[Versi\u00f3n en pdf]<\/a><\/p>\nDespu\u00e9s de millones de a\u00f1os de evoluci\u00f3n, los seres vivos han desarrollado soluciones eficaces para resolver un gran n\u00famero de problemas. Esto ha hecho que los cient\u00edficos se inspiren en la naturaleza para resolver problemas mediante la uni\u00f3n de tecnolog\u00eda y biolog\u00eda. Por ejemplo, algunos robots han sido dise\u00f1ados para imitar los movimientos de los insectos o se han sintetizado materiales muy resistentes bas\u00e1ndose en la tela de las ara\u00f1as. Inspirarse en la naturaleza para resolver problemas de computaci\u00f3n es una estrategia que ha ido ganando importancia y que a\u00fan tiene mucho que ofrecer.<\/p>\n
Algunos sistemas sociales animales presentan un comportamiento colectivo inteligente a pesar de estar compuestos por individuos con capacidades limitadas. Las soluciones inteligentes a problemas emergen de una forma natural gracias a la auto-organizaci\u00f3n y la comunicaci\u00f3n entre estos individuos. Estos sistemas sugieren procesos que pueden usarse en el desarrollo de sistemas inteligentes artificiales.<\/p>\n
Biol\u00f3gicamente, las hormigas son simples insectos con una memoria limitada y \u00fanicamente capaces de realizar un n\u00famero limitado de acciones sencillas. Sin embargo, una colonia de hormigas tiene un comportamiento colectivo complejo, proporcionando soluciones inteligentes a problemas como el transporte de grandes objetos, la creaci\u00f3n de puentes y la b\u00fasqueda de las rutas m\u00e1s cortas desde el nido a la fuente de alimentaci\u00f3n (Dorigo y St\u00fctzle, 2004).<\/p>\n
Una hormiga no tiene conocimiento global sobre las tareas que est\u00e1 realizando. Las acciones de las hormigas est\u00e1n basadas en decisiones locales y son inflexibles. El comportamiento inteligente emerge como una consecuencia de la auto-organizaci\u00f3n y la comunicaci\u00f3n entre hormigas. Esto es lo que se llama comportamiento o inteligencia emergente.<\/p>\n
En la naturaleza existen otros muchos ejemplos de comportamientos emergentes, p.ej., en las colonias de bacterias, enjambres de abejas, etc. Incluso existen teor\u00edas que explican la consciencia humana como un comportamiento emergente de las interacciones y la auto-organizaci\u00f3n entre neuronas individuales. El sorprendente comportamiento de las hormigas ha inspirado a los cient\u00edficos para crear nuevos enfoques basados en algunas de las habilidades que tienen a la hora de trabajar de forma colaborativa (Dorigo y Gambardella, 1997).<\/p>\n
Un ejemplo es el problema de encontrar el camino entre dos nodos dentro un grafo. Informalmente, un grafo es un conjunto de puntos (nodos) unidos por enlaces. Puede servir, p.ej., para representar relaciones entre conceptos en una memoria sem\u00e1ntica, o rutas entre ciudades en un mapa. Encontrar el camino m\u00e1s corto entre dos puntos permite resolver una variedad de problemas, seg\u00fan qu\u00e9 se est\u00e9 representando mediante el grafo.<\/p>\n
Para resolver este problema, son \u00fatiles dos caracter\u00edsticas de las colonias de hormigas: el modo en que encuentran la ruta m\u00e1s corta entre el hormiguero y la fuente de alimento, que ser\u00e1 usada para encontrar y optimizar un camino dentro del grafo; y la sencillez de cada hormiga, lo que facilita implementarla como un elemento capaz de ejecutar un programa sencillo (un agente) dentro de un sistema m\u00e1s complejo, multi-agente.<\/p>\n
Las hormigas utilizan un sistema de se\u00f1ales basado en la huella de feromonas que van dejando sobre la ruta que siguen. Aunque una \u00fanica hormiga se mueve aleatoriamente, cuando encuentra un rastro de feromonas en el sendero hay una gran probabilidad de que decida seguirlo. Cuando una hormiga encuentra una fuente de alimento, vuelve al hormiguero, fortaleciendo su sendero de feromonas. Otras hormigas en sus proximidades son atra\u00eddas por esta sustancia y deciden seguir ese camino. As\u00ed, no s\u00f3lo alcanzan el objetivo de encontrar la comida, sino que fortalecen el rastro para atraer m\u00e1s compa\u00f1eras. Transcurrido un cierto tiempo, los caminos m\u00e1s cortos entre dos puntos son recorridos m\u00e1s veces por un mayor n\u00famero de hormigas que otros caminos m\u00e1s largos. Pronto, la gran mayor\u00eda transitar\u00e1 s\u00f3lo por el camino m\u00e1s corto, y el problema habr\u00e1 sido resuelto (v\u00e9ase la Figura 1).<\/p>\n
![](\"https:\/\/www.cienciacognitiva.org\/files\/2008-21-b.png\")
<\/p>\n
