Microbiología e Inteligencia Artificial

Microbiología e Inteligencia Artificial

Angélica Inés Partida Hanon

Telicom Vol.XXII, No2. 2009
ISSN: 1087-6456

Resumen: Demostraremos la utilidad que tiene la Inteligencia Artificial en el campo de las Ciencias Biológicas. Se construirá una base de conocimientos que contendrá las claves dicotómicas utilizadas por los taxónomos para determinar una bacteria problema.
¿Cómo sería posible que una máquina sea capaz de llevar a cabo la labor de un investigador en el momento de determinar una bacteria problema? Desde un enfoque simple, responderemos esta cuestión a partir de las siguientes vías planteadas: razonamiento por parte del sistema experto, y reconocimiento de patrones por parte de la red neuronal artificial.
Palabras clave: Sistemas Expertos, Inteligencia Artificial, Redes Neuronales, Microbiología, Bioinformática.

Abstract: We’re going to find out how important and interesting can be Artificial Intelligence in Biology. We’re going to build a knowledge-base that is going to have all the dichotomous keys to identify a problem bacterium.
How can be a machine capable of doing the investigator’s work identifying a bacterium? From a simple way, we’re going to ask this question in next two ways: human reasoning by the expert system and image recognition by the neural network.
Keywords: Expert Systems, Artificial Intelligence, Artificial Neural Networks, Microbiology. Bioinformatics.

INTRODUCCIÓN

Al inicio de este proyecto se ha demostrado la utilidad de un área en la IA, que es el uso de sistemas expertos. Hemos desarrollado un sistema que determina bacterias siguiendo el razonamiento que seguiría un Microbiólogo especializado, pero nos hemos cimentado hasta este momento en la obtención de una respuesta en base a una serie de premisas. Nuestro planteamiento ahora es el siguiente:

¿Cómo se podrá obtener por métodos Bioinformáticos el reconocimiento de patrones para la identificación de la morfología de una bacteria o una colonia?

¿Cómo podremos asegurar que nuestro sistema sea capaz de aprender a reconocer nuevos patrones?

Hasta aquí hemos llegado a plantearnos, se ha podido realizar un experimento un tanto abstracto para demostrar cómo sería el proceso de aprendizaje de una Red Neuronal Artificial, la cual es capaz de resolver los planteamientos anteriores.

En nuestro ejemplo de Red Neuronal Artificial (RNA) podríamos definir un modelo de dos capas: La que agrupa las neuronas de entrada y las de salida.

Las de entrada se encargan de recibir la información, mientras que las de salida nos muestran un resultado en base al procesamiento de la información de entrada antes obtenida (en otros modelos de RNAs se puede incluir una capa intermedia que se encargue del procesamiento de la información). El objetivo final es que en base a una serie de datos introducidos, la red sea capaz de reconocer el patrón completo sin llegar a equivocarse.

Descargue el documento en PDF dando clic aquí 

Leave a Reply

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *