ISSN: 1579-0223
http://www.redcientifica.com/doc/doc200308010600.html

Planteamiento del Problema.

Este proyecto se plantea estudiar, desarrollar e implementar un modelo basado en Redes Neuronales Artificiales que sea capaz de predecir el volumen de las ventas en los Teléfonos Celulares en la región de Los Andes - Venezuela con el objetivo de que sea posible optimizar los inventarios para los períodos de mayores ventas para dicho producto.

El primer paso constituye en análisis del conjunto de datos, para ello se cuenta con una muestra de datos de ventas mensuales de teléfonos celulares en la región de los andes que van desde Enero de 1.995 hasta Diciembre de 2.002 . Ambos conjuntos de datos se representan como una serie temporal, de forma que sea posible observar los diferentes períodos de alzas y bajas en las ventas y seleccionar el tipo de predicción que se va a realizar. En este caso se busca cual va a ser el mes que corresponde con el mayor volumen de ventas por año.

Posteriormente para facilitar el modelado neuronal posterior se dividen las muestras en dos (2) períodos de tiempo, el primero que constituye el patrón que se va a utilizar para el entrenamiento de la Red Neuronal Artificial, en este caso los primeros cinco (5) años del conjunto de datos, y el segundo que sirve para la validación del modelo neuronal predictivo de acuerdo a los datos históricos utilizados, los últimos tres (3) años. De esta forma se observa cual sería la precisión obtenida al llevar a cabo el análisis y se determina la factibilidad del uso de esta tecnología en este tipo de estudios junto con las limitaciones que el mismo pueda presentar al ser implementado.

Modelado Neuronal.

En lo que se refiere al modelado neuronal, según los estudios previos consultados para análisis de este tipo, se ha determinado que el mejor modelo para ser implementado, cuando se requiere de una salida única para una predicción puntual, corresponde al Perceptrón Multicapas. En el caso particular al cual se hace referencia en el presente estudio se va a implementar un Perceptrón que cuenta con once (11) neuronas de entrada, cada una recibe como entrada las ventas mensuales de teléfonos celulares de una empresa en un mes determinado mes. Este análisis nos lleva al problema de selección del número de neuronas ocultas en un Perceptrón de tres (3) capas. Por lo general, este número debería ser lo suficientemente grande como para poder crear una región lo suficientemente compleja para poder resolver el problema predictivo. En este caso se ha decidido por una capa oculta de hasta nueve (9) neuronas, el número de capas intermedias y el número de neuronas en cada capa intermedia son parámetros de diseño que suelen ser escogidos por ensayo y error en este caso particular se estableció según los resultados observados en la salida del modelo, dado que un número mayor de neuronas en la capa oculta no influía en la precisión de los mismos, es decir, a pesar de que se aumentaban el número de neuronas en la capa oculta, la precisión en los resultados obtenidos no varió significativamente.

Finalmente, como se ha dicho con anterioridad se tiene una neurona única en la tercera capa que representa las ventas de teléfonos celulares para el último mes del año el cual como se dijo antes representa el mayor volumen de ventas de teléfonos para las dos (2) empresas en estudio.

El modelo es implementado en el motor de simulación para RNA JavaNNS 1.0 (Java Neural Network Simulator 1.0) que ha sido desarrollado en la Universidad de Sttugart – Alemania y constituye la alternativa en Lenguaje Java del SNNS.

Al implementar el modelo y realizar las predicciones para validación en los años 2.000, 2.001 y 2.002, se ha observado como cada una de las empresas en estudio mantienen un margen de error bastante bajo (0.87% y 3.33% respectivamente) lo cual indica que el modelo utilizado es el adecuado para este tipo de estudios, además de verificar las tendencias de mercado observadas para ambos conjuntos de datos ya sea en alzas o bajas en las ventas. Esto hace que sea posible afirmar que se cuenta con un modelo valido y que la tecnología aplicada en el estudio, es decir, los modelos de Redes Neuronales Artificiales, representan una alternativa factible y precisa a la hora de abordar este tipo de problemas.

Además de esto, cabe destacar que según los resultados obtenidos una de las limitaciones observadas en la aplicación de Redes Neuronales Artificiales a estudios predictivos, tiene que ver con el conjunto de datos de estudio, ya que no solo es necesario contar con muestras grandes que constituyan un buen número de patrones de entrada/salida para tener mejores aproximaciones, sino que cuando se presentan datos cuyas fluctuaciones para alzas y bajas son muy pronunciadas, las predicciones obtenidas presentan un error mas alto respecto del valor esperado.

ISSN: 1579-0223
http://www.redcientifica.com/doc/doc200105050001.html

Roger Fouts ha dedicado treinta años de su vida a investigar el origen de la inteligencia y el lenguaje humanos. Gracias a sus trabajos, ha comprobado y mostrado mediante vídeos que los chimpancés están capacitados para el uso del lenguaje. El autor enseñó este sistema de comunicación a Whasoe, una chimpancé que a su vez lo transmitió a su hijo adoptivo y lo hizo extensivo a toda una comunidad de primates.

[...] Nos gusta creer que la ciencia es la noble búsqueda del conocimiento objetivo, y avanza siempre en servicio de la verdad, pero lo cierto es que los científicos encarnan los prejuicios de la época que les ha tocado vivir y, en su caso, el fanatismo intelectual entraña un especial peligro, ya que se pueden transmitir hechos falsos como dogmas del conocimiento que, a su vez, se convierten el el pilar sobre el que se elevan las fronteras morales. Por desgracia, la historia nos ha enseñado que, cuando se unen arrogancia y cultura, el resultado suele ser nefasto para los proscritos del universo moral de una cultura [...]

[...] Desde tiempos de Aristóteles, padre filosófico del conocimiento científico en Occidente, la ciencia ha estado al servicio de la moralidad. El filósofo griego calificó a los hombres como los seres más perfectos de la creación, seguidos de los elefantes, los delfines y las mujeres, por este orden. Tendrían que pasar dos milenios para que a un hombre se le negara el derecho de pegar a su esposa [...] Pero las fronteras morales de Occidente no excluían únicamente a las mujeres, sino también a los negros, asiáticos y los indios [...] Este bochornoso capítulo de la ciencia alcanzó su máximo exponente en la feria mundial de Saint Louis, en el año 1904, cuando un grupo de pigmeos y otras razas de "cultura e inteligencia inferiores" se exhibieron en jaulas que compartían con chimpancés y monos [...]

[...] Vivimos según un código ético que se basa en la distinción arbitraria entre los que tienen derecho a entrar en nuestro universo moral y los que se quedan fuera [...] ¿Qué ocurriría si decidiéramos ampliar nuestro universo moral para abarcar a cualquier ser poseedor de cierto tipo de inteligencia, consciente de la propia identidad, capaz de mantener relaciones familiares y de experimentar un sentimiento como la angustia? La justa aplicación de estos principios nos obligaría automáticamente a reconocer a los grandes simios -chimpancés, gorilas y orangutanes-, como seres dignos de pertenecer a nuestra comunidad moral, ya que todos ellos han demostrado poseer dichos rasgos [...]

ISSN: 1579-0223
http://www.redcientifica.com/doc/doc200104190004.html

Introducción

El uso de dimensiones es una forma de mostrar (y a veces almacenar) datos muy útil en sistemas con grandes cantidades de información. Las dimensiones son ejes de análisis o criterios de clasificación de la información que ofrecen un índice a los datos mediante una lista de valores. Por ejemplo son dimensiones <Tiempo>, <Geografía> y <Producto>.

Se llama DataWarehouse al almacén de datos que reúne la información histórica generada por todos los distintos departamentos de una organización, orientada a consultas complejas y de alto rendimiento. Un DataWarehouse pretende conseguir que cualquier departamento pueda acceder a la información de cualquiera de los otros mediante un único medio, así como obligar a que los mismos términos tengan el mismo significado para todos. Un Datamart es un almacén de datos históricos relativos a un departamento de una organización, así que puede ser simplemente una copia de parte de un DataWarehouse para uso departamental.

Tanto el DataWarehouse como el Datamart son sistemas orientados a la consulta, en los que se producen procesos batch de carga de datos (altas) con una frecuencia baja y conocida. Ambos son consultados mediante herramientas OLAP (On Line Analytical Processing) que ofrecen una visión multidimensional de la información. Sobre estas bases de datos se pueden construir EIS (Executive Information Systems, Sistemas de Información para Directivos) y DSS (Decision Support Systems, Sistemas de Ayuda a la toma de Decisiones). Por otra parte, se conoce como Data Mining al proceso no trivial de análisis de grandes cantidades de datos con el objetivo de extraer información útil, por ejemplo para realizar clasificaciones o predicciones.

A continuación se muestra una representación espacial de una variable multidimensional con una, dos y tres dimensiones. En esta figura los cubitos representan valores de dimensión, y las esferas son datos.