Figura 1.- Algoritmo usado por una colonia de hormigas para encontrar el camino m\u00e1s corto entre dos puntos.<\/em><\/p>\nEs f\u00e1cil identificar la similitud entre el comportamiento de las hormigas a la hora de ir a buscar alimento y un problema de b\u00fasqueda dentro de un grafo. Se puede pensar que los nodos son diferentes lugares y los enlaces entre ellos son caminos que los unen. Las hormigas se mueven por el grafo dejando su trazo de feromonas y siguiendo la ruta que tiene m\u00e1s feromonas.<\/p>\n
En el dominio de la Inteligencia Artificial (Jennings, 2000), un agente software es una entidad aut\u00f3noma que interact\u00faa con un entorno. Los agentes tienen una representaci\u00f3n parcial y din\u00e1mica de su entorno, que cambia en funci\u00f3n de sus capacidades de detecci\u00f3n. Tambi\u00e9n pueden realizar acciones basadas en percepciones locales y en su representaci\u00f3n interna del entorno. Estas acciones pueden afectar al entorno, al propio agente, o a otros agentes. El comportamiento de una hormiga puede ser simulado por un agente software relativamente sencillo. Una colonia de tales agentes puede, por tanto, resolver problemas complejos representados mediante grafos.<\/p>\n
El empleo de t\u00e9cnicas que emulan colonias de hormigas permite crear sistemas inteligentes que simulan un comportamiento emergente o proceso cognitivo de aprendizaje y adaptaci\u00f3n, sin contar con ning\u00fan dato previo. Los agentes artificiales pueden resolver problemas como encontrar el camino m\u00e1s corto entre dos ciudades dentro de un mapa sin tener previo conocimiento del mismo, aprendiendo de forma din\u00e1mica seg\u00fan van recopilando informaci\u00f3n de las distintas b\u00fasquedas realizadas y adapt\u00e1ndose a los imprevistos que surgen, como pueden ser unas obras o un accidente.<\/p>\n
La sabidur\u00eda de la Naturaleza puede, as\u00ed, ayudarnos a resolver problemas de la vida real de una manera sencilla e inteligente. Hoy en d\u00eda, con el incremento del uso de los dispositivos m\u00f3viles, este tipo de t\u00e9cnicas pueden ser muy \u00fatiles para generar soluciones colectivas a problemas de procesamiento de informaci\u00f3n entre una colonia de personas. De esta forma, por ejemplo, un turista podr\u00e1 tener una gu\u00eda actualizada de locales gastron\u00f3micos, con orientaciones basadas en la cantidad de personas que los visitan y en la satisfacci\u00f3n de la experiencia previa de clientes anteriores o de \u00e9l mismo en locales similares. Ah\u00ed es donde la Computaci\u00f3n Flexible (Zadeh, 1994) y la Teor\u00eda de Agentes pueden combinarse en la b\u00fasqueda de comportamientos emergentes menos precisos y predecibles que el de las hormigas en busca del camino m\u00e1s corto hacia su objetivo.<\/p>\n
Referencias<\/strong><\/p>\nDorigo, M. y Gambardella, L.M (1997) Ant colony system: A cooperative learning approach to the traveling salesman problem. IEEE Transactions on Evolutionary Computation, 1, 53-66.<\/p>\n
Dorigo, M. y St\u00fctzle, T. (2004) Ant Colony Optimization. Cambridge: MIT Press.<\/p>\n
Jennings, N.R (2000) On agent-based software engineering. Artificial Intelligence, 117, 277-296.<\/p>\n
Zadeh, L. A. (1994) Fuzzy logic, neural networks, and soft computing. Communications of the ACM, 37, 77-84.<\/p>\n","protected":false},"excerpt":{"rendered":"
Sergio Ciruela Mart\u00edn Dpto. Ciencias de la Computaci\u00f3n e Inteligencia Artificial, Universidad de Granada, Espa\u00f1a Los seres vivos han sido …<\/span> Read More →<\/span><\/a><\/span><\/p>\n","protected":false},"author":4,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[16,5,3],"tags":[142,140,143,139,141],"class_list":["post-45","post","type-post","status-publish","format-standard","hentry","category-actualidad","category-inteligenciaartificial","category-psicologia","tag-algoritmos-bioinspirados","tag-colonia-de-hormigas","tag-comportamiento-emergente","tag-computacion-flexible","tag-naturaleza"],"_links":{"self":[{"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=\/wp\/v2\/posts\/45","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=45"}],"version-history":[{"count":0,"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=\/wp\/v2\/posts\/45\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=45"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=45"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=45"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
![](\"https:\/\/www.cienciacognitiva.org\/files\/2008-21-a-cc-Maulon.jpg\")
Los seres vivos han sido capaces de adaptarse a los cambios del entorno durante millones de a\u00f1os utilizando t\u00e9cnicas que parecen inteligentes. El comportamiento colectivo de algunos seres vivos puede ayudar a encontrar algoritmos capaces de resolver problemas complejos. Un claro ejemplo es el caso de las colonias de hormigas que, gracias a su trabajo colaborativo, consiguen superar un gran n\u00famero de barreras.<\/em><\/p>\n