SISTEMA INMUNOLOGICO ARTIFICIAL

SISTEMAS EVOLUTIVOS

FERNANDA OCAMPO VALBJUENA

MONICA ANDREA RICO CASTRO

 Sistema Inmune Artificial

DEFINICION CARACTERISTICAS

MODELOS COMPUTACIONALES
Es un nuevo paradigma en el que los investigadores han
modelado el comportamiento global del sistema inmune o
alguno de sus procesos, con la finalidad de entenderlo de
manera más profunda o aplicarlo en la solución de algún
problema del mundo real

El sistema inmune puede ser visto como un

complejo sistema de procesamiento de
información

En ciencias de la computación, sistemas inmunes artificiales (AIS)

ó Artificial Immune System en inglés, son sistemas de
computación inspirados en los principios y procesos del sistema
inmunológico en vertebrados. Los algoritmos se basan en las
características de aprendizaje y la memoria para resolver un
problema del sistema inmunológico.
 CARACTERISTICAS

Es un sistema Reconocimiento de
descentralizado patrones
Memoria asociativa Tolerante a fallas

Usa memoria y Comportamiento

aprendizaje emergente

IDENTIDAD
 MODELOS COMPUTACIONALES

Teoría de la red Modelo de selección

inmune negativa

ALGORITMO DE SELECCIÓN CLONAL

 OTRAS CARATERISTICAS
Es un sistema descentralizado: no existe un
procesador central, sino que los componentes
del sistema inmune se encuentran distribuidos
a través del organismo, lo cual lo hace un
ES sistema
UN robusto.
SITEMA
DESCENTRALIZADO

Reconocimiento de patrones: es capaz de reconocer casi

cualquier variedad de diferentes tipos de antígenos, aún en
el caso de que éstos no se hayan presentado en el pasado.
 OTRAS CARATERISTICAS
Memoria asociativa: el reconocimiento de los
invasores es posible aún en el caso de no
contar con información completa.

ES UN SITEMA
DESCENTRALIZADO

Tolerante a fallas: cuando se presenta alguna falla en el

sistema, el resultado generalmente no es catastrófico, pues
el sistema se puede recuperar de manera eficiente
 OTRAS CARATERISTICAS
Usa memoria y aprendizaje: el sistema es
capaz de recordar algún patrón que se haya
presentado antes. De tal forma, ante
exposiciones repetidas del mismo antígeno
(respuesta secundaria) el sistema mejora su
respuesta con la experiencia.
ES UN SITEMA
DESCENTRALIZADO Comportamiento emergente: presenta un interesante
comportamiento global a partir de simples interacciones
locales

Identidad: tiene la capacidad para distinguir entre lo propio

y lo que no lo es.8. Diversidad: usando recombinación e
hipermutación somática, el sistema inmune es capaz de
lograr cualquier especificidad.
 OTRAS CARATERISTICAS
La teoría de la red inmune se basa en la idea de que ese
grupo de anticuerpos que ha sido activado, hará las veces de antígenos
activando a su vez a un segundo grupo de anticuerpos y así
sucesivamente. De tal forma, cada grupo de anticuerpos activado
puede ser reconocido por otro grupo de anticuerpos. De esta manera
ES red
se crea una UNdonde
SITEMA
los anticuerpos son capaces de detectarse unos
DESCENTRALIZADO
a otros.
 está basado en el principio de discriminación entre las células propias y las que no lo son. El modelo
explica la manera en que se crean los detectores (linfocitos) que son capaces de distinguir entre las
células propias y las que no lo son, así como algún cambio en el comportamiento "normal" del
OTRAS CARATERISTICAS
sistema, sin tener ninguna o muy poca comunicación entre ellos y evitando algún intento de
autoataque. De manera muy general el algoritmo funciona de la siguiente manera:

1. Se define el conjunto de
elementosES UNdelSITEMA
propios sistema S. Este
es elDESCENTRALIZADO
conjunto de elementos que
deben ser protegidos y representa el
3. Monitorear S buscando algún cambio. Si el
comportamiento "normal" del
sistema reacciona ante un elemento (de acuerdo
sistema.
al umbral), entonces algún comportamiento
anormal o no permitido está ocurriendo. El
2. Cada detector es generado aleatoriamente. Aquellos modelo parece ser muy robusto, debido a que
detectores que son muy similares a alguno de sus busca la ocurrencia de cualquier cambio y no la
elementos propios, de acuerdo a un umbral aparición de un determinado patrón.
determinado, son eliminados. Sólo se permite sobrevivir
a aquellos detectores que no rebasan el umbral de
similitud, pues se dice que éstos no reaccionan ante las
células propias, y en cambio sí lo harían ante cualquier
otro organismo invasor.
Esta teoría fue propuesta por Burnet (1978) y explica cómo
se lleva a cabo la respuesta del sistema inmune ante la
OTRAS CARATERISTICAS
presencia de un antígeno, basándose en la idea de que sólo
los linfocitos más afines proliferarán. Cuando un antígeno ha
sido detectado por el sistema, aquellos linfocitos con una
mayor afinidad a tal antígeno son estimulados y sufren un
proceso de reproducción. La reproducción de éstos es por
medio de clonación, es decir, se crean múltiples copias hijos
ES UN SITEMA
de cada linfocito padre (reproducción asexual).
DESCENTRALIZADO
Estos clones segregan anticuerpos que son sometidos a un
proceso de mutación, con la finalidad de alcanzar la afinidad
específica para el antígeno invasor. Después de este proceso
de mutación existirán algunos clones que puedan resultar
dañinos para el organismo o cuya afinidad se haya
perjudicado. Estos clones deben ser eliminados. La nueva
población de clones afines al antígeno es capaz de
neutralizarlos. Cuando la eliminación de los antígenos ha
concluido, es necesario que el sistema regrese a su punto de
equilibrio, de manera que el exceso de clones se elimine
(autorregulación).
La Teoría de los Sistemas Evolutivos,
parte del constante cambio producido por el flujo de
materia, energía e información en los sistemas. Según
este enfoque, en el ámbito de la programación, los
Sistemas Evolutivos estudian la forma de construir
sistemas capaces de modificar sus reglas, procesos, datos,
y/o estructura.

Arquitectura
Con el fin de resolver problemas el sistema evolutivo construye una imagen de la realidad, por lo que en este punto se describirá en forma
general los principales métodos y algoritmos utilizados por los Sistemas Evolutivos; para lo cual se partirá de que el lenguaje de
comunicación con el exterior (o sea el lenguaje con el que se plantean los problemas al Sistema Evolutivo y con el cual éste responde a los
requerimientos) y el lenguaje con el que el Sistema Evolutivo construye su imagen de la realidad son el mismo.

CARACTERISTICAS

1) “El sistema debe contener algún mecanismo que le permita captar la realidad que lo rodea, ya que necesita conocer y estudiar el
ambiente con el fin de detectar las diferencias y cambios que requiere para poder adaptarse y evolucionar en este medio.
2) El sistema debe ser capaz de almacenar y representar el conocimiento, con el fin de construir su propia representación de la realidad
y poderla explorar.

3) El sistema debe ser capaz de “generar” nuevo conocimiento, a partir del que tiene almacenado y el que capta del exterior, con el fin
de que pueda proponer cambios o modificaciones a su imagen de la realidad incluyendo ese nuevo conocimiento.

4) El sistema debe ser capaz de abstraer, a partir de un conjunto de conocimientos y reglas generales que los representan en forma
sintética.

5) El sistema debe ser capaz de establecer un diálogo con el exterior, con el fin de que pueda transmitir su conocimiento y propicie el
cambio en el exterior y la retroalimentación de ese cambio hacia el interior.”
 Análisis
Análisis de Mundo Artificial
Mundo Artificial Basado en Sistemas Evolutivos, es un espacio
simulado por computadora donde existen toda clase de seres
parecidos a insectos llamados “bichos”. Un bicho, posee diferentes
características que lo distinguen; forma, color, tiempo de vida,
madurez reproductiva y fuerza de ataque. Todas estas características,
definen una especie. Al nacer, los bichos se crean con las
características definidas para una especie. Los bichos pueden nacer,
alimentarse, huir, reproducirse y morir dentro de un ambiente
simulado llamado mapa. Dos bichos de la misma especie pueden
reproducirse y crear otro bicho idéntico a ellos. Y también, dos bichos
de diferente especie pueden reproducirse para generar una nueva
especie. Debido a lo anterior, habrá especies que desaparezcan y
otras nuevas que surjan con el paso del tiempo haciendo que las
especies de bichos se mantengan en constante evolución. Dos bichos
de distinta especie pueden reproducirse o devorarse únicamente
cuando las reglas que rigen a los bichos permitan la interacción entre
ellos. Las reglas que rigen a los bichos para reproducirse y
alimentarse, dependen directamente de las características de la
especie a la que pertenecen y se establecen cada vez que una nueva
especie es creada, así, estas reglas y las características de cada
especie de bicho, están en constante evolución.
Descripción del Funcionamiento
Al igual que en el juego de la vida, en Mundo Artificial se crea una
matriz que almacena la ubicación de cada bicho en pantalla, a la que
llamaremos mapa. Dentro del mapa cada bicho puede nacer,
alimentarse, huir, reproducirse y morir.
2.2.1 Nacimiento y Muerte Al “nacer” un bicho se activa dentro del
mapa y su contador de tiempo de vida se decrementa en una unidad
por cada ciclo, al igual que la ingesta o cantidad de comida que tiene al
iniciar. Una vez que su contador de tiempo de vida o ingesta llegue a
cero, el bicho pasa al estado “muerto” y la celda que lo contiene se
vacía, quedando libre para almacenar a un nuevo bicho. Desde su
nacimiento, el bicho debe mantener su ingesta arriba de cero para
evitar morir de hambre. La muerte del bicho también sucede si este es
devorado por otro bicho.
2.2.2 Alimentación Un bicho se alimenta devorando a otro bicho más
débil que él ubicado en su vecindad. Para que un bicho pueda comer
debe necesitar alimento y tener cerca una presa que pueda devorar. Se
considera que el bicho requiere alimento si su ingesta actual (cantidad
de alimento ingerido hasta ese momento), es menor a la ingesta
máxima (cantidad máxima de alimento que puede ingerir, determinada
por la especie a la que pertenece). Si no tiene hambre no comerá.
IMPLEMENTACION

APLICACIONES

USOS PRACTICOS
Seguridad computacional

OTRAS CARATERISTICAS
La mayor cantidad de aplicaciones del sistema inmune, quizá por parecer la más intuitiva, se da en seguridad de
sistemas de cómputo.
1. Usando el algoritmo de selección negativa hemos encontrado diversas aplicaciones, tales como:- Detección
de virus - Monitoreo de procesos Unix - Detección de intrusos en sistemas de redes (Forrest, et al.,1994)
(Forrest, et al., 1996) (Forrest y Hofmeyr, 2000)
2. Utilizando alternativas al algoritmo de selección negativa, hay también diversas aplicaciones, tales como: -
SistemaES UN para
inmune SITEMA
la detección y eliminación de virus computacionales. - Sistema inmune de seguridad
multiagente para la detección de intrusos o anomalías. (Lamont y Van Veldhuizen, 1999) (Okamoto e Ishida,
2000)DESCENTRALIZADO
(Dasgupta, 1999)Detección de anomalías1. Detección de anomalías en series de tiempo basada en el
algoritmo de selección negativa (Dasgupta, 1999)

Reconocimiento de patrones

Forrest y Perelson (1993) propusieron un algoritmo general para reconocimiento de patrones, usando un
algoritmo genético acoplado al sistema inmune, donde estudian su manera de mantener diversidad y su
capacidad de generalización. Existe una propuesta de una arquitectura de un sistema inmune artificial que fue
probada en problemas de reconocimiento de patrones. La propuesta fue hecha por Hunt y Cooke (1986), y está
basada en el mecanismo de construcción de los anticuerpos y el principio de selección clonal y de maduración
de los linfocitos. Dasgupta (1999) realizó una emulación del sistema inmune para reconocimiento de espectros
en problemas de química.
Optimización

Existen algunas aplicaciones del sistema inmune basadas en la evolución de los anticuerpos hacia la población de antígenos, usando
OTRAS CARATERISTICAS
algoritmos genéticos para la optimización global en espacios de búsqueda con restricciones (Hajela y Lee, 1996) (Coello y Cruz,
2002). Fukuda et al. (Fukuda y Tsukimaya, 1999) propusieron un algoritmo para la optimización multimodal que modela la diversidad, y
usa la teoría de red inmune y la selección clonal. De Castro (Nunes de Castro y Timmis, 2002) presentó también un algoritmo para
optimización multimodal basado en el principio de selección clonal

Robótica

ES UN SITEMA
Ishiguro et al. (1996) y Wantanabe et al. (1998) han desarrollado algoritmos basados en la teoría de red inmune para el problema de
navegación autónoma de robots. Jun et al. (1999) y Lee et al. (1999) desarrollaron aplicaciones para un sistema de robots, autónomo
DESCENTRALIZADO
distribuido, basándose en el principio de selección clonal combinado con la teoría de red inmune e interacciones de las células B y T.

Planeación de horarios

Hart (1998) propuso un sistema inmune artificial para planeación de horarios en un esquema de asignación de tareas en un ambiente
dinámico. Su modelo está basado en el principio de selección clonal y en la evolución de bibliotecas de los genes.

Forrest y Perelson (1993) propusieron un algoritmo general para reconocimiento de patrones, usando un algoritmo genético acoplado
al sistema inmune, donde estudian su manera de mantener diversidad y su capacidad de generalización. Existe una propuesta de una
arquitectura de un sistema inmune artificial que fue probada en problemas de reconocimiento de patrones. La propuesta fue hecha por
Hunt y Cooke (1986), y está basada en el mecanismo de construcción de los anticuerpos y el principio de selección clonal y de
maduración de los linfocitos. Dasgupta (1999) realizó una emulación del sistema inmune para reconocimiento de espectros en
problemas de química.
SISTEMAS EVOLUTIVOS
Como ejemplo de estos sistemas, tenemos al Agente Evolutivo Manejador del Conocimiento [4] creado en 1997 por Jesús Olivares Ceja, el cual se
OTRAS CARATERISTICAS
presentó en el X Congreso de la ANIEI sobre Informática y Computación. Este es un Sistema Evolutivo, encargado de obtener información de algún
texto y extraer de él la información sustanciosa que produce conocimiento.

El trabajo Sistemas Evolutivos Generadores de Escenarios Fractales [2], desarrollado por José Armando Medina May y presentado en el X Congreso
Nacional ANIEI sobre Informática y Computación, es un sistema que crea escenarios basados en paisajes que evolucionan bajo el concepto de matrices
evolutivas.

ES UN SITEMA
En Aplicación de los Sistemas Evolutivos en el Análisis de Espectros de Rayos Gamma [4], los investigadores Luis E. Torres Hernández, Luis C. Longoria
G., Antonio Rojas Salinas, investigadores del Instituto Tecnológico de Toluca, diseñaron en 1995 un sistema que utiliza matrices evolutivas, para analizar
DESCENTRALIZADO
espectros gamma y generar huellas de comportamiento a partir de varios archivos de datos con formatos ASCII. Para ello, se representa al espectro
como un vector, que al agruparlo con otros, forma una matriz. La operación que se realiza sobre estos vectores depende de sus valores, de manera que
nuevos vectores pueden ser agregados a la matriz.

El Sistema Evolutivo de Reconocimiento de Formas en Dos Dimensiones [15], desarrollado también en 1995 en la Escuela Superior de Cómputo del
Instituto Politécnico Nacional por los investigadores Karla García García, Sergio Salcido Bustamante, Alfonso Ventura Silva, está diseñado para
reconocer formas en dos dimensiones, sin que el sistema posea archivos predefinidos de imágenes, sino, que, almacena los datos que le envía el
digitalizador en memoria y terminado este proceso, compara la forma recibida con todas las formas que ya 3 conoce, las cuales están enlistadas en un
archivo. En caso de que la forma sea nueva, este aprende bajo la definición que el usuario proporcione y lo almacena en un archivo nuevo. Por otro
lado, cuando la forma presenta gran similitud con alguna conocida, se crea una nueva, que contiene características que se suman de cada una de ellas.

En 1999 Horacio Alberto García Salas presentó en la Unidad Profesional Interdisciplinaria de Ingeniería Ciencias Sociales y Administrativas del Instituto
Politécnico Nacional, la Tesis de Lic. en Informática titulada Aplicación de los Sistemas Evolutivos a la Composición Musical. Éste, es un Sistema
Evolutivo capaz de crear música basándose en obras existentes de uno o varios autores. El sistema lee el archivo de música y obtiene de él la
información que lo distingue y lo integra en una matriz evolutiva. Con esta información, genera una nueva pieza que deja ver matices del o los autores
originales.
BIBLIOGRAFIA
• http://horacio9573.no-ip.org/blog/index.php/2009/03/11/sistemas-
inmunes-artificiales/
• http://www.revista.unam.mx/vol.3/num3/art35
• SISTEMAS EVOLUTIVOS: NUEVO PARADIGMA DE LA INFORMÁTICA
Fernando Galindo Soria
http://www.geocities.ws/paolaneriortiz/documentos/mundoArtificial.p
df