Sistema descentralizado

Uno de los ejemplos más conocidos de un sistema descentralizado "natural" es el utilizado por ciertas colonias de insectos . En estas colonias, el control se distribuye entre los agentes biológicos homogéneos que actúan sobre información e interacciones locales para crear colectivamente un comportamiento global complejo. Si bien individualmente exhiben comportamientos simples, estos agentes logran objetivos globales como alimentar a la colonia o criar a las crías mediante mecanismos dinámicos como la comunicación no explícita y explotando sus sistemas de acción y percepción estrechamente acoplados. Sin ninguna forma de control central, estas colonias de insectos logran objetivos globales realizando las tareas requeridas, respondiendo a las condiciones cambiantes en el entorno de la colonia en términos de actividad de tareas y, posteriormente, ajustando el número de obreras que realizan cada tarea para asegurar que todas las tareas se completen. ^{[ 3 ]} Por ejemplo, las colonias de hormigas guían su comportamiento global (en términos de forrajeo, patrullaje, cuidado de las crías y mantenimiento del nido) utilizando una red pulsante y cambiante de interacciones espaciotemporales con patrones que dependen de la tasa de contacto antenal y la detección olfativa . Si bien estas interacciones consisten tanto en interacciones con el entorno como entre sí, las hormigas no dirigen el comportamiento de otras hormigas y, por lo tanto, nunca tienen un "controlador central" que dicte lo que se debe hacer para lograr objetivos globales.

En cambio, las hormigas utilizan un sistema flexible de asignación de tareas que permite a la colonia responder rápidamente a las necesidades cambiantes para lograr estos objetivos. Este sistema de asignación de tareas, similar a una división del trabajo, es flexible, ya que todas las tareas dependen del número de encuentros entre hormigas (que se realizan mediante contacto antenal) y de la detección de gradientes químicos (utilizando el olfato para detectar rastros de feromonas), y por lo tanto puede aplicarse a toda la población de hormigas. Si bien investigaciones recientes han demostrado que ciertas tareas pueden tener umbrales de respuesta fisiológicos y relacionados con la edad, ^{[ 4 ]} todas las tareas pueden ser completadas por "cualquier" hormiga de la colonia.

Por ejemplo, en el comportamiento de forrajeo, las hormigas cosechadoras rojas ( Pogonomyrmex barbatus ) se comunican con otras hormigas sobre la ubicación y cantidad de alimento, y si deben o no dedicarse al forrajeo, basándose en los olores de hidrocarburos cuticulares y la frecuencia de interacción entre hormigas. Mediante la combinación de los olores de los hidrocarburos cuticulares de las recolectoras y de las semillas ^{[ 5 ],} y la frecuencia de interacción a través de breves contactos antenales, la colonia obtiene información precisa sobre la disponibilidad actual de alimento y, por lo tanto, sobre si deben o no dedicarse al forrajeo, "todo ello sin ser dirigidas por un controlador central ni siquiera por otra hormiga". La frecuencia con la que las recolectoras regresan con semillas determina la frecuencia con la que las recolectoras salientes abandonan el nido para realizar viajes de forrajeo; una mayor frecuencia de regreso indica una mayor disponibilidad de alimento, mientras que una menor interacción indica una mayor necesidad de recolectoras. La combinación de estos dos factores, que se basan exclusivamente en información local del entorno, conduce a decisiones sobre el cambio a la tarea de forrajeo y, en última instancia, al logro del objetivo global de alimentar a la colonia.

En resumen, el uso de una combinación de señales simples permite a las colonias de hormigas cosechadoras rojas ajustar con precisión y rapidez su actividad de forrajeo según la disponibilidad actual de alimento ^{[ 6 ]} , utilizando una retroalimentación positiva para regular el proceso: cuanto más rápido las hormigas que salen a buscar alimento se encuentran con las que regresan con semillas, más hormigas salen a buscarlo ^{[ 7 ]} . Las hormigas continúan utilizando estas señales locales para encontrar alimento, ya que emplean su sentido del olfato para detectar rastros de feromonas dejados por otras hormigas y seguir el rastro en un gradiente descendente hasta la fuente de alimento. En lugar de ser dirigidas por otras hormigas o recibir indicaciones sobre dónde se encuentra el alimento, las hormigas confían en sus sistemas de acción y percepción estrechamente acoplados para completar colectivamente la tarea global ^{[ 3 ] .}

Si bien las colonias de hormigas cosechadoras rojas logran sus objetivos globales mediante un sistema descentralizado, no todas las colonias de insectos funcionan de esta manera. Por ejemplo, el comportamiento de búsqueda de alimento de las avispas está bajo la constante regulación y control de la reina. ^{[ 8 ]}

El hormiguero es un ejemplo de cuándo falla un sistema biológico descentralizado, cuando las reglas que rigen a los agentes individuales no son suficientes para manejar ciertos escenarios.

Una economía de mercado es aquella en la que las decisiones sobre inversión y asignación de bienes de producción se toman principalmente a través del mercado y no mediante un plan de producción (véase economía planificada ). Una economía de mercado es un sistema económico descentralizado porque no funciona mediante un plan económico central (generalmente dirigido por un organismo gubernamental), sino que actúa a través de las interacciones locales y distribuidas en el mercado (por ejemplo, las inversiones individuales ). Si bien el término "economía de mercado" es amplio y puede variar considerablemente en cuanto al control estatal o gubernamental (y, por lo tanto, al control central), el "comportamiento" final de cualquier economía de mercado surge de estas interacciones locales y no es el resultado directo de las instrucciones o regulaciones de un organismo central.

Si bien la inteligencia artificial (IA) clásica de la década de 1970 se centraba en sistemas basados ​​en el conocimiento o en robots planificadores, los robots basados ​​en el comportamiento de Rodney Brooks y su éxito al actuar en el mundo real, impredecible y cambiante, han llevado a muchos investigadores de IA a pasar de una arquitectura simbólica planificada y centralizada al estudio de la inteligencia como un producto emergente de interacciones simples. ^{[ 9 ]} Esto refleja, por lo tanto, un cambio general de la aplicación de un sistema centralizado en robótica a la aplicación de un sistema más descentralizado basado en interacciones locales en varios niveles de abstracción.

Por ejemplo, basándose en gran medida en la teoría físico-simbólica de Newell y Simon , en la década de 1970 los investigadores diseñaron robots con un plan de acción que, al ejecutarse, permitía alcanzar un objetivo deseado; así, se consideraba que los robots eran "inteligentes" si podían seguir las instrucciones de su controlador central (el programa o el programador) (véase, por ejemplo, STRIPS ). Sin embargo, tras la introducción de la arquitectura de subsunción por parte de Rodney Brooks , que permitió a los robots realizar un comportamiento "inteligente" sin utilizar conocimiento simbólico ni razonamiento explícito, cada vez más investigadores han considerado el comportamiento inteligente como una propiedad emergente que surge de la interacción de un agente con el entorno, incluidos otros agentes en dicho entorno.

Mientras que algunos investigadores han comenzado a diseñar sus robots con sistemas de percepción y acción estrechamente acoplados, intentando encarnar y situar a sus agentes al estilo de Brooks, otros han intentado simular el comportamiento multiagente y, por lo tanto, analizar con mayor profundidad el fenómeno de los sistemas descentralizados para alcanzar objetivos globales. Por ejemplo, en 1996, Minar, Burkhard, Langton y Askenazi crearon una plataforma de software multiagente para la estimulación de agentes interactuantes y su comportamiento colectivo emergente, denominada " Swarm ". Si bien la unidad básica de Swarm es el "enjambre", una colección de agentes que ejecutan un programa de acciones, los agentes pueden estar compuestos por enjambres de otros agentes en estructuras anidadas. Dado que el software también proporciona bibliotecas orientadas a objetos de componentes reutilizables para construir modelos y analizar, visualizar y controlar experimentos sobre dichos modelos, en última instancia, intenta no solo simular el comportamiento multiagente, sino también servir de base para una mayor exploración de cómo los grupos colectivos de agentes pueden alcanzar objetivos globales mediante una coordinación cuidadosa, aunque implícita. ^{[ 10 ]}