Cibernética

Categoria:

Cultura

Historia. Esta disciplina nació formalmente en 1948 con la publicación de la famosa obra de N. Wiener (v.) Cybernetics (Cibernética). El término deriva del vocablo griego kybernetike, que significa timonel (hay que señalar que esta misma denominación fue utilizada primeramente por A. M. Ampére refiriéndose a la parte de la política que se ocupa de los medios de gobernar). Wiener define la C. como "la ciencia del control y de la comunicación en el animal y en la máquina". Después se han propuesto otras definiciones pero todas ellas, en general, quedan englobadas dentro de la inicial dada por el fundador de esta disciplina.

Es de señalar que el origen de ésta hay que buscarlo en el planteamiento de problemas técnicos. Durante la II Guerra mundial, Wiener, profesor del Inst. Tecnológico de Massachusetts (USA), fue encargado por el gobierno americano de estudiar la posibilidad de regular automáticamente la dirección de tiro de los cañones antiaéreos. No bastaba con localizar el avión que se deseaba interceptar, sino de prever el camino más probable que éste seguiría. El radar permitía la localización, tanto en posición como en velocidad, del avión. Wiener proyectó un sistema con una calculadora en bucle cerrado, con objeto de que el sistema de tiro reaccionara inmediatamente a las variaciones de la trayectoria del avión. El estudio de estos sistemas (proceso de realimentación) llevó a Wiener a preguntarse si los neurofisiólogos no se encontraban con problemas similares, si no eXIstían también procesos de realimentación en los seres vivos. Sus discusiones sobre este tema, primero con el biólogo A. Rosenblueth y más tarde con un grupo de científicos, le llevaron a la conclusión de que eXIstía una unidad esencial en los problemas de control y de comunicación en los organismos vivos y en las máquinas. Desde 1943 estas teorías fueron expuestas en algunos trabajos y fue en 1949 cuando se publicó el libro Cibernética.

Principios básicos. El principio de realimentación en que se basan los sistemas de control en bucle cerrado no es un concepto nuevo. Se conocía y aplicaba hace muchos años. Baste recordar el regulador de fuerza centrífuga inventado por J. Watt en 1788. En los sistemas de realimentación, la diferencia entre el valor real de la variable que se está regulando (salida del sistema) y el valor deseado de la misma (error) se utiliza para regular el propio sistema. Esta diferencia se mide en un órgano detector de error y, una vez simplificada, actúa sobre los mecanismos de gobierno (v. AUTOMÁTICA). La realimentación puede ser negativa o positiva. El regulador de Watt es un ejemplo del primer tipo en que la realimentación tiende a disminuir el error. Los osciladores con realimentación, en los que una parte de la tensión de salida se aplica a la tensión de entrada, dando lugar a un incremento de la tensión de salida, son un ejemplo de realimentación positiva, ya que su efecto es amplificar.

El manejo de la información (o de las señales) que dirige estos sistemas de control constituye una parte integrante y fundamental de la C. La medida de la cantidad de información fue uno de los primeros objetivos de la Teoría de la información. R. Hartley, en 1927, propuso una definición de aquella cantidad, partiendo de conceptos puramente combinatorios. Sin embargo, fue C. Shannon el primero que estableció una definición teniendo en cuenta las probabilidades relativas en que las señales se presentan. Esta cantidad de información es invariante a las transformaciones de las formas de onda mediante las que aquélla se transmite. Según Shannon, si cada señal de un conjunto finito de n señales distintas se asocia a una determinada probabilidad relativa y a la probabilidad de la señal, i, que se produce se la denomina Pi, la cantidad de información viene dada por:

H=-KZ pi log pi

donde K es una constante que depende de las unidades en que se mide H. También se demuestra que, dado un canal físico de anchura de banda y relación señal-ruido definidas, existe un máXImo para la información transmitida sin error.

Otra de las líneas de trabajo de la C., y que al propio tiempo constituye una de las materias básicas de la misma, es el estudio de los métodos de filtrado para eliminar las perturbaciones accidentales de los canales de información, es decir, separar las señales propiamente dichas del ruido. Los trabajos clásicos en este campo son debidos a Wiener y en ellos se señalan los métodos matemáticos para el diseño de filtros, con objeto de reducir la relación señal-ruido.

Desarrollo y consecuencias. Dentro de los sistemas de control hay que considerar los denominados adaptativos, cuyo comportamiento depende de las circunstancias del medio exterior y del estado interior del sistema. En otros términos, la respuesta del sistema depende, no solamente de la entrada, sino también de su historia pasada, es decir, los sistemas de control tienen memoria. Estos sistemas de aprendizaje presentan una analogía con los organismos vivos, en el sentido de que son susceptibles de aprender y permiten resolver determinados problemas aprovechando la experiencia adquirida en la resolución de casos similares. Como no hay que esperar que las situaciones nuevas sean iguales a las pasadas, hay que proceder a una generalización de la experiencia lograda y para ello se puede aplicar el llamado proceso de refuerzo. Mediante este sistema de aprendizaje, algunos aspectos del comportamiento de un sistema adquieren en el futuro una mayor o menor importancia, se destacan más o menos como consecuencia del llamado operador de refuerzo. Estos operadores han sido estudiados por B. Skinner, R. Busch y H. Mosteller. Los primeros programas establecidos en las calculadoras digitales para mostrar la posibilidad de aprendizaje tendían a representar en aquéllas procesos análogos al reflejo condicionado de los animales. Más adelante se establecieron programas más ambiciosos como, p. ej., demostraciones de teoremas lógicos fundamentales y de Geometría. Estos ejemplos y otros análogos indican que se ha obtenido éXIto en casos relativamente sencillos de aprendizaje.

