La inteligencia de enjambre es el siguiente paso en la teoría de juegos aplicados.
Hoy usamos modelos para ilustrar los resultados, típicamente complejos, de nuestros supuestos. A veces no hay soluciones analíticas, así que simplemente dejamos que las cosas se muevan.
El siguiente paso después de las hojas de cálculo y otros modelos “rígidos” es crear simulaciones. Esto es especialmente valioso cuando las relaciones no son analíticas, ni siquiera probabilísticas, sino lo que podríamos llamar “psicológicas”.
- ¿Por qué diferenciamos entre máquinas Turing universales y máquinas Turing normales?
- ¿Qué especialidad de pregrado debo elegir si quiero aplicar inteligencia artificial a los campos médicos?
- ¿Qué innovaciones en la teoría de CS de los últimos 10 años han tenido un impacto fuera de la academia? Si iba a hacer un doctorado en CS, ¿debería hacer teoría en lugar de aprendizaje automático?
- Cómo crear una ecuación matemática compleja desde cero
- En Java, ¿por qué usar un iterador para iterar a través de LinkedList más rápido que usar un bucle for?
Del mismo modo que “Oregon Trail” simuló una caminata a un nuevo hogar en la América de 1800, imagine una empresa que intenta explorar un mercado.
La propia empresa tiene objetivos y capacidades, pero también los clientes, competidores, proveedores y sustitutos. Incluso los reguladores se han convertido en jugadores interesados en el juego.
El componente “psicológico” surge porque un competidor podría decir que reducir los precios para atraer a los clientes o anunciar un producto antes de lo previsto para congelar a los posibles participantes.
Las posibilidades son casi infinitas. La inteligencia de enjambre nos permite explotar una propiedad interesante de la IA: unas pocas reglas simples relativas pueden replicar el comportamiento complejo (emergente). Así que establecemos reglas para los participantes del mercado y les permitimos jugar entre ellos. Una especie de simulador de vuelo para negocios.
Recuerde que el mercado en sí mismo es, de hecho, solo una simulación del 100%. Nadie lo sabe todo. Pero todos saben algo. Y en conjunto, ¡podemos saber cualquier cosa!