Resumen:
Scientific reductionism finds solutions that are almost perfect, inflexible, and specific for a big variety of problems.
In general, these solutions are models of causal deduction that go from causes to effects. This thesis presents 3
intelligent algorithms of causal induction that go from effects to causes: The mental image reconstructor, the
evolutionary characterizer, and the hierarchical causal router. These algorithms use networks of interrelated nodes that
exploit the pattern space to find the best causes or solutions that explain the effects or problems presented as evidence.
For each algorithm, an application is presented. But these algorithms are very general and applicable to many
problems. The mental image reconstructor solves the minesweeper videogame in few seconds. The evolutionary
characterizer infers the tridimensionality of bidimensional photos through a basic system of artificial vision. And the
hierarchical causal router is presented as a theoretical solution for learning and self-organizing in real time the
causal geometries of a robotic arm and of every type of robot. But this problem is a frontier of science. It is not solved
here but some strategies to solve it are suggested.
Descripción:
El reduccionismo científico crea soluciones casi perfectas, inflexibles y específicas para una gran cantidad de
problemas. Por lo general, estas soluciones son modelos de deducción causal que van desde las causas hacia los
efectos. En esta tesis se presenta 3 algoritmos inteligentes de inducción causal que van desde los efectos hacia las
causas: El reconstructor de imágenes mentales, el caracterizador evolutivo y el ruteador causal jerárquico. Estos
algoritmos usan redes de nodos interrelacionados que exploran el espacio de patrones para encontrar las mejores
causas o soluciones que explican los efectos o problemas presentados como evidencia. Para cada algoritmo, se
presenta una aplicación. Pero estos algoritmos son muy generales y aplicables a muchos problemas. El reconstructor
de imágenes mentales resuelve el juego del buscaminas en pocos segundos. El caracterizador evolutivo infiere la
tridimensionalidad de fotos bidimensionales mediante un sistema básico de visión artificial. Y el ruteador causal
jerárquico se presenta como una solución teórica para el aprendizaje y auto-organización en tiempo real de las
geometrías causales de un brazo robótico y de todo tipo de robot. Pero este problema es una frontera de la ciencia. No
se lo resuelve pero se sugieren estrategias para resolverlo.