Otros investigadores han dirigido su atención al estudio del sistema nervioso con la esperanza de descubrir nuevas directrices en este campo. En este sentido se ha logrado cierto tipo de máquinas que son en realidad redes con parámetros variables capaces de realizar ciertas funciones como aprendizaje, reconocimiento de formas, etcétera, en cuya construcción se han tratado de captar con más o menos fidelidad algunas características del sistema nervioso.

Desgraciadamente, a pesar de los innegables progresos de la neurofisiología, poco se conoce sobre la interconexión de las neuronas y el funcionamiento lógico del cerebro. Los primeros investigadores cibernéticos comenzaron, pues, por simplificar, proyectando modelos lógicos, estudiando sus propiedades y deduciendo consecuencias. Con este criterio se han establecido modelos de neuronas y se han propuesto sistemas de interconeXIones entre las mismas. Hay que señalar el modelo de neurona formal propuesto por W. McCulloch y W. Pitts (1943) en el que se establece un concepto revolucionario en modelos matemáticos aplicando el álgebra (v.) de Boole y la teoría de conjuntos (v.). Partiendo de esta neurona formal se pueden establecer redes neuronales que permiten almacenar información y realizar cálculos.

Entre las máquinas que aprenden hay que citar la probabilística de Uttley, cuyo comportamiento se basa en el reflejo condicionado de los animales, el Pandemonium de Selfridge, que es un sistema de reconocimiento de formas visuales, mediante un proceso adaptativo capaz de progresar por sí mismo, y el Perceptron de Rosenblatt que aprende a reconocer formas de un determinado conjunto después de un número finito de ensayos.

Los métodos cibernéticos han hecho progresar mucho el conocimiento de la percepción de forma en los organismos vivos. Así se ha estudiado el ojo del Limulus, donde se ha observado el proceso de inhibición lateral; el ojo de la rana, que ofrece gran interés desde el punto de vista de estructura cerebral y de reconocimiento de formas visuales, particularmente en lo que se refiere a contrastes y detección de figuras en movimiento. Se ha experimentado en otros animales, entre ellos el gato, en el que la estructura neuronal de su cuerpo lateral geniculado extrae señales y su corteza visual detecta segmentos lineales y bordes. Hay que señalar un paralelismo entre las funciones que realizan los sistemas visuales de estos animales y los procedimientos utilizados en los sistemas físicos de reconocimiento de formas.

En otra directriz de investigación hay que señalar la importante contribución de la C. al proceso mediante el cual la información genética se puede almacenar en la configuración de grupos químicos dentro de una molécula compleja.

Desde el punto de vista histórico y como ejemplos de modelos de aprendizaje de la primera época de la C., hay que citar el "homeostato" de W. Ashby en el que se pretende establecer una analogía con el proceso de homeostasis en los animales superiores; y algunos juguetes como las tortugas mecánicas de Walter, que ponen de manifiesto ciertas analogías aparentes con la conducta de los animales. Es discutible, sin embargo, la analogía real entre el comportamiento de estos aparatos y el de los animales.

Organizaciones internacionales y congresos. La organización más importante en este campo es la International Association of Cybernetics con sede en Namur (Bélgica), que organiza congresos anualmente.

Además de estos congresos se celebran otros, al margen o bien con la colaboración de aquella Asociación y cuyos trabajos pueden ser generales o sobre temas concretos, como, p. ej., Sistemas de inteligencia artificial, Reconocimiento de formas, Sistemas autoorganizados, etc. En 1969 se celebró en Londres un Congreso Int. de C. en memoria de Wiener y con motivo del XXI aniversario del nacimiento formal de esta disciplina.

V. t.: AUTOMÁTICA; INFORMÁTICA.

J. GARCFA SANTESMASES.

BIBL.: A. ARBIB, Brains, Machines and Mathematics, Nueva York 1964; R. BELLMAN, Adaptive Control Processes: A Guided Tour, Princeton (N. J.) 1961; J. GARCfA SANTESMASES, Automática,. Cibernética y Automatización, Madrid 1961; íO, Sistemas de inteligencia artificial, "Las Ciencias", XXVII, 2 (1961); íD, Modelos neuronales, autómatas finitos y sistemas de aprendizaje, Madrid 1969; G. PASK, An Approach to Cybernetics, Londres 1968; C. E. SHANNON, A Mathematical Theory of Communication, Nueva York 1948; N. WIENER, Cybernetics, 2 ed. Nueva York 1961.