La predicción de los fenómenos físicos que ocurren en la tierra han sido un tema de vital interés desde el principio de las sociedades humanas. Predecir por ejemplo los movimientos lunares o solares han permitido el desarrollo de la navegación y la agricultura. Con la creciente modernización y urbanización alrededor del mundo, nuevas necesidades aparecen para las comunidades humanas, lo cual hace necesario la construcción de sistemas. Ejemplos de ello son la electricidad que mantiene nuestras ciudades con luz y el servicio de agua que llega a nuestros hogares. Últimamente uno de los temas que ha tomado bastante atención colectivamente es sin duda el uso de energías renovables como la proveniente del viento (eólica), comenzando asi una era en la cual tenemos la esperanza de dejar atrás el uso de combustibles fósiles.
La eficiencia de energía eólica o del viento generado a partir de turbinas de gran tamaño dependen enteramente de los patrones de movimiento del viento, los cuales han cambiado debido al cambio climático, causando más tormentas , huracanes y lluvias, por ejemplo. ¿Cómo poder predecir estos cambios para aprovechar mejor la energía disponible? Recientemente un estudio desarrollado por investigadores universidades en diferentes lugares han podido desarrollar un sistema de predicción del patrón del viento a través de algoritmos computacionales. Lo más interesante de ello, es que estas instrucciones han sido basadas en la biomímiesis , imitando la forma en que entidades vivas desarrollan sus procesos. El documento propone una “red neural reucurrente (RNN)” el cual es capaz de anticipar con precisión la velocidad y dirección del viento, lo cual a su vez permite determinar en que momento las turbinas eólicas deben estar o no en funcionamiento.
Esta opitmización inspirada en biomímesis manejan diferentes problemas a través de la imitación de la naturaleza. Elementos tomados de ella son la evolución, la inteligencia de enjambre y la selección natural. Por ejemplo , los agoritmos genéticos (GA) son un tipo de optimizador popular. GA evoluciona iterativamente hacia soluciones cerca de un estado óptimo siguiendo los pasos de selección, crossover y mutando una población de soluciones de candidatos. Por otra parte, la optimización de particulas (PSO) en enjambre es otra herramiente de éste tipo. En este caso la insipiración ha venido del movimiento migratorio de las aves y la fase de aprendizaje a nadar de los peces. Para el caso del sistema de detección del patrón del viento, los investigadoress han combinado elementos de PSO, redes neuronales generanfo un método híbrido. Los resultados obtenidos fueron impresionantes, ya que lograron tener una eficiencia notablemente superior a otros algoritmos usados convencionalmente. Esto permite tener turbinas mucho más eficientes para la generación dfe energía. Estos sistemas contienen implícitamente los siguientes principios de vida:
- Integrar lo inesperado.
- Incorporar la resiliencia a través de variación.
- Apalancar los procesos cíclicos.
- Usar lazos de retroalimentación.
Fuente: Biomimetics
Spanish 
English