Sistema multiagente

Un sistema multiagente ( SMA ) o "sistema autoorganizado" es un sistema computacional compuesto por múltiples agentes inteligentes que interactúan entre sí . ^{[ 1 ] [ 2 ] [ 3 ]} Los sistemas multiagente pueden resolver problemas que son difíciles o imposibles de resolver para un agente individual o un sistema monolítico . ^{[ 4 ]} La inteligencia puede incluir enfoques metódicos , funcionales , procedimentales , búsqueda algorítmica o aprendizaje por refuerzo . ^{[ 5 ]} Con los avances en los modelos de lenguaje a gran escala (LLM), los sistemas multiagente basados ​​en LLM han surgido como una nueva área de investigación, permitiendo interacciones y coordinación más sofisticadas entre los agentes. ^{[ 6 ]}

A pesar de la considerable superposición, un sistema multiagente no siempre es lo mismo que un modelo basado en agentes (ABM). El objetivo de un ABM es buscar información explicativa sobre el comportamiento colectivo de agentes (que no necesariamente tienen que ser "inteligentes") que obedecen reglas simples, típicamente en sistemas naturales, en lugar de resolver problemas prácticos o de ingeniería específicos. La terminología ABM tiende a usarse con más frecuencia en la ciencia, y MAS en ingeniería y tecnología. ^{[ 7 ]} Las aplicaciones donde la investigación de sistemas multiagente puede proporcionar un enfoque apropiado incluyen el comercio en línea, ^{[ 8 ]} la respuesta a desastres, ^{[ 9 ] [ 10 ]} la vigilancia de objetivos ^{[ 11 ]} y el modelado de la estructura social. ^{[ 12 ]}

Los sistemas multiagente constan de agentes y su entorno . Generalmente, la investigación sobre sistemas multiagente se centra en agentes de software . Sin embargo, los agentes en un sistema multiagente podrían ser igualmente robots, humanos o equipos humanos, e incluso equipos combinados de humanos y agentes.

Los agentes se pueden dividir en tipos que van desde simples hasta complejos. Las categorías incluyen:

• Agentes pasivos ^{[ 13 ]} o "agente sin objetivos" (como un obstáculo, una manzana o una llave en cualquier simulación simple)
• Agentes activos ^{[ 13 ]} con objetivos simples (como las aves en bandadas, o el lobo-oveja en el modelo presa-depredador )
• Agentes cognitivos, cuyas creencias, deseos, intenciones y compromisos son procesados ​​mediante razonamiento lógico, probabilístico y basado en redes neuronales.

Los entornos de los agentes se pueden dividir en:

• Virtual
• Discreto
• Continuo

Los entornos de los agentes también pueden organizarse según propiedades como la accesibilidad (si es posible recopilar información completa sobre el entorno), el determinismo (si una acción produce un efecto definido), la dinámica (cuántas entidades influyen en el entorno en un momento dado), la discreción (si el número de acciones posibles en el entorno es finito), la episodicidad (si las acciones de los agentes en ciertos periodos de tiempo influyen en otros periodos) ^{[ 14 ]} y la dimensionalidad (si las características espaciales son factores importantes del entorno y el agente considera el espacio en su toma de decisiones) ^{[ 15 ]} . Las acciones de los agentes suelen estar mediadas por un middleware adecuado. Este middleware ofrece una abstracción de diseño de primera clase para sistemas multiagente, proporcionando medios para gobernar el acceso a los recursos y la coordinación de los agentes ^{[ 16 ] .}

Velocidad-MUY_IMPORTANTE: mín=45  mph, Longitud de ruta-IMPORTANCIA_MEDIA: máximo=60 esperadoMáximo=40, Peso máximo: no es importante Prioridad de contrato: REGULAR

Velocidad-min:50 pero solo si el clima es soleado, Longitud de la ruta: 25 para días soleados / 46 para días lluviosos Prioridad de contrato: REGULAR Nota: la ambulancia tendrá prioridad sobre esta prioridad y tendrá que esperar.

El estudio de los sistemas multiagente se centra en el desarrollo y análisis de arquitecturas sofisticadas de resolución de problemas y control de IA tanto para sistemas de un solo agente como para sistemas multiagente. ^{[ 20 ]} Los temas de investigación incluyen:

• ingeniería de software orientada a agentes
• creencias, deseos e intenciones ( BDI )
• cooperación y coordinación
• Optimización de restricciones distribuidas (DCOP)
• organización
• comunicación
• negociación
• resolución de problemas distribuidos
• aprendizaje multiagente ^{[ 21 ]}
• minería de agentes
• comunidades científicas (por ejemplo, sobre el comportamiento de bandada biológica, la evolución del lenguaje y la economía) ^{[ 22 ] [ 23 ]}
• fiabilidad y tolerancia a fallos
• robótica, ^{[ 24 ]} sistemas multi-robot (MRS), clústeres robóticos
• Los sistemas multiagente también presentan posibles aplicaciones en microrrobótica, ^{[ 25 ]} donde se explota la interacción física entre los agentes para realizar tareas complejas como la manipulación y el ensamblaje de componentes pasivos.
• sistemas multiagente basados ​​en modelos de lenguaje ^{[ 6 ]}

Un sistema multiagente (SMA) implica más que el diseño de un sistema inteligente. También proporciona información y comprensión sobre las interacciones entre los seres humanos, a medida que se organizan en diversos grupos, comités, sociedades y economías para mejorar sus vidas. Por ejemplo, los economistas han estudiado los sistemas multiagente durante más de doscientos años, desde Adam Smith en el siglo XVIII, con el objetivo de comprender y predecir las economías. La economía ofrece métodos para caracterizar grandes grupos de agentes, y estos son útiles para la IA digital. A su vez, la IA digital proporciona un medio para construir economías artificiales que permiten poner a prueba las teorías de los economistas antes, y no después, de su aplicación.

Han surgido marcos que implementan estándares comunes (como los estándares FIPA y OMG MASIF). ^{[ 26 ]} Estos marcos, por ejemplo JADE , ahorran tiempo y ayudan en la estandarización del desarrollo de MAS. ^{[ 27 ]}

Actualmente, sin embargo, ni FIPA ni OMG mantienen activamente ningún estándar. Los esfuerzos para el desarrollo de agentes de software en el contexto industrial se llevan a cabo en el comité técnico de Agentes Industriales de IEEE IES. ^{[ 28 ]}

Con los avances en los grandes modelos de lenguaje (LLM), como ChatGPT , los marcos multiagente basados ​​en LLM, como CAMEL, ^{[ 29 ] [ 6 ]} han surgido como un nuevo paradigma para el desarrollo de aplicaciones multiagente. Trabajos recientes han demostrado que estos sistemas orientados al debate varían en su orquestación (por ejemplo, paradigmas de discusión ^{[ 30 ]} ). El marco MALLM se utiliza para evaluar sistemáticamente las posibles configuraciones de los marcos. ^{[ 31 ]}

Los MAS no solo se han aplicado en la investigación académica, sino también en la industria. ^{[ 32 ]} Los MAS se aplican en el mundo real a aplicaciones gráficas como los videojuegos. Los sistemas de agentes se han utilizado en películas. ^{[ 33 ]} Se recomienda ampliamente su uso en redes y tecnologías móviles para lograr un equilibrio de carga automático y dinámico, alta escalabilidad y redes autorreparables. Se están utilizando para sistemas de defensa coordinados.

Otras aplicaciones ^{[ 34 ]} incluyen transporte , ^{[ 35 ]} logística, ^{[ 36 ]} gráficos, fabricación, sistema de energía , ^{[ 37 ]} redes inteligentes , ^{[ 38 ]} y SIG .

Además, los Sistemas Multiagente de Inteligencia Artificial (MAAI) se utilizan para simular sociedades, siendo su propósito útil en los campos del clima, la energía, la epidemiología , la gestión de conflictos