Los algoritmos de optimización de colonias de hormigas (ACO) [1] y optimización de enjambre de partículas (PSO) [2] tienen algunas aplicaciones interesantes en cosas como el enrutamiento de ruta más corta [3] o la detección de intrusiones [4].
La idea es imitar una colonia de insectos sociales con una colección autoorganizada de agentes simples o autómatas inspirados biológicamente y usarlo como un sistema de control o optimización robusto, descentralizado y adaptativo.
Recomiendo encarecidamente el libro “Swarm Intelligence: From Natural to Artificial Systems” de los investigadores de Santa-Fe [6] para una revisión de los algoritmos y aplicaciones existentes. También vea este documento sobre la colonia de hormigas robótica construida en el MIT: http://people.csail.mit.edu/jame…
Aquí hay una breve descripción del modelo ACO:
Las hormigas recolectoras siguen un rastro químico dejado por otras hormigas en una colonia [5]. Una mayor cantidad de feromona que queda en el camino corresponde a una mayor probabilidad de que la hormiga decida seguir ese camino en su búsqueda de alimento. Cuando una hormiga “ganadora” regresa a casa con comida, esencialmente duplica la cantidad de feromona en el camino en su camino de búsqueda. Al mismo tiempo, el rastro de la hormiga “perdedora” que no ha regresado con una solución (o ha sido comido por un oso hormiguero) está marcado con un solo rastro de feromona. Así, las hormigas reciben dinámicamente información sobre el camino óptimo hacia la fuente de alimento.
A medida que más hormigas siguen el camino, crece la cantidad de feromona depositada. Este mecanismo de retroalimentación positiva se puede observar en las “autopistas de hormigas” cuando cientos de miles de hormigas se mueven de un lado a otro entre el nido y la fuente de alimento, creando una “carretera” viva y en movimiento. Esta comunicación indirecta espontánea utilizando rastros de feromona se llama estigmergia [6]. Permite que una colonia autoorganizada encuentre el camino más corto hacia la solución sin tener ningún control centralizado sobre los múltiples agentes en un entorno parcialmente observable. Encontrar una solución no requiere ninguna información visual o conocimiento previo del espacio de búsqueda, excepto el historial de interacción de los agentes con el entorno, que es un agregado de historias de toda la colonia. La colonia de hormigas representa un modelo de un sistema de aprendizaje distribuido de múltiples agentes.
Utilicé ACO en un proyecto a término en IA que intentaba aplicarlo a la reducción de agrupamiento / dimensionalidad, pero descubrí que no era particularmente eficiente en comparación con los métodos de optimización convencionales basados en factorizaciones matriciales. De todos modos, la ingeniería bioinspirada siempre es fascinante y para algunas aplicaciones puede ser la herramienta adecuada.
- ¿Es un desperdicio rechazar la oferta de Edimburgo a favor de Sheffield o Birmingham? Solicité a los 3 inteligencia artificial y CS B.Sc.
- ¿Cuál sería el pronóstico del mercado de inteligencia artificial de Asia Pacífico y cuál es el área de aplicación?
- ¿Cómo puede la IA ser libre?
- ¿Es la inteligencia artificial el futuro de la educación? Si es así, ¿qué tan lejos en el futuro?
- Cómo hacer asistente personal como jarvis
[1] http://en.wikipedia.org/wiki/Ant…
[2] http://en.wikipedia.org/wiki/Par…
[3] http://en.wikipedia.org/wiki/Sho…
[4] http://en.wikipedia.org/wiki/Int…
[5] http://www.amazon.com/Ant-Colony…
[6] http://www.amazon.com/Swarm-Inte…
Editar: vea también la simulación de Boids (flocado), que se inspira en el comportamiento de flocado de las aves (murmuración):
Editar: Memphis Uni lab por Stan Franklin está haciendo un trabajo interesante para simular la conciencia con agentes distribuidos: LIDA (arquitectura cognitiva), también vea el trabajo de Melanie Mitchell sobre la autoconciencia en sistemas descentralizados