Unidad de Comunicación

La doctora Alma Yolanda Alanís García, del Departamento de Ciencias Computacionales, del Centro Universitario de Ciencias Exactas e Ingenierías de la Universidad de Guadalajara, fue la encargada de dar la cuarta charla del Coloquio de la Fundación Marcos Moshinsky, al haber sido galardonada con la cátedra correspondiente en 2015.

La doctora, que también en 2013 recibió la beca L’Oreal para Mujeres en la Ciencia, presentó la investigación por la que recibió la cátedra y que dio título a la charla “Modelado y control neuronal de alto orden discreto para sistemas no lineales inciertos con retardos desconocidos”.

La doctora Alanís García mencionó que el control inteligente es un concepto usado de muchas maneras, pero que une dos disciplinas: la teoría de control, a través de un tratamiento altamente matemático para resolver los problemas, y la inteligencia artificial (IA), que es una disciplina moderna que deja de lado el tratamiento matemático y le da más valor a las aplicaciones. Debido a que es difícil lograr una unión adecuada y armoniosa entre ambas, es el control inteligente quien lo logra. Aunque el concepto se acuñó en la década de los años 70, de forma reciente ha tenido un auge por la interpretabilidad de la IA.

“Mi objetivo ha sido darle el tratamiento matemático a las técnicas de inteligencia artificial con los algoritmos evolutivos y las redes neuronales artificiales”, mencionó la también miembro de la Academia Mexicana de Ciencias. “El objetivo final de la ingeniería de control es implementar un sistema automático que opere sin intervención humana, en un ambiente no estructurado e incierto. A esto se le conoce como sistema autónomo e inteligente”, explicó la doctora. “Este objetivo se alcanza a través de la adaptación en presencia de condiciones impredecibles, para realizar con eficiencia creciente las tareas necesarias.”

La doctora habló sobre el concepto de la IA, sus orígenes y grandes representantes, así como de su valor para la resolución de problemas a través del aprendizaje. Asimismo, del porqué son importantes los sistemas de control automático, mismos que son usados en sistemas biomédicos, procesos químicos, robótica, industria aeroespacial, redes sociales, tratamientos de enfermedades infecciosas, por mencionar algunos; “son aplicaciones cada vez más sofisticadas que si quisiéramos abordar de manera tradicional se vuelve muy complejo”, comentó. Además, el uso de sistemas de control ayuda a mejorar la productividad, elevar la precisión, realizar tareas más complejas, mejorar el desempeño de los sistemas, relevar al ser humano de tareas repetitivas y peligrosas, entre otras cualidades.

Posteriormente, describió el proceso para manejar las técnicas de IA en la teoría de control. Agregó que el modelo matemático es el que define la eficiencia del controlador. Para esto, explicó lo que sucede cuando se tienen sistemas simples cuyo modelo es conocido, sistemas de modelos no conocidos y sistemas muy complejos. La IA es una aliada de la teoría de control cuando se tienen que hacer implementaciones que funcionen fuera de un lugar controlado, como son los laboratorios, a partir del diseño de sistemas de control robustos, adaptables y de uso general.

La doctora, que cuenta con más de 90 artículos arbitrados publicados, habló de los sistemas no lineales inciertos con retardos desconocidos. Ahí definió lo que es el retardo en el tiempo y lo que provoca su presencia en los sistemas dinámicos. Luego de desarrollar demostraciones matemáticas, habló de redes neuronales recurrentes de alto orden, “consideradas buenos candidatos para identificación y control de sistemas no lineales complejos, ya que pueden trabajar adecuadamente bajo la presencia de perturbaciones internas y externas”, explicó la académica de la Universidad de Guadalajara.

Finalmente, mencionó algunas aplicaciones, como en los sistemas eléctricos de potencia, los sistemas electromecánicos -entre los que está el motor de inducción rotatorio o los generadores eléctricos-, la robótica móvil para búsqueda y rescate, los sistemas biomédicos -como el modelado y control de la diabetes mellitus o de la influenza tipo A o de la COVID-19, o el modelado el VIH-.

Asimismo, la doctora Alanís García mostró los resultados obtenidos de la Cátedra Marcos Moshinsky como son el control neuronal recurrente con estructura de bloques, el identificador neuronal recurrente, o el observador neuronal recurrente tanto de orden completo como de orden reducido. Todos ellos para sistemas no lineales inciertos con retardos desconocidos en tiempo discreto, incluyendo las respectivas pruebas de estabilidad a lazo cerrado usando la metodología de Lyapunov.