Optimización del proceso de aprendizaje

 

Optimización del proceso de aprendizaje.

La curva de aprendizaje.

Es importante reconocer que no es necesario realizar una simulación completa para ver si el individuo es apto para determinado proceso ya que puede morirse antes de terminar la simulación, de esta forma nos libera capacidad de cómputo para simular individuos con mejor ranking.

Esto se denomina aprendizaje progresivo, y nos permite liberar mucha capacidad de cómputo para sólamente procesar aquellos que hayan cumplido con ciertos requisitos mínimos. Es típico de la "selección natural", que los seres que son muy poco aptos mueran en el camino y no lleguen a su tiempo de vida promedio. %, lo mismo debe ocurrir en una simulación, a medida que van pasando las generaciones y los individuos son más aptos debe ir aumentando su exposición a la simulación. Entonces se da una mayor cantidad de peso en simulación a los más aptos.

El espacio tiempo constante precargado.

Hay cosas que son constantes en el espacio tiempo son fijas, y no es necesario simularlas, se pueden cargar préviamente o calcular previamente y armar una tabla, por ejemplo los movimientos de los planetas, no es neceario calcular en cada instante de tiempo en que posición está un planeta ya que su espacio tiempo es constante, o sea, podemos precalcular su posición para una fecha determinada y armar una tabla, y cada vez que queramos saber donde se encuentra ese planeta simplemente buscar en la tabla para determinada fecha, esto nos mejora la capacidad de cómputo al evitar calcular espacio-tiempo constantes O(1), es la velocidad de acceso a tabla.

Reconocer un espacio tiempo constante es difícil porque no es intuitivo, por ejemplo una serie de números aleatorios, es un espacio-tiempo-constante, porque yo puedo precalcular esos números aletatoreos y volcarlos en una tabla, a dicha tabla puedo acceder reduciendo la necesidad de cómputo para generar estos números aletorios, y citaremos varios ejemplos.

• Un precio en una simulación es espacio tiempo constante, recuerden que cada simulación siempre se maneja con el diario del lunes, entonces el precio se puede tabular, y cualquier variable que dependa del precio.
• Un entorno estático por ejemplo, paredes, piso, ni siquiera cambia en el transcurso del tiempo asique es un espacio-tiempo-constante, porque ya es constante en el tiempo, y es lo más simple de percibir que es constante porque es constante en el tiempo.
• Comportamientos ciclicos,erraticos e independientes sin interacción, todo aquello que no podamos modificar, por más que interactuemos con el movimiento de un planeta va a seguir moviendose es un espacio-tiempo-constante, los números de la lotería por ejemplo, por más que desconozcamos que va a ocurrir, son tabulables y independientes.

Indicadores que impactan

 Voy a listar los indicadores por lista de impacto en un banco cualquiera.

1. Macd

3. BB

2. ROC

4.Highest and Lowest 14

5. ema y sma (todas) 7,20,50,100,200

6. Volumen.

Los logaritmos y el mercado.

 Un error común es visualizar los gráficos en escala lineal, aunque cada vez más común para aquellos que quieren manijear un pelpa.

En los gráficos vemos variaciones de precios, y esas variaciones de forma lineal, representan poco de la realidad, ejemplo práctico.

\[ Rentabilidad \%=\frac{P_v-P_c}{P_c}\cdot 100=\]

Caso(1):Compro GGAL en 100$ cae y vendo en 150$, despues del arreglo con los bonistas, gané un 50%. 

Caso(2):luego el papel vuelve a caer a 100$, pero veo que perdí un 33.33%

\[Renta_{caso(1)}=\frac{100-150}{100}\cdot 100=50\%\]

\[Renta_{caso(2)}=\frac{100-150}{150}\cdot 100=(33.33)\%\]

Esto hace que sea un indicador asimetrico, ya que las ganancias pueden ir desde 0 hasta infinito, y las péridas siempre están limitadas al 100%. Como es un indicador asimetrico no nos sirve como referencia porque no es un indicador balanceado, tanto pérdidas como ganancias debe tener el mismo número en la variación del precio, porque si perdí un 33.33% y quiero recuperarlo 100*1.3333= 133.33 no vuelvo al valor anterior del precio, necesito ganar nuevamente un 50% para recuperar.

Este es un engaño matemático que tiende a minimizar las pérdidas al colocarlas en forma porcentual y maximizar las ganancias. 

Como solución llegan los logaritmos, 

\[\frac{\ln{P_{v_1}}}{\ln{P_{c_1}}} \cdot \frac{\ln{P_{v_2}}}{\ln{P_{c_2}}}=1\]

Volvemos a calcular

\[Renta_{caso(1)}=\frac{\ln{150}}{\ln{100}}=1,088\]

\[Renta_{caso(2)}=\frac{\ln{100}}{\ln{150}}\cdot 100=0.91\]

Si ahora multiplicamos ambos tenemos. 

\[Renta_{caso(1)} \cdot Renta_{caso(2)}=1.088\cdot 0.91=1\]

Esto nos presenta un indicador uniforme, tanto cuando perdemos como cuando ganamos y recuperamos el valor multiplicando, vamos a obtener 1 que es la unidad que nos va a mantener el mismo precio inicial.

¿Pero que significa esto?

Cuando ganamos un 50%, en realidad en un mundo paralelo logaritmico, en realidad estamos ganando menos, un 8.8%, y guando perdemos el 33% en realidad estamos perdiendo lo mismo ese 8.8% logaritmico que si lo multiplicamos volveremos al mismo lugar.

Un poco del algoritmo evolutivo.

Una pregunta conveniete en una simulación de algoritmo evolutivo, los recursos son limitados, recursos de tiempo y cómputo.

El tiempo de simulación aumenta con:

• Población.
• Generaciones.
• Simulaciones.

Como vemos en la imagen anterior, en una evolución se toma un camino dentro del arbol de evolución, por lo que tenemos especies A,B,C;D y E. Si se toma el camino por ejemplo E, nunca llegaremos al punto A, porque es imposible regresar en el camino evolutivo. Por lo que en una simulación no nos interesa obtener la especie y evolucionarla a la máximo potencial, sinó obtener la especie que mejor se adapte. Por lo que se requiere realizar un conjunto de simulaciones, para obtener una nueva especie, por cada simulación.

Según se ha observado en la naturaleza, al parecer las adaptaciones más rápidas ocurren con poblaciones más chicas, y que tienen que adaptarse al contexto de forma más rápida, digamos que donde hay una selección natural muy estricta. (solo pocos sobreviven, población pequeña)

Hablemos de inteligencia artificial.

 Uno de los algoritmos más potentes e incotrolados de la inteligencia artificial, es el algoritmo evolutivo.

Darwin estuvo investigando durante mucho tiempo, primeramente a partir de las plantas como es que va surgiendo las adaptaciones para poder sobrevivir en la naturaleza y como se va transmitiendo a partir de la evolución de la especie esos genes, y se van adaptando a través de lo que se conoce como mutación aleatoria.

Los genes son transmitidos pero cierta parte se rompe, dando lugar a una mutación, miles de mutaciones ocurren y eso hace que puedan ser mutaciones dañinas o buenas para la especie, de esta forma pueda adaptarse mejor a su medio.

En inteligencia artificial, podemos simular esto, podemos simular diferentes seres que tienen su propiedades eventos y métodos, y ademas un comportamiento determinado por su gen. Estos genes pueden ir mutando y de esta forma encontrar el organismo computacional que mejor se adapte a determinado objetivo.

Y es acá donde vemos que lo que ocurre es básicamente un principio psicológico básico, que es el de estimulo-respuesta, podemos tener en cuenta a Skinner y pablov, y es así donde con estimulos en este entorno y con una forma de calificar o alimentar el estímulo logramos que estos seres respondan a determinados impulsos.

Tenemos un conjunto de estudio llamado, población, de esta población serán los mejores los que sobrevivan pasarán al proxima etapa, estos son llamados Elite, y por lo general es toma uno, el mejor de la población para generar la próxima generación en base a las características de este individuo.

Cada arbol de evolución llega a un punto que no puede evolucionar más, es así, es un punto estable donde por ma´s que pasen y pasen los años el ser va a seguir siendo igual, y no va a cambiar porque llegó a un punto estable en su gen. Por ejemplo el ser humano y el mono, el mono por más que pasen millones de años seguirá produciendo nuevas generaciones de monos, pero dificilmente evolucione a un humano, quizá evolucione a otra forma pero no la de un humano ( al menos creo).

Y el ser humano es imposible que involucione a un mono, o quizás si, pero suponemos que cada especie llega a un punto donde no puede evolucionar más. Depende del camino aleatorio que tome será la forma que tendrá.

Hay miles de caminos de evolución, que dependerá del tamaño de la población, de las características del entorno que influirán en la forma de evolucionar de esta especie. No evoluciona de la misma forma una especie que se encuentra en una isla donde hay variables climaticas y entorno mas reducidas y acotadas que una especie que se encuentra en un ambiente muy variable y hostil, donde tiene que primar la sobrevivencia y donde las variables en juego son muchas.

Entonces, podríamos decir que la evolución depende de que camino aleatorio se tome, que depende del contexto y de la "SUERTE", entonces, de esa población que llega a la saturación de evolución llamaremos a este elite saturada. Llamaremos a ese ser que llegó a la saturación una "especie final"

Cada especie podrá evaluarse en el entorno que más le guste,cada uno de estos seres creados al final la elite será llamado "heroe", de los heroes se elegirá el mejor, y este se llamará Rey.

El rey es la especie estable con mejor rendimiento para el entorno, es la evolucion que mejor se adaptó al objetivo dentro del entorno, y el Rey sólo puede ser destronado por alguien con mejor rendimiento, o mejores resultados para el mismo entorno.