Fig. Variables con una dos y tres dimensiones

Una variable unidimensional podría ser el cambio del euro con el dólar, que sólo varía en la dimensión <tiempo>. Los cubitos serían, por ejemplo, los días del año y las esferas serían los valores numéricos correspondientes al cambio monetario en cada momento. Un ejemplo de variable de dos dimensiones es el número de habitantes, que se mueve por las dimensiones <Geografía> y <tiempo>. Finalmente, los ingresos de una organización podrían almacenarse mediante una variable de tres dimensiones: <producto>, <Geografía> y <tiempo>.

Normalmente los elementos de una dimensión forman una jerarquía, con lo que algunos son padres de otros. Cuando las variables multidimensionales de un datamart o datawarehouse son cargadas con nueva información (por ejemplo, mensualmente a partir de ficheros de texto), ésta se refiere a los nodos hoja del árbol jerárquico de cada una de las dimensiones. Por ejemplo, la información de ventas llega detallada por producto, por provincia y por mes. Pero si queremos obtener el total de ventas de todos los productos, el total de ventas de todas las provincias, el de todos los meses del año, o alguna combinación de estos, deberemos realizar un proceso de agregación de la información.

Por ejemplo, en la dimensión Producto incluiremos un valor llamado "Total Productos" que será padre de todos los demás productos y que contendrá el acumulado de todos ellos. En la dimensión tiempo podremos tener, por ejemplo, el año 2000 descompuesto en trimestres, y estos a su vez en meses. La información llega detallada por producto y por mes, y posteriormente a la carga de datos, se realiza un proceso de agregación que calcula estos acumulados.

OLAP, R-OLAP y M-OLAP

Un sistema OLAP se puede entender como la generalización de un generador de informes. Las aplicaciones informáticas clásicas de consulta, orientadas a la toma de decisiones, deben ser programadas. Atendiendo a las necesidades del usuario, se crea una u otra interfaz. Sin embargo, muchos desarrolladores se dieron cuenta de que estas aplicaciones eran susceptibles de ser generalizadas y servir para casi cualquier necesidad, esto es, para casi cualquier base de datos. Los sistemas OLAP evitan la necesidad de desarrollar interfaces de consulta, y ofrecen un entorno único valido para el análisis de cualquier información histórica, orientado a la toma de decisiones. A cambio, es necesario definir dimensiones, jerarquías y variables, organizando de esta forma los datos.

Para los desarrolladores de aplicaciones acostumbrados a trabajar con bases de datos relacionales, el diseño de una base de datos multidimensional puede ser complejo o al menos, extraño. Pero en general, nuestra experiencia nos dice que el diseño de dimensiones y variables es mucho más sencillo e intuitivo que un diseño relacional. Esto es debido a que las dimensiones y variables son reflejo directo de los informes en papel utilizados por la organización.

Una vez decidido emplear un entorno de consulta OLAP, se ha de elegir entre R-OLAP y M-OLAP. R-OLAP es la arquitectura de base de datos multidimensional en la que los datos se encuentran almacenados en una base de datos relacional, la cual tiene forma de estrella (también llamada copo de nieve o araña). En R-OLAP, en principio la base de datos sólo almacena información relativa a los datos en detalle, evitando acumulados (evitando redundancia).

En un sistema M-OLAP, en cambio, los datos se encuentran almacenados en ficheros con estructura multidimensional, los cuales reservan espacio para todas las combinaciones de todos los posibles valores de todas las dimensiones de cada una de las variables, incluyendo los valores de dimensión que representan acumulados. Es decir, un sistema M-OLAP contiene precalculados (almacenados) los resultados de todas las posibles consultas a la base de datos.

M-OLAP consigue consultas muy rápidas a costa de mayores necesidades de almacenamiento, y retardos en las modificaciones (que no deberían producirse salvo excepcionalmente), y largos procesos batch de carga y cálculo de acumulados. En R-OLAP, al contener sólo las combinaciones de valores de dimensión que representan detalle, es decir, al no haber redundancia, el fichero de base de datos es pequeño. Los procesos batch de carga son rápidos (ya que no se requiere agregación), y sin embargo, las consultas pueden ser muy lentas, por lo que se aplica la solución de tener al menos algunas consultas precalculadas.

En M-OLAP, el gran tamaño de las variables multidimensionales o el retardo en los procesos batch puede ser un inconveniente. En este documento se proponen algunas soluciones a estos problemas, aplicables en tiempo de diseño de la base de datos.

Cálculo del tamaño de una variable multidimensional

En lo que sigue supondremos que trabajamos con un sistema M-OLAP. Durante el diseño de la base de datos multidimensional, antes de la creación de los objetos, es interesante predecir, para cada una de las variables que se espera utilizar, y cuyo tamaño se supone importante:

• El tamaño en disco ocupado por la variable
• El tiempo que tardará el proceso de agregación de los valores acumulados

Sin tener en cuenta el uso de técnicas de compresión, el tamaño de una variable multidimensional dependerá del número de valores de cada una de las dimensiones por las que "se mueva" la variable, incluyendo los valores acumulados.

Dada una variable multidimensional V dimensionada por D₁, D₂,... D_n

V(D₁, D₂,... D_n)

Siendo N[D_i] el número de valores de cada dimensión, el número de celdas de la variable multidimensional NC[V] será el producto de estos valores, es decir:

Por ejemplo, dada la variable multidimensional V.Ventas (<Artículo>, <Geografía>, <Tiempo>) Siendo N[<Artículo >] = 10 N[<Geografía>] = 50 N[<Tiempo>] = 20

Podemos calcular el número de celdas de la variable de la forma:

NC[V] = N[<Artículo >] * N[<Geografía>] * N[<Tiempo>] = 10 * 50 * 20 = 10000

Para los análisis posteriores nos será de gran utilidad distinguir cuántas de estas celdas representan información acumulada y cuántas representan un detalle. Entendemos como celdas de detalle aquellas que son hojas en todas las dimensiones. Normalmente las variables multidimensionales como V.Ventas y sus dimensiones se definen de forma que las celdas de detalle de la variable puedan ser cargadas mediante la asignación directa de cada una de las líneas de datos contenidas en el fichero de entrada. Un fichero que cargue nuestra variable de ejemplo podría tener el siguiente aspecto:

   
"1";"32";"199912";"325"  
"1";"48";"200001";"222"  
"3";"32";"200001";"125"  
"3";"48";"200001";"1235"   

El formato de las líneas es:

"<Artículo>";"<Geografía>";"<Tiempo>";"Unidades Vendidas"

Cada una de las líneas leídas de este fichero se imputará, en principio, a una celda de detalle. Asignaremos cada dato (el campo Unidades Vendidas) a una celda del cubo de V.Ventas, identificada por un valor de artículo, un valor de geografía y un valor de tiempo.

Como ya se ha dicho, las celdas de detalle son aquellas que son hojas en todas las dimensiones. Las celdas de acumulados (o las celdas que no son de detalle) serán aquellas que no son hojas en todas las dimensiones, o lo que es lo mismo, que son celdas de acumulados por al menos una de las dimensiones.

Aunque se trabaje con un número de dimensiones mayor que tres, las variables n-dimensionales se suelen representar mediante cubos, ya que estas figuras ofrecen una aproximación intuitiva útil a la n-dimensionalidad. Otra forma de ofrecer una visión intuitiva de las variables multidimensionales, esta vez incidiendo en el aspecto de las jerarquías de las dimensiones, es mediante pirámides.

Fig. Analogía piramidal de los datos

En esta representación, las caras de la pirámide que no son su base representan dimensiones, destacándose en ellas las jerarquías. Los valores de detalle corresponden con los bloques inferiores, que soportan al resto. Esta analogía tiene el inconveniente de ocultar el hecho de que existen datos indexados por cualquier valor de cualquier dimensión relacionado con cualquier otro de cada una de las demás, y no sólo cada valor de dimensión con los de su mismo nivel jerárquico, como ocurre en la pirámide.

Aunque pudiera parecer extraño, existen muchos casos en los que el número de datos calculados mediante agregación es muy superior al de los datos simplemente cargados directamente en la base de datos. Es decir, es posible que el número de celdas de acumulados sea superior al número de celdas de detalle, y tengamos una "pirámide invertida".

Si suponemos que cada dimensión tiene una única jerarquía, el número total de valores de una dimensión (D_t) será la suma de los valores que sean padres, es decir, que tengan hijos (Dp) más aquellos que no los tengan y sean por tanto nodos hoja (D_h).

En la primera dimensión
D_t1 = D_p1 + D_h1
En la segunda
D_t2 = D_p2 + D_h2
En general
D_ti = D_pi + D_hi

Ya que para que una celda se considere detalle, ha de serlo por todas las dimensiones, el número total de celdas de detalle (NCD) de una variable multidimensional será el producto del número de valores hoja de cada dimensión

Podría parecernos que el número total de celdas acumuladas (NCA) sería el producto del número de valores acumulados por cada dimensión, pero esto no es así, ya que basta con que un valor de una dimensión no sea detalle para que todas las celdas referenciadas por ese valor de dimensión tampoco sean detalle.

El número total de celdas acumuladas (NCA) lo podemos calcular restando del total de celdas (NC), las que son de detalle (NCD).

NC[V] = NCD[V] + NCA[V]
NCA[V] = NC[V] - NCD[V]

El número de celdas acumuladas (NCA) será mayor que el número de celdas de detalle (NCD) cuando:

NCA[V] > NCD[V]
NC[V] - NCD[V] > NCD[V]
NC[V] > 2 * NCD[V]

Mediante una combinación de medidas analíticas y estimaciones obtenidas de la experiencia, es posible predecir con suficiente calidad la ocupación de una variable en cuanto a espacio en disco, así como el tiempo requerido para la agregación de los valores de detalle.

Ya que el tamaño de las cargas no suele variar mucho de un mes a otro, es habitual realizar experimentos de carga y agregación con algún reducido conjunto de valores de la dimensión , y extrapolarlos. Por ejemplo, si la carga del detalle de un mes ocupa 5 Mb, la agregación de estos valores dura 1 hora y el tamaño de la base de datos una vez agregados los datos se ha incrementado en 50 Mb, podemos multiplicar estos valores por 12 para una estimación anual grosso modo.

Una vez que hemos estimado el espacio en disco necesario para el almacenamiento de los datos, y el tiempo requerido para las agregaciones, es posible que estos valores superen los recursos disponibles. A continuación se van a mostrar algunas posibles soluciones a estos problemas, aplicables en tiempo de diseño y en la gran mayoría de casos. Para ello, se aprovecharán algunas particularidades del uso que se hace de estas variables.

Cómo reducir el tamaño de una variable

Las variables multidimensionales pueden estar comprimidas, por ejemplo, mediante la tecnología sparse de Oracle Express. Sin embargo, es posible que por diversas razones no queramos utilizar una variable comprimida, o que a pesar de utilizar compresión, el espacio ocupado por la variable siga siendo excesivo.

Las formas obvias de reducir el tamaño de una variable son eliminar dimensiones y eliminar valores de dimensión. Por ejemplo, si podemos prescindir de un detalle diario, y nos basta la información semanal, podremos ahorrar mucho espacio en disco.

Una vez que las dimensiones y valores de dimensión se han reducido al mínimo aceptable, y existiendo aún problemas de espacio, siempre nos queda la opción de eliminar algunos de los valores acumulados de la dimensión, ya que podrán ser calculados a partir de sus hijos. Pero no deberíamos aplicar masivamente esta solución, ya que entorpeceríamos las consultas. Precisamente, las bases de datos multidimensionales pretenden, entre otras cosas, agilizar consultas disponiendo de valores precalculados.

Lo más adecuado es aplicar esta técnica en dimensiones pequeñas. Por ejemplo, si la variable posee alguna dimensión con tres valores, uno de ellos total, eliminando el valor total de la dimensión se ahorra un tercio del espacio, y los cálculos realizados bajo demanda suponen sumas de pocos (dos) valores. En cambio, si el número de valores de la dimensión fuese elevado, el ahorro sería mucho menor, y los cálculos más lentos.

En realidad podríamos eliminar cualquiera de los tres valores, y ya que el total será probablemente el más consultado tal vez fuera mejor eliminar alguno de los hijos, aunque esto complicaría los programas de carga de datos.

Sin embargo, en cualquier caso el ahorro conseguido con este método no es muy grande ¿Podremos obtener ahorros mucho mayores sin perder el detalle en las consultas?

La respuesta es, en la mayoría de los casos, sí. Es muy probable que la variable que queremos comprimir tenga un elevado número de dimensiones, y éstas a su vez, muchos valores de dimensión. Si tenemos problemas con el tamaño de la variable, es porque ésta es realmente grande.

Ocurre que cuantas más dimensiones y más valores de dimensión tiene una variable, tanto menos probable es que algún usuario desee consultar algún valor de la variable que esté indexado por valores de dimensión hoja en todas sus dimensiones. Recordemos que se trata de sistemas orientados a la toma de decisiones. En una variable de ocho dimensiones será rarísimo querer consultar algún dato que no esté acumulado en al menos una de las ocho dimensiones.

Restringiendo un poco más la hipótesis, podríamos suponer que en todas las consultas a la variable, al menos por una de las dimensiones, se va a solicitar el valor acumulado total (el más alto de la jerarquía). A continuación veremos un ejemplo de esto con una variable de tres dimensiones.

Esta solución implica el uso de variables y fórmulas multidimensionales. En las bases de datos multidimensionales se almacenan tanto variables como fórmulas. Las variables contienen datos. Las fórmulas en cambio, son expresiones o programas que acceden a variables y/o a otras fórmulas, y que indican la manera de calcular los datos que serán presentados al usuario.

Según la solución propuesta, en vez de almacenar una variable del tipo

V(D1 D2 D3)

Se almacenan tres variables:

V1(D1 D2)
V2(D1 D3)
V3(D2 D3)

Cuyas necesidades de espacio serán menores o iguales, siempre que se cumpla que

NC[V] >= NC[V1] + NC[V2] + NC[V3]

Es decir

D_t1 * D_t2 * D_t3 >= D_t1 * D_t2 + D_t1 * D_t3 + D_t2 * D_t3

Siendo esta una condición que se cumple habitualmente. Para el caso que nos ocupa, puede considerarse que se cumple siempre, ya que es condición suficiente (aunque no necesaria) que en cada dimensión existan al menos tantos valores de dimensión como el número total de dimensiones de la variable, es decir, si n es el número de dimensiones y D_ti es el número de valores de la dimensión i, basta con que se cumpla:

Se construye una fórmula

F1(D1 D2 D3)

que dependiendo del total consultado, extraiga los datos de una u otra variable, de la forma:

F1 =

   
if D1 = 'T'  
  V3  
else if D2 = 'T'  
  V2  
else if D3 = 'T'  
  V1  
else  
  NA   

Utilizando la analogía espacial, en vez de almacenar todo el cubo de datos, se almacenan sólo los datos de las caras del cubo, ya que siempre al menos uno de los ejes (dimensiones) tiene el valor total (que se considera en el eje de coordenadas). Se almacenarán tantas caras de cubo como dimensiones existan, en este caso, sólo tres.

Por ejemplo, si el número de valores de cada dimensión fueran 10, 50 y 20 respectivamente, en vez de almacenar los datos en una variable de 10 * 50 * 20 celdas = 10000 celdas, tendríamos tres variables de 10 * 50, 10 * 20 y 50 * 20 celdas, en total, 500 + 200 + 1000 = 1700 celdas.

Si obligásemos a que al menos dos dimensiones se consulten como totales, estaríamos almacenando las "aristas" del cubo o hipercubo. Por ejemplo, una variable de cinco dimensiones

V(D1 D2 D3 D4 D5)

Podría almacenarse en 10 variables, cuyo número corresponde con todas las combinaciones de las dos dimensiones que se consultarán a total:

D1 D2
D1 D3
D1 D4
D1 D5
D2 D3
D2 D4
D2 D5
D3 D4
D3 D5
D4 D5

O desde otro punto de vista, y dado que

comb(n, m) = comb(n, n - m)

se trata de todas las combinaciones de las tres de esas cinco dimensiones que no estarán a total:

V1(D1 D2 D3)
V2(D1 D2 D4)
V3(D1 D2 D5)
V4(D1 D3 D4)
V5(D1 D3 D5)
V6(D1 D4 D5)
V7(D2 D3 D4)
V8(D2 D3 D5)
V9(D2 D4 D5)
V10(D3 D4 D5)

Construyéndose una fórmula

F1(D1 D2 D3 D4 D5)

F1 =

   
if D1 = 'T' and D2 = 'T'  
  V10  
else if D1 = 'T' and D3 = 'T'  
  V9  
else if D1 = 'T' and D4 = 'T'  
  V8  
else if D1 = 'T' and D5 = 'T'  
  V7  
else if D2 = 'T' and D3 = 'T'  
  V6  
else if D2 = 'T' and D4 = 'T'  
  V5  
else if D2 = 'T' and D5 = 'T'  
  V4  
else if D3 = 'T' and D4 = 'T'  
  V3  
else if D3 = 'T' and D5 = 'T'  
  V2  
else if D4 = 'T' and D5 = 'T'  
  V1  
else  
  NA   

Esta implementación afectaría a los programas de carga, que deberían realizarse de forma que acumulen (y no sólo imputen) cada uno de los datos en todas las variables.

Si la variable fuese de dos dimensiones, y obligamos a que al menos una de ellas sea total, tendríamos

V(D1 D2)

Almacenada mediante

V1(D1) V2(D2)

Que reduce el espacio ocupado siempre que

D_t1 * D_t2 > D_t1 * + D_t2

Y creándose la formula

F1(D1 D2)

F1 =

   
if D1 = 'T'  
  V2  
else if D2 = 'T'  
  V1  
else  
  NA   

Podemos aplicar este sistema con cualquier valor de dimensión y no sólo con el valor total, simplemente incluyendo una nueva variable que implícitamente almacene los valores que correspondan con ese valor de dimensión, cuya dimensión será precisamente la que esa variable no posee. Por ejemplo, dada una variable multidimensional de cuatro dimensiones:

V(D1 D2 D3 D4)

Si la dimensión D2 estuviese formada por un total T que tuviese dos hijos subtotales ST1 y ST2, y restringiéramos las consultas de forma que se suponga que siempre se soliciten datos indexados por al menos un total o subtotal por alguna de las dimensiones, los datos se pueden almacenar en las variables:

V1(D1 D2 D3) Implícitamente supone D4 a T
V2(D1 D2 D4) Implícitamente supone D3 a T
V3(D1 D3 D4) Implícitamente supone D2 a T
V4(D2 D3 D4) Implícitamente supone D1 a T
V5(D1 D3 D4) Implícitamente supone D2 a ST1
V6(D1 D3 D4) Implícitamente supone D2 a ST2

Creándose la fórmula

F1(D1 D2 D3 D4)

F1 =

   
if D1 = 'T'  
  V4  
else if D2 = 'T'  
  V3  
else if D3 = 'T'  
  V2  
else if D4 = 'T'  
  V1  
else if D2 = 'ST1'  
  V5  
else if D2 = 'ST2'  
  V6  
else  
  NA   

Cómo reducir el tiempo de las agregaciones

En algunas implementaciones de bases de datos multidimensionales, el tiempo necesario para precalcular todas las posibles agregaciones de una variable multidimensional es excesivo. Aunque hay espacio suficiente para poseerlas todas, no hay tiempo suficiente para calcularlas.

Si el numero de agregaciones es excesivo, una solución es no precalcularlas todas, y calcularlas bajo demanda. Es decir, simplemente podemos dejar de agregar en una dimensión, agregando en todas las demás y calcular en esa dimensión únicamente los valores solicitados por el usuario.

Por ejemplo, si la dimensión D1 posee cuatro valores que son: T, V1, V2 y V3, siendo T el padre de V1, V2 y V3, una variable cualquiera dimensionada por D1, como por ejemplo

V1(D1 D2 D3 D4 D5 D6 D7)

podría no necesitar ser agregada por D1 siempre que, en vez de consultar directamente V1, se consultase una fórmula F1 que calculase sobre la marcha el acumulado T en caso de solicitarse, es decir:

F1 =

   
if D1 = 'T'  
  V1(D1 'V1') + V1(D1 'V2') + V1(D1 'V3')  
else  
  V1   

Si la estructura de la jerarquía fuese más compleja, la fórmula quedaría más compacta haciéndola recursiva. Por ejemplo, si T tuviese dos hijos subtotales ST1 y ST2 los cuales a su vez, tuvieran los hijos, por una parte, ST1A, y ST1B y por otra ST2A, ST2B, y ST2C respectivamente, el total de la fórmula podría calcularse a partir de los subtotales:

F1 =

   
if D1 = 'T'  
  F1(D1 'ST1') + F1(D1 'ST2')  
else if D1 = 'ST1'  
  V1(D1 'ST1A') + V1(D1 'ST1B')  
else if D1 = 'ST2'  
  V1(D1 'ST2A') + V1(D1 'ST2B') + V1(D1 'ST2C')  
else  
  V1   

Podríamos aplicar este método por más de una dimensión. Por ejemplo, si en la variable

V1(D1 D2 D3 D4 D5 D6 D7)

quisiéramos realizar bajo demanda las agregaciones por D1 y D2, bastaría con agregar por el resto de dimensiones y crear dos fórmulas como F1 y F2, consultando F2 en vez de V1.

F1 =

   
if D1 = 'T'  
  V1(D1 'V1') + V1(D1 'V2')  
else  
  V1   

F2 =

   
if D2 = 'T'  
  F1(D2 'V1') + V1(D2 'V2') + V1(D2 'V3')  
else  
  F1   

F2 realiza bajo demanda las agregaciones en D2 y para ello consulta F1, que es quien agrega D1 leyendo de V1. El principal problema de esta solución es que las modificaciones de la dimensión deberán reflejarse en estas fórmulas. Para facilitar este trabajo, puede ser muy útil construir un programa que recorra la estructura jerárquica de la dimensión y genere el texto de la fórmula que refleja las relaciones entre valores.

Resumiendo, si el tamaño de una variable es excesivo, podemos reducirlo descomponiendo la variable en otras a las cuales le falte alguna de las dimensiones, consultando una fórmula que extraiga cada vez la información de la variable correspondiente.

Si las agregaciones son lentas, podemos no agregar por todas las dimensiones y calcular bajo demanda las agregaciones restantes. En este caso, es interesante que la dimensión excluida de la agregación sea grande.

Referencias

• Corey, Michael J., Abbey, Michael. Oracle DataWarehousing. Oracle Press. Osborne/Mc Graw-Hill. 1997
• Pech, Iván; Estañol, Abelardo; Tirado, Leticia. "Data Warehouse para Administración de Espacios de Bases de Datos". Soluciones Avanzadas Nº. 41. Enero 1997 http://hp.fciencias.unam.mx/revista/soluciones/SA41/dw-41.html
• Pech Escalante, Iván (ipech@spin.com.mx). "Implementando el Data Warehouse ¿manejador de base de datos relacional o multidimensional?". Soluciones Avanzadas Nº. 36. Agosto 1996. http://hp.fciencias.unam.mx/revista/soluciones/30s/No36/dw-1.html
• Dresner, Howard. "Business Inteligence: Competing Against Time". The Gartner Group, Mayo 1993.
• Dresner, Howard. "Multidimensionallity: Ready or not, here it comes". The Gartner Group.
• Codd, E.F.; Codd, S.B.; Salley, C.T. "Beyond Decision Support". Computerworld nº 30. Julio 1993.
• Hurwitz, Judith S. "Modelling Complex Multi-Dimensional Information" Diciembre 1996.
• Riccuti, Mike. "Multidimensional Analysis: Winning the Competitive Game". Febrero 1994.
• "The Trouble with SQL". Office Information Systems. The Gartner Group. Agosto 1990.
• "Building the Right Data Mart". Oracle Magazine. Marzo/Abril 1998.
• "IRI Software". Aberdeen Group Profile. Marzo 1994.

Páginas en Internet

Oracle

• http://www.oracle.com/datawarehouse/index.html
• http://www.oracle.com/olap/html/oes.html (Oracle Express Server)
• http://www.oracle.com/olap/html/oea.html (Oracle Express Analyzer)
• http://www.oracle.com/olap/html/oeo.html (Oracle Express Objects)
• http://www.oracle.com/olap/html/ofa.html (Oracle Financial Analyzer)
• http://www.oracle.com/olap/html/osa.html (Oracle Sales Analyzer)
• http://www.oracle.com/olap/html/glossary.html OLAP Glossary
• http://www.oracle-olap.com/ (Express Web Demo)

Microstrategy

• http://www.telynet.es/microstr.htm
• http://www.microstrategy.com/
• http://www.telynet.es/microstr.htm

Business Objects

• http://www.businessobjects.com/

OLAP

• http://sie.efpol.ua.es/webolap/pagolap.htm
• http://warehouse.chime-net.org/
• http://altaplana.com/olap
• http://pwp.starnetinc.com/larryg/index.html

Data Warehouse

• http://www.datawarehouse.com
• http://www.sun.es/success/warehouse
• http://www.data-warehouse.com/issues/tools.htm
• http://www.cas.american.edu/~ghadsal/DW/OLAP/index.htm
• http://www.intraware.com/ms/itwr/askjms/olap.html
• http://www.ntu.edu/1/atmp/mc96120504.htm
• http://www.cise.ufl.edu/
• http://endeavor.fujitsu.co.jp/
• http://warehouse.chime-net.org/

Datamining

• http://www.datamining.com
• http://www.sysameri.com/osc/wp4sp.htm
• http://www.mor.itesm.mx/~portillo/Thesis/kdd.html
• http://research.microsoft.com/research/datamine/

ISSN: 1579-0223
http://www.redcientifica.com/doc/doc200111240001.html

Introducción

Galileo nació el 15 de febrero de 1564 en Pisa. En 1581, ingresó en la Universidad de Pisa para estudiar Medicina y fue expulsado en el tercer año de medicina por su actitud. Entonces se trasladó a Florencia para aprender Filosofía y Matemáticas

Siendo estudiante en Pisa en un oficio religioso, observó la regularidad con que oscilaba la gran araña de la catedral midiéndola con su propio pulso. A partir de este hecho, repitió el experimento con péndulos y descubrió que el periodo de vibración es independiente de la masa del péndulo y de la amplitud del movimiento y sólo depende de la longitud. Esta ley es la base la construcción de los relojes.

En 1589 fue nombrado profesor de matemáticas de la Universidad de Pisa y, posiblemente influido por la obra del español Domingo de Soto, estudió la caída de graves ( y el movimiento de proyectiles y se opuso a la Mecánica de Aristóteles que sostiene que la velocidad de caída de los cuerpos era proporcional a su peso La leyenda cuenta que los dejaba caer desde la torre de Pisa que con su inclinación facilitaba el experimento. Lo cierto es que utilizó planos inclinados y clepsidras (relojes de agua) para obtener datos precisos. Justamente la falta de precisión en las observaciones permitía mantener la Física aristotélica. En 1592 no le renovaron su contrato, posiblemente por su enfrentarse a la Física aristotélica pero fue admitido en la Universidad de Padua, donde continuó hasta 1610 y gozó de un gran prestigio.

Galileo es el precursor del actual Método Científico. Hasta ese momento, la ciencia estaba dominada por la influencia de Aristóteles, en el que la deducción: se partía de los principios evidentemente ciertos, llamados axiomas, y sólo mediante la capacidad de deducción, se construían las teorías.

Galileo, incorpora la importancia de la inducción. Así, antes de formular ninguna teoría es necesaria la realización de experimentos que se puedan repetir y que involucren magnitudes que se puedan medir.

En 1609, poco tiempo después de la invención del telescopio (aunque aún se discute quién fue su inventor, normalmente se le atribuye a Hans Lippershey sobre 1608) Galileo construyó el suyo.

Fue el primero en realizar descubrimientos astronómicos como centenares de nuevas estrellas, los cráteres en la luna, las fases de Venus, los anillos de Saturno, las manchas solar y la rotación del sol y los cuatro satélites internos de Júpiter gracias al telescopio. Estos descubrimientos fueron publicados en 1610 en su obra Sidereus Nuntius.

Galileo fue perturbador en muchas facetas de su vida, por ejemplo, rechazaba el uso de las ropas académicas instituidas porque eran incómodas por lo que fue sancionado en varias ocasiones. También mantuvo relaciones con una mujer a pesar de su condición de clérigo con la que fue padre de dos hijas a las que obligó a ingresar en un convento antes de la edad requerida a un convento.

En 1616 se amonestó a Galileo, para que abandonara la teoría heliocéntrica y se abstuviera de defenderla.

En 1623 se pretendió denunciar a Galileo por su filosofía atomista, expuesta brevemente en Il Saggiatore. Se le acusaba de negar la objetividad de las cualidades sensibles (olor, sabor tacto del pan,...) en contra de la doctrina del Concilio de Trento sobre la Eucaristía, según la cual, después de la consagración, se encuentran las especies sacramentales sin su sujeto natural.

También en 1632, apareció Diálogo sobre los dos máximos sistemas del mundo apoyado, en principio, por el Papa Urbano VIII. Sin embargo, esta obra resultó ser una sátira en la que el Papa estaba representado por un personaje llamado Simplicio que era vencido en el diálogo que mostraba los inconvenientes del modelo geocéntrico de Ptolomeo frente al modelo heliocéntrico copernicano. El libro fue prohibido en 1632 y su autor fue citado ante el tribunal de la Inquisición y obligado a retractarse de públicamente. Si creemos en la leyenda, cuando se levantó murmuró la célebre frase Eppur si muove (Y, sin embargo, se mueve)

Después del proceso, Galileo fue condenado a prisión domiciliaria primero en Siena y después en las afueras de Florencia. Su último libro fue Diálogos de las Nuevas Ciencias, que condensa todos sus estudios sobre el movimiento y la mecánica y se imprimió clandestinamente en Holanda, en 1638.

La observación del sol sin las debidas precauciones lo sumergió en la ceguera durante los últimos años de su vida y murió el 8 de enero de 1642, cuando trabajaba con su hijo en la puesta punto de un reloj con péndulo regulador. En 1656, el astrónomo holandés Christian Huygens utilizó los principios descubiertos por Galileo para construir los primeros relojes de precisión.

Galileo inicia el desarrollo de la Ciencia como la conocemos hoy, pero su influencia también fue decisiva para la historia, la técnica y la navegación Para comprender esto, veamos cuál era su entorno histórico, político y científico.

Progresos cartográficos y náuticos.

En el siglo IV antes de Cristo, Aristóteles dio dos argumentos para comprender que la Tierra es esférica. Por una parte, la sombra de la Tierra proyectada en la Luna durante un eclipse es curva. Por otra, la elevación de las estrellas es distinta según sean observadas más al Norte o al Sur. Hay otro motivo importante: desde cualquier puerto se ve como al alejarse los barcos desaparece en el horizonte: primero el casco y después se hunden los palos independientemente de la dirección que tomen. Esta constante es característica de una superficie esférica. En el año 230 antes de Cristo, Eratóstenes estableció el radio de la Tierra en 6400 Km. El radio medio es de 6371 Km..

La determinación de una posición sobre la superficie de la Tierra es un problema más difícil cuya importancia en la navegación es doble: Por una parte, debemos conocer nuestra posición y por otra, debemos saber a dónde nos dirigimos.

El cálculo de la posición involucra la medida de dos ángulos: la latitud y la longitud. La latitud de una posición es igual a la elevación de una estrella situada sobre el Polo Norte (posición temporal por el efecto de la precesión: el eje de la tierra gira describiendo un cono cuyo abertura mide 47º cada 26.000 años) y es relativamente fácil de calcular.

La longitud es mucho más difícil de medir. Una posibilidad consiste en obtenerla observando a qué hora ocurre un acontecimiento celeste cuya hora sea previamente sabida para un lugar de la Tierra conocido y restar ambas horas: cada hora de diferencia representa una longitud 15º diferente. Este método precisa de un reloj preciso.

El propio Colón intentó estimar su longitud en su cuarto viaje al Nuevo Mundo observando a qué hora ocurría un eclipse lunar en el puerto de Santa Gloria, Jamaica el 29 de febrero de 1504. Estimó siete horas y quince minutos al oeste de Cádiz, según la hora predicha en un almanaque que llevó a bordo. Descubrió un error de aproximadamente de 38º respecto a su estimación anterior.

En 1598, Felipe III (1578-1621), rey de España, Portugal y las Dos Sicilias (Sicilia y Nápoles) ofreció un premio de 6.000 ducados más 2.000 de renta vitalicia y otros 1.000 de ayuda de costa para quien fuese capaz de proporcionar un método para determinar la longitud en el mar. Se recibieron muchas ideas descabelladas y la primera respuesta con un proyecto razonable se debió a Galileo en 1616. Pensó en utilizar los eclipses de los satélites de Júpiter como un reloj celestial para la determinación práctica de longitudes, pero la necesidad de calcular efemérides exactas y la dificultad de observar los satélites a bordo de una nave indujeron a los asesores de Felipe III a rechazar esta posibilidad. Sin embargo, con el procedimiento propuesto por Galileo, el astrónomo inglés James Bradley determinó en 1726 las longitudes de Lisboa y Nueva York.

En cualquier caso, la relación entre la corona española y Galileo debió de ser bastante importante. Por una parte, el español Domingo de Soto (1494-1560), como Galileo, fue pionero en el estudio de la cinemática, en particular la caída de graves y el movimiento uniformemente acelerado. Sus principales obras son Comentarios y Cuestiones a la Física de Aristóteles y Cuestiones de Física. Es posible que influyera sobre Galileo.

Por otra parte, Benito Daza Cortés (1591-1623) notario del Santo Oficio, escribió Uso de los Anteojos publicado en 1623. La última parte de esta obra se compone de cuatro Diálogos. El último contiene la primera referencia de la literatura española al telescopio y a la observación de la Luna y las estrellas y se titula Siderus Nuncius, como la obra publicada por Galileo diez años antes y seguramente bajo su la influencia

Mucho más tarde, en 1714, el gobierno inglés ofreció un premio de 20.000 libras para quien hallara la forma de calcular la posición de una nave con un error menor de medio grado. El cartógrafo alemán Tobias Mayer, con los nuevos métodos de Euler, presentó en 1757 unas tablas de la posición de la luna. Por otra parte, el artesano británico John Harrison proporcionó el cronómetro marino basado en los relojes de precisión de Huygens. Ambos métodos se fundamentan en los estudios de Galileo

Los inicios de la astronomía moderna.

Copérnico (1473-1543) finalizó después de muchos años de estudio su trabajo sobre la teoría heliocéntrica. Esta teoría, sin embargo, también requería de complicados mecanismos, los epiciclos para la explicación de los movimientos planetarios y en la práctica, los cálculos para predecir sucesos astronómicos eran tan complejos como en la teoría geocéntrica de Ptolomeo, porque las trayectorias de los cuerpos celestes se descomponían siempre en círculos perfectos.

Amigos de Copérnico publicaron su trabajo principal titulado Sobre las revoluciones de las esferas celeste", cuya copia, se dice, recibió Copérnico en su lecho de muerte.

La teoría heliocéntrica tuvo una expansión rápida pero también fue criticada pronto sobre todo por teólogos protestantes pero la iglesia católica no se opuso a la obra de Copérnico hasta 1616, fecha del primer proceso contra Galileo.

El astrónomo danés Tycho Brahe (1546-1601) no aceptó la teoría heliocéntrica. En su opinión, la tierra era el centro del universo y el Sol, la Luna y la bóveda celeste ( se creía que las estrellas estaban fijadas en una esfera rígida) giraban a su alrededor aunque Mercurio, Venus, Marte, Júpiter y Saturno giraban alrededor del sol.

Según su criterio, si el Sol estuviera inmóvil en el centro de la esfera celeste y la Tierra diera una vuelta alrededor del Sol cada año, se debería notar por efecto del paralaje un cambio en la posición de las estrellas según la estación del año. Cuando una estrella es observada desde la derecha del sol, se debería un poco más a la izquierda que seis meses antes, cuando se oobservaba desde el otro lado de la órbita.

En cambio, si fuera la Tierra la que ocupara el centro de la esfera celeste, las estrellas siempre se verían en el mismo sitio. Sus observaciones con instrumentos de alta precisión lo convencieron de que las estrellas siempre estaban en la misma posición.

A juicio de Tycho Brahe, si la teoría de Copérnico fuera cierta y la Tierra no estuviera fija, la distancia hasta las estrellas debería ser tan grande que impediría apreciarlo. Con la precisión de sus instrumentos, la distancia entre la Tierra y las estrellas debieran ser 3.000 veces superior a la distancia entre la Tierra y el Sol.

Como también había estimado el diámetro aparente de las estrellas, calculó que la distancia a las estrellas de primera magnitud era unas 2.000 veces mayor que su diámetro real. Combinando esto con la cifra anterior, resulta que el diámetro de algunas estrellas es superior a la distancia de la Tierra al Sol.

No parecía tener ningún sentido que el universo contuviese muchos objetos grandes en los bordes, pero que en el centro hubiera un inmenso espacio vacío ocupado únicamente por un sol mucho menor que ellos, seis planetitas todavía más diminutos, y la luna, menor aún y Brahe creyó demostrar sin ninguna duda que Copérnico estaba equivocado: la Tierra está siempre a la misma distancia de las estrellas, pero el sol no.

Las observaciones de Tycho Brahe nunca fueron publicadas durante su vida aunque Kepler (1571-1630) consiguió su cesión y con ellas dedujo que la órbita de los planetas es elíptica las leyes de Kepler. Estas novedades permitieron hacer predicciones mucho más exactas (en 1627 Kepler publicó las Tablas rodolfinas (en honor al emperador Rodolfo que fueron la base de todos los cálculos de órbitas celeste durante varios decenios) y acrecentaron la confianza en el sistema heliocéntico.

Europa dividida por la religión.

Durante el reinado de Felipe II (1527-1598), las maniobras diplomáticas y militares de los poderes católicos persiguieron la supresión del protestantismo que se había asentado en sus posesiones en los Países Bajos. Los fundadores de las iglesias protestantes más importantes son Lutero (1483-1546), Calvino (1509-1564) y Enrique VIII (1509-1547).

En 1567, Felipe II puso bajo las ordenes del Duque de Alba un ejército formado por 60.000 hombres para luchar contra el protestantismo en los Países Bajos. En 1578, después de una serie de retrocesos católicos en las provincias holandesas, los tercios españoles, ahora bajo el orden del Duque de Parma, reconquistaron las provincias rebeldes y España amenazaba a Francia, Inglaterra, y los estados alemanes protestantes.

Como consecuencia, estos países ayudaron a los holandeses y Felipe II recibió el apoyo del papa Sixto V, quien financió parte de la expedición de la armada invencible y formó la Armada Vaticana, para restaurar el catolicismo en Inglaterra donde el anglicanismo había sido instituido por Enrique VIII.

Otra razón que descompuso las relaciones entre España y Inglaterra desde 1569 fue el esfuerzo español para proteger su monopolio comercial con América porque las naves enviadas a sus colonias en el Nuevo eran hostigadas por corsarios ingleses como John Hawkins y Sir Francis Drake animados por la reina Isabel de Inglaterra.

Además, María Estuardo, reina católica de Escocia, se vio obligada a abdicar en su hijo en 1568 por la presión de los protestantes y buscó refugio en Inglaterra bajo la protección de su prima Isabel. Alegando ilegitimidad de Isabel reclamo el trono de Inglaterra y fue apoyada por las fuertes minorías católicas. Sin embargo, Isabel logró dominar la conspiración y mantuvo a Maria Estuardo prisionera hasta su ejecución en 1587. En este año llevó a cabo la expedición de la Armada Invencible.

Aunque la derrota de la Armada Invencible acabó con la supremacía marítima de España y Portugal a favor de Inglaterra, los conflictos entre los poderes católicos y protestantes continuaron hasta la Guerra de los Treinta Años entre 1618 y 1648 y que terminó con la segregación de los Países Bajos del Imperio, entre otras consecuencias.

El proceso de Galileo.

Galileo, sufrió dos procesos inquisitoriales: el primero en 1616 y el segundo en 1636. El proceso de 1616 coincide en el tiempo con el descubrimiento de las lunas jovianas, que terminó por influir en la cartografía y, por lo tanto, en la navegación.

Las ideas de Galileo eran perturbadoras por varios motivos

• Galileo se basó en sus descubrimientos para criticar la física aristotélica. Los profesores aristotélicos, quedaban en ridículo y atacaron a Galileo incluso con argumentos teológicos (la pretendida contradicción entre Copérnico y la Biblia).
• La Iglesia católica era muy suspicaz con las interpretaciones de la Biblia, distintas nuevas porque el enfrentamiento con el protestantismo era muy fuerte.
• Los descubrimientos astronómicos tenían gran influencia sobre la cartografía y la navegación, es decir, eran hallazgos militares y su difusión era inconveniente.

En este proceso se amonestó públicamente a Galileo para que abandonara la teoría heliocéntrica de Copérnico y fueron prohibidas tres obras

• Acerca de las Revoluciones de Nicolás Copérnico, publicado en 1543, donde se exponía la teoría heliocéntrica de modo científico.
• Un comentario del agustino Diego de Zúñiga, publicado en Toledo en 1584 y en Roma en 1591, que interpretaba algún pasaje de la Biblia según el heliocentrismo.
• Un opúsculo del carmelita Paolo Foscarini, publicado en 1615, donde se defendía que el sistema de Copérnico no está en contra de la Sagrada Escritura.

El motivo que se daba en el decreto para esas censuras era que la doctrina que defiende que la Tierra se mueve y el Sol está en reposo es falsa y completamente contraria a la Sagrada Escritura.

El opúsculo de Foscarini fue prohibido absolutamente. En cambio, los libros de Copérnico y de Zúñiga solamente fueron suspendidos hasta que se corrigieran algunos pasajes y se aprobaron en pocos años.

En 1633, fue procesado de nuevo por seguir defendiendo la teoría heliocéntrica en su obra. A pesar de que el Papa Urbano VIII no la consideraba herética, la veía inadecuada y no quería que se tratara el movimiento de la Tierra como algo real, sólo un como un artificio que facilitaba los cálculos pero Galileo no siguió estas directrices.

El Diálogo se acabó de imprimir en Florencia el 21 de febrero de 1632. Galileo envió enseguida ejemplares a sus colegas por toda Europa en unas fechas en que el continente estaba en pleno desarrollo la Guerra de los Treinta Años.

El Papa, junto con la Congregación, decidió que se condenase a Galileo y que abjurase de su opinión y concedió a Galileo que regresara a su casa en las afueras de Florencia para cumplir su reclusión.

La condena de 1633 no era irrevocable y en el año 1741 Benedicto XIV, ante la prueba óptica de que la tierra seguía una órbita en torno del sol, rehabilito la obra de Galileo.

Una nueva lectura.

No es posible saber cuáles eran los deseos y las razones que movieron a actuar a Galileo, a sus partidarios o a sus detractores. Sólo podemos analizar el registro de los hechos y obtener nuestra conclusión. Los hechos son los siguientes:

• La teoría heliocéntrica fue propuesta por el canónigo polaco Nicolás Copérnico, un hombre prudente que impidió su publicación hasta la fecha de su muerte en 1543. Aunque la teoría de Copérnico no podía demostrarse en su época, la iglesia católica no mostró ninguna oposición.
• Galileo que fue un hombre insumiso que vivió una época turbulenta. Con su novedoso método científico realizó descubrimientos y defendió nuevas teorías con las que se granjeó enemigos poderosos que defendían la teoría aristotélica que convenía a la iglesia católica.
• Con sus conocimientos teóricos y sus observaciones desarrolló nuevas técnicas de gran importancia militar: balística, navegación, cartografía, relojería,...
• Fue amonestado para que abandonara su teoría en 1616, el año en que contactó con Felipe III para desarrollar técnicas de navegación. Felipe III, por motivos políticos y económicos, era enemigo del protestantismo y aliado del Papa.
• El Papa tenía un interés especial en impedir interpretaciones de la Biblia como las que habían causado los movimientos protestantes.
• A Galileo se le permitió seguir con sus investigaciones siempre que no defendiera la teoría heliocéntrica. Sin embargo, Galileo no obedeció los dictamines del Papa.
• Entonces, se le volvió a condenar y se le mantuvo en arresto domiciliario para que pudiera proseguir con sus estudios pero sin difundirlos. Debemos advertir lo extraño de esta situación cuando otros eran condenados a muerte o recluidos en mazmorras.
• A pesar de todo, Galileo consiguió burlar el cerco y la obra de Galileo se publicó en Holanda, un país protestante.
• Los conocimientos de Galileo sirvieron por fin para impulsar la navegación de los países protestantes; en especial Inglaterra.

En definitiva, Galileo fue víctima de las circunstancias que lo rodeaba. A pesar de todo, la nueva ciencia inició su camino con Galileo porque el conocimiento da poder.

Referencias.

A. Favaro, Le Opere di Galileo Galilei, G. Barbèra Editore, Firenze, (1968).

Pontificia Academia Scientiarum,I documenti del processo di Galileo Galilei, Ciudad del Vaticano, (1984).

V. Messori, Leyendas negras de la Iglesia, Planeta, Barcelona, (1996).

M. Sharratt,. Galileo: Decisive Innovator, Cambridge University Press, (1994).

ISSN: 1579-0223
http://www.redcientifica.com/doc/doc200302240001.html

La Medicina Tradicional China (MTC en adelante), contempla algo que en occidente ha pasado completamente inadvertido, el Qi. Qi se puede definir simplificándolo mucho como energía, y digo simplificándolo porque este concepto es amplísimo, la Medicina China entiende por Qi desde las funciones orgánicas, los líquidos que componen el organismo, la estructura física corporal, la sangre, etc. hasta llegar al delicado e impalpable fluido que circula por la red de meridianos del cuerpo.

todo es Energía

Para la MTC todo cuanto hay en el universo es Qi, pero con una vibración o densidad diferente; es Qi la sutil corriente de Bioelectricidad que anima el cuerpo humano, pero también es Qi la estructura material de un hueso.

Esta forma de entender las cosas, la dota de una enorme versatilidad, que por supuesto pone el listón de sus posibilidades terapéuticas muy alto, casi ilimitado.

Si dejamos de contemplar las estructuras sólidas que forman un cuerpo físico como estructuras puramente materiales, y empezamos a pensar que no lo son tanto, que son en cierta forma maleables, que son energía condensada, nuestros conceptos más arraigados sobre la materia inmediatamente empezaran a cambiar; una enfermedad con deterioro orgánico ya no es sólo una enfermedad que está dañando al cuerpo, comienza a adquirir la forma de un desequilibrio, la energía condensada, que ha dado origen a la materia, se esta alterando, está perdiendo unas características particulares que podemos denominar estado de salud.

La comprensión de este estado de no materialidad absoluta de las cosas, nos abre una nueva puerta:

>> Las cosas aparentemente densas, pueden ser afectadas por otras cosas mucho más sutiles.

>> Las cosas sutiles se pueden alterar por la injerencia de las cosas densas.

Parece un galimatías ¿verdad?.

>> Pues no lo es, tiene la sencillez de la simplicidad; si aplicamos los conceptos apuntados anteriormente resulta fácil deducir que lo sutil y lo denso son lo mismo, todo es Qi, vibración, energía, a su vez todo está interrelacionado y todo depende de todo, son conceptos que estamos aplicando en la práctica a diario, pero sin darnos cuenta.

El ejemplo más obvio que se me ocurre en este momento es lo que sucede cuando exponemos un trozo de hielo a una fuente de calor, el hielo, materia densa, cambia de vibración, de estado, gracias a la acción de una energía sutil, de un Qi sutil, el calor, el hielo se transforma en agua; si la acción del calor continua, el agua se va a sutilizar más y va a mutar en vapor, si seguimos aplicando energía, el vapor mutará en plasma.

¿Cuál es el estado natural del agua?, ¿Agua?, ¿Hielo?, ¿Vapor o plasma?.

O tal vez la pregunta correcta debería ser: ¿Cual es el estado natural del hielo, o del vapor o del plasma?

>> No hay una respuesta tajante, la respuesta sería que el estado natural de cada uno de ellos dependería de las influencias del Qi, en este caso fuente de calor.

En nuestras latitudes el estado natural del hielo es agua, la acción del Qi, temperatura, así lo determina; en los polos el estado natural del agua es hielo, y en el cielo el estado natural del agua y el hielo es vapor.

todo es Relativo

La aplicación de estos principios a la medicina, al arte de curar o más bien al arte de devolver el equilibrio perdido a un ser que sufre, dota a la Medicina China de una agudeza insospechada.

La MTC considera múltiples las causas por las cuales podemos enfermar y perder nuestro equilibrio energético.

Las hay de origen externo, otras son de origen interno, y otras, mitad y mitad, es decir por una parte de origen interno y por otra externo.

Los agentes etiológicos naturales de origen externo capaces de producir enfermedad, son los factores meteorológicos:

El viento, el calor, la humedad, la sequedad y el frío. Cada uno de ellos tiene sus señas de identidad, su modus operandi, produciendo patologías de viento, de frío, etc.

El cuerpo físico, denso, está siendo alterado por la acción de unas energías sutiles; estas energías externas están alterando su estructura física, literalmente nos enfermamos por la interferencia en nuestro equilibrio natural de los agentes antes mencionados, lo sutil está modificando a lo denso.

¿Quién no ha tenido un catarro?, todos, ¿verdad?.

>> Pero eso sí, unos más frecuentemente que otros, y otros más intensos y más molestos que el resto.

Bueno, pero eso es una enfermedad vírica, me podrán decir.

Es cierto que algunas veces aparecen virus en los cultivos biológicos examinados.

Pero también aparecen gusanos en un cadáver; ¿han sido los gusanos los responsables de la muerte? ¡¡NO!!

Los gusanos han encontrado el terreno adecuado para medrar, la configuración de Qi del cadáver es la ideal para que los gusanos se den un festín, mientras que la configuración de Qi de un ser vital, no lo es.

Pero de los virus, bacterias, hongos y demás microorganismos hablaremos en artículos posteriores.

Este artículo está disponible también en la dirección:

http://www.foratman.com/websana/china.htm

ISSN: 1579-0223
http://www.redcientifica.com/doc/doc200503280600.html

El pionero en el campo de la IA fue el matemático Norbert Wiener, científico norteamericano adscrito al Instituto Tecnológico de Massachussets y considerado padre de la cibernética. Wiener y su equipo, un grupo formado por físicos, fisiólogos, matemáticos y especialistas en electrónica, llegaron a través de sus estudios a la idea de que el análisis dinámico del comportamiento de las máquinas y de los organismos vivientes denotaba una analogía entre los objetos del mundo orgánico y del inorgánico. Las consecuencias de la publicación en 1948 de la obra de Wiener Cybernetics or control and comunication in the animal and machine fueron fundamentales. Los cibernéticos ampliaron su campo hasta límites insospechados. Temas como el aspecto psicológico de la percepción, la teoría cuántica de la memoria, los mecanismos del recuerdo, problemas de lingüística, las propiedades lógicas de las máquinas, la investigación de la transmisión de señales por los conductos nerviosos, los mecanismos de retroacción en biología etc. Un etcétera inacabable, pues el campo en el que se desarrolla la cibernética comprende la biología, fisiología, psicología, física, sociología, lingüística y otras ciencias. El desarrollo de esta ciencia de la dirección y comunicación en los organismos vivos y las máquinas permitió, sobre todo, la creación de una nueva clase de inteligencia.

Casi desde su inicio, en los años 50, este campo de investigación se escindió en dos paradigmas: el enfoque simbólico, también llamado IA clásica, y el enfoque subsimbólico, también llamado conexionista. Para la vertiente simbólica la mente es una máquina de procesamiento de información: a través de un exhaustivo y pormenorizado conjunto de reglas preprogramadas se espera que el sistema sea capaz de desenvolverse en el mundo real, dando importancia a los aspectos cognitivos como la lógica, la capacidad de procesamiento de información, etc. Los ejemplos más significativos son los Sistemas Expertos, como los programas de juegos de ajedrez. La corriente conexionista, por su parte, intenta imitar el sustrato emergente de la inteligencia: dejan que el sistema se desarrolle a través de su propia experiencia, haciendo hincapié en los aspectos más perceptivos del ser humano como el aprendizaje o las habilidades sensoriales. Los ejemplos más destacados son las Redes Neuronales Artificiales.

La lucha para crear máquinas inteligentes lleva ya muchos años entre dos líderes de la materia: el matemático Douglas Lenat, de la empresa Cyc, y el profesor Rodney Brooks, del Instituto Tecnológico de Massachussets (MIT). Conceptualmente sus propuestas representan dos caminos en extremo diferentes: Cyc es un acercamiento descendente (lo último en máquinas de sentido común preprogramadas) y Cog es un acercamiento ascendente (lo más avanzado en robots humanoides).

Cyc (de enCYClopedic) es un programa que cuenta con un enorme poder inferencial y que trabaja con una gran base de conocimientos. La esperanza de Lenat es que Cyc se convierta en lo que él llama "un artefacto inteligente general", una gigantesca base de conocimientos que pueda servir de plataforma para dotar a las futuras computadoras con una parte significativa del conocimiento general y de sentido común de un adulto. De esta forma, la máquina equipada con Cyc adquirirá nuevas habilidades como aprender a través del descubrimiento, definir los nuevos conocimientos en términos de los ya adquiridos, llegar a conclusiones lógicas cuando se le presentan situaciones nuevas e interaccionar con el ser humano. Todas estas capacidades le permitirá a la computadora del futuro tener conversaciones inteligentes con las personas, interpretar y llevar a cabo las órdenes impartidas por ellas.

Por otra parte, Cog (por COGnitivo) se trata de un ambicioso experimento inspirado en estructuras biológicas -en vez de lógicas-, que consiste en dejar que un robot humanoide descubra el complejo entorno en el que está inmerso por sí mismo en lugar de poblar su memoria con una detallada descripción del mundo desde la particular perspectiva humana. A través de sus sentidos artificiales de visión, audición y tacto (cámaras fotográficas, micrófonos y una membrana sintética sensible al contacto) absorbe información que alimenta su sentido común. La idea es dar a la máquina unos conceptos básicos, situarla en un entorno que pueda percibir y en el que pueda actuar y de esa manera, averiguar qué logra aprender por sí misma. Más adelante, una vez que conozca los objetos del mundo que le rodea, podrá aprender mediante interacciones con los seres humanos. La meta de Brooks es alcanzar una inteligencia humana más que una simple inteligencia. Para eso la máquina debe tener experiencias humanas y la capacidad de relacionarse con su entorno como lo hace un ser humano, es decir, percibiendo el mundo a través de los sentidos y desenvolviendo su conducta en un contexto social, en interacción con otras personas. Un segundo motivo para hacer a Cog de forma humanoide, es que las personas se relacionen e interactúen con él de forma natural, cómoda y amigable, de manera tal que les resulte más fácil entregarle la información que él requiere. Cog no funciona bajo un programa, sino que se reprograma según su experiencia.

La tendencia actual es la convergencia e integración de estos dos enfoques, complementándose y formando así sistemas híbridos con el objetivo de afrontar situaciones más reales. Los investigadores del campo de la Inteligencia Artificial consideran que a través de esta integración pueden conseguirse resultados muy interesantes. Según el profesor Hans Moravec, "la combinación creará un ser que en algunos aspectos se nos parezca, pero que en otros será algo que el mundo no habrá visto antes".

Los avances en Inteligencia Artificial suelen analizarse desde un punto de vista tecnológico o científico. De hecho, la mayoría de las fuentes que hemos utilizado para la elaboración de este estudio se centran en una serie de aspectos técnicos en los cuales no nos interesa profundizar. Lo que pretendemos a través de este trabajo es hacer un acercamiento antropológico y cultural a los problemas que los distintos avances en el campo de la Inteligencia Artificial puede acarrear en el ámbito comunicacional.

DESARROLLO

HIPÓTESIS Y ARGUMENTACIONES CIENTÍFICAS

En la actualidad encontramos dos posturas enfrentadas acerca de las posibles consecuencias del desarrollo de la Inteligencia Artificial:

- Una visión apocalíptica, que prevé la desaparición de la especie humana, reemplazada por replicantes.

- Una visión optimista, que considera que a través de la Inteligencia Artificial la sociedad verá cubiertas al máximo sus necesidades.

Sin embargo, una postura neutral afirma que la ingeniería electrónica provocará cambios, pero no acabará con la raza humana ni resolverá los problemas sociales.

Según describe Alejandro Piscitelli, profesor de la Universidad de Buenos Aires, en su libro Ciberculturas. En la era de las máquinas inteligentes, existen diversos caminos que conducirían a la emergencia de las superinteligencias (más que humanas):

- Hipótesis 1: construiremos computadoras dotadas de una inteligencia más que humana.

- Hipótesis 2: inmensas redes de computadoras y usuarios nos despertaremos como entidades inteligentes más que humanas.

- Hipótesis 3: la interfaz entre la computadora y los seres humanos se volverá tan íntima que los usuarios podremos considerarnos superinteligentes.

- Hipótesis 4: la neuroingeniería proveerá los medios para aumentar exponencialmente la inteligencia humana.

Para el desarrollo de nuestro trabajo nos vamos a centrar en la hipótesis 1 y 4, que nos parecen las más interesantes desde el punto de vista comunicacional en el ámbito de la Inteligencia Artificial. Desde estos dos puntos teóricos podemos ver un fuerte contraste: cuando las máquinas amenazan con hacerse perceptiblemente humanas, los seres humanos se hacen más mecánicos.

HIPÓTESIS 1: MÁQUINAS QUE SE HUMANIZAN

Como punto de partida exponemos las ideas que aparecen en el libro de Alvin y Heidi Toffler, Las guerras del futuro, una de las obras más interesantes que enlaza con la primera hipótesis y que habla de la importancia que están adquiriendo en la actualidad los denominados guerreros robóticos y sus formas de comunicación.

A medida que se multiplican los robots en fábricas y oficinas, avanza rápidamente la investigación civil sobre robótica. Desde chips que controlan las redes telefónicas de "autocuración" a edificios y autopistas "inteligentes", se está creando una base técnica para acelerar en el futuro la robotización de la economía. Esto a su vez desencadenará un alud de aplicaciones de potencial militar. En economías civiles donde resulta barata la mano de obra, el progreso de robotización es lento o inexistente. Pero cuando aumentan los costes del trabajo, la automatización en general y la robotización en particular se tornan competitivamente ventajosas. En buena parte esto se aplica también a las fuerzas armadas. Unos ejércitos de reclutas mal pagados reducen el incentivo para una renovación tecnológica. Por contraste, si en las fuerzas armadas predominan los profesionales mejor renumerados, los robots se convierten en una ganga bélica. Además es probable que la difusión por todo el mundo de armas químicas, biológicas y nucleares promueva la robotización cuando los campos de batalla sean demasiado tóxicos para unos soldados humanos. Puede haber guerreros robóticos especialmente concebidos para actuar en tales ambientes. Pero el factor más importante que favorece la robotización es quizás el cambio en la actitud del público respecto de los niveles "aceptables" de bajas.

Los fabricantes de robots se muestran complacidos por el nuevo respeto que despierta su trabajo. Les atraen también las perspectivas que les brindan los nuevos progresos en inteligencia artificial, realidad virtual, capacidad informática, presentación de datos y tecnologías anejas. Pero les preocupa la controversia sobre qué vendrá después. Lo que les inquieta no es cómo hacer más inteligentes las armas robóticas, sino hasta qué punto se permitirá que lo sean. Entre estos ingenieros se desarrolla un debate que suscita algunas de las cuestiones más serias con que se enfrenta la raza humana. Está en juego no simplemente la guerra o la paz, sino la posible subordinación de nuestra especie a unos robots exterminadores y superinteligentes, cada vez más conscientes de que lo son.

Después de ser durante largo tiempo patrimonio de las revistas y de películas de ciencia ficción, los robots que realmente piensan por sí mismos (o lo simulan) han sido tomados en serio por primera vez por los hombres y las mujeres que conciben las tecnologías bélicas de un futuro no muy lejano. Se ha planteado un conflicto ideológico entre los defensores de los robots controlados por seres humanos y quienes postulan unas armas "autónomas" con inteligencia suficiente para actuar por sí mismas.

La robótica controlada por seres humanos es sólo el primer paso, y aún incompleto, en el camino hacia los robots autónomos, mucho más avanzados y con creces más discutidos. Comparados con éstos, los robots de control remoto o teledirigidos son sólo semiinteligentes.

El paso final es el representado por las armas que, después de "nacer" o ser puestas en marcha, toman cada vez más decisiones propias. Éstas son las llamadas armas "autónomas".

El problema de las armas robóticas de control remoto estriba en su dependencia de comunicaciones vulnerables que unen a s