacas es aquella en la que la víctima de un crimen describe la cara del criminal, mientras un dibujante intenta "traducir" sus descripciones en un retrato robot, generalmente a partir de mostrarle diferentes posibilidades para las diferentes partes de la cara ("escoja qué nariz de todas estas más se parece a la del criminal"). El resultado es, en muchas ocasiones, un burdo intento de "fotografiar" al criminal. Este mecanismo de descripción/dibujo parece ser que adolece de un defecto de base humana: nuestro cerebro tiene más facilidad en recordar el "conjunto" de una cara que sus meras "partes". Así, el proceso de construcción del retrato robot a partir del recuerdo de la víctima está limitado desde el principio por las limitaciones de nuestro cerebro.
Pero hay quien propone una solución a este problema, a partir de ideas totalmente nuevas. Un equipo de científicos de la Universidad de Stirling, en el Reino Unido, propone un sistema en el que, en lugar de ir escogiendo las distintas partes de la cara para generar el retrato robot, se presenta a la víctima un conjunto de caras que van evolucionando según su elección.
Más exactamente, lo que se hace es generar aleatoriamente 60 caras a partir de un banco de imágenes de "componentes" de cara. Se presentan esas 60 caras a la víctima, y se le pide que escoja sólo 6, las que más "se parecen" a la del criminal. A partir de esas 6, combinando sus partes o modificando aleatoriamente algunas de ellas, se generan 6 caras más. Aquí se repite la elección de las 6 más parecidas. O sea, se presenta a la víctima una serie de caras que resultan de consecutivas mutaciones y cruces entre caras. Y, al parecer, el resultado final es muy parecido a la cara real del criminal buscado.
Aparte de esta aplicación particular, lo que este ejemplo nos muestra es que de una mejor comprensión de cómo funciona nuestro cerebro, combinado con las posibilidades de la tecnología digital, resultan nuevos servicios que superan los estándares usados hasta ahora. Y que la idea de la "evolución" masiva de una entidad, como mecanismo para identificar un objeto complejo, puede superar los mecanismos más primitivos de descripción más lineal y discreta hasta ahora utilizados. Por ejemplo, podemos pensar en la aplicación de ideas de evolución masiva aplicada sobre agentes virtuales para determinar cuál será el comportamiento de un cierto mercado real. Leído en "The evolution of photofit", The Economist 04/12/04, Technology Quarterly, p. 4.
Más en: http://www.economist.com/science/tq/displayStory.cfm?story_id=34230566
Sorry, the comment form is closed at this time.