CyberGi

Quando estava pesquisando um pouco sobre algoritmos genéticos (basicamente, combinação de genes de soluções e passagens de gerações onde a melhor solução sobrevive), me deparei com mais um tópico interessante da computação baseada em mecanismos biológicos, os sistemas imunológicos artificiais.

De fato, a natureza pode nos ajudar muito, levando em conta que já nos deu as redes neurais artificiais, a computação evolucionária, a inteligência de enxames (swarm intelligence) e a computação molecular (de DNA). O sistema imunológico chamou a atenção dos cientistas da computação por sua capacidade de reconhecer padrões (anti-corpos que reconhecem invasores), sua robustez, capacidade de aprendizado, memória e distributividade – um sistema composto por vários elementos se comunicando eficientemente é de chamar atenção mesmo.

O sistema imunológico dos mamíferos (no qual se inclui o nosso) basicamente se divide em duas partes: sistema inato e sistema adaptativo. O inato já vem “embutido” quando nascemos e tem anticorpos e células capazes de saber se um objeto estranho entrou no organismo e de diferenciá-lo das nossas células. O adaptativo tem elementos diferentes mas com os mesmos princípios, com a diferença de que muda e se adapta durante o nosso tempo de vida.

Na computação, pode ser usado como reconhecedor de padrões, para segurança de redes, para aprendizado de máquinas e outras coisas mais. Das duas aplicações práticas que vi, uma foi um sistema de detecção de intrusos, para segurança de redes. A outra é um tipo de rede imunológica artificial, uma contrapartida às redes neurais artificiais. Impressionante!

A teoria em si é um pouco trabalhosa e ainda estou a estudando hehe. Quem sabe eu escreva um post detalhado sobre isso for dummies, mas por ora, deixo os links abaixo para a devida apreciação (leitura técnica, ok?).

Ver mais:
Link de uma tese de doutorado no assunto. No final da página, tem vários links.
Verbete da Wikipedia sobre o assunto.
Artificial Immune Systems – Portal que agrega tudo sobre o assunto.

Eu acho bacana mesmo quando o pessoal usa conceitos de computação para explicar biologia! Vi esse post interessante sobre o vírus H1N1 sob a óptica de um computeiro. O cara se deu ao trabalho de ler um artigo da Nature e dissecou o vírus usando analogias de computação. Em termos computacionais, o vírus pode ser representado por até 26 mil bits de dados brutos. É pouca coisa, equivale a uns 3,2 kbytes apenas.

Pode ser novidade ou não para vocês, mas eu achei interessante saber que existem empresas que fazem síntese de DNA por encomenda. Tipo, o Mr. Gene. Claro que eles têm uns mecanismos de verificação para não aceitarem sequências que dêem origem a coisas perigosas.

Outra coisa que descobri: é possível ver as sequências mapeadas do vírus no banco de dados do NCBI (National Center for Biotechnology Information). Interessante, será que no futuro teremos banco de dados com acesso livre a sequências de tudo quanto é ser vivo na natureza? Pelo menos já tem na net a do Homo Sapiens. Bem que alguém podia se dar ao trabalho de revisar o código fonte humano…

Recomendo a leitura do post (é um pouco grande), vale a pena! Mesmo que não possa ser 100% acurado (como na parte de que seria suficiente mudar 2 bits para criar uma variante letal do vírus – nada garante que uma pequena mudança não vá afetar todo o mecanismo do vírus), ainda assim é worth reading.

Meu respeito por esses 3,2 kbytes de dados aumentou…

Veja mais:
DNA seen through the eyes of a coder

Fonte:
Science Slashdot

Um dos motivos de eu adorar a biblioteca da universidade é que em meus frequentes passeios por ela, sempre me deparo com livros que, de outro modo eu nem ia saber ou demoraria mais ainda a ler. Tem uma seção na biblioteca dedicada a biografias de matemáticos e foi numa dessas passagens que peguei uma autobiografia de Mark Kac, o “Enigmas of Chance”.

Kac foi um matemático polonês que emigrou aos EUA pouco antes da invasão da Polônia pela Alemanha nazista. Foi bastante ativo na área de probabilidade e estatística e trabalhou com vários matemáticos eminentes, entre eles, Erdös.

Apesar de não achar tão cativante quanto a biografia “The Man who loved only numbers” (sobre Paul Erdös), o livro do Kac tem seus méritos, já que acabei aprendendo algumas coisas aqui e acolá.

Uma que achei interessante é o efeito Mateus (em inglês, Matthew effect), termo cunhado por Robert Merton, que descreve a tendência de cientistas famosos obterem mais crédito do que deveriam que cientistas não tão famosos, por trabalhos similares. Isso não é novidade, eu só não sabia que tinha um nome.

O nome vem do versículo Mateus 25:29:
“Porque a todo o que tem, dar-se-lhe-á, e terá em abundância; mas ao que não tem, até aquilo que tem ser-lhe-á tirado.”

Kac mencionou o estudo de Marian Smoluchowski, que descreveu o movimento browniano. Outro cientista, Albert Einstein, também explicou o fenômeno, de maneira diferente. Não é nenhuma surpresa que hoje pouca gente saiba disso e o crédito ser atribuído geralmente só a Einstein.

Outro exemplo que vi, desta vez na Wikipedia, é a noção de complexidade de Kolmogorov (basicamente, qual o menor recurso computacional necessário para descrever algum objeto – veja mais no verbete da Wikipedia). Ray Solomonoff é que formalizou essa noção, consequência de seus estudos na teoria de probabilidade algorítmica. Kolmogorov chegou às mesmas ideias pouco depois de Solomonoff.

Sem contar que, a von Neumann, é atribuído o título de “pai do computador”. De fato, vários de seus estudos revolucionaram e ajudaram a impulsionar a teoria da computação e de informação. Mas é injusto atribuir créditos apenas a ele, alguns de seus estudos também tinham ideias expandidas de outros colaboradores. Mesma coisa com a teoria dos jogos, poucos se lembram de Oskar Morgenstern, que escreveu em conjunto com von Neumann o livro que inaugurou oficialmente a teoria dos jogos na matemática.

Eu resolvi pesquisar para ver se não era o caso de César Lattes (um dos descobridores do méson-pi) e de Rosalind Franklin (que também decifrou a estrutura correta do DNA). O primeiro caso, de Lattes, foi mais pelas regras injustas do comitê Nobel, que até 1960 só premiava o líder de pesquisa do grupo.

E o segundo caso, de Rosalind Franklin, me levou a conhecer o corolário do efeito Mateus, o efeito Matilda. Primeiro, deixe-me dizer o que significa corolário: é a consequência imediata de um teorema ou postulado, nesse caso, o efeito Mateus.
Cunhado pela historiadora científica Margaret Rossiter, por causa de Matilda Gage (que experimentou “em primeira mão” o efeito), identifica a situação em que mulheres cientistas recebem pouco ou nenhum crédito pelo seu trabalho científico.

Esses são só alguns dos exemplos. E assim segue a história da ciência… Parece que hoje a situação melhorou bastante, mas ainda tem o que melhorar. O futuro nos dirá.

Ver mais:
Mark Kac on education, physics and mathematics
Biografia de Mark Kac no MacTutor

Fonte do trecho bíblico aqui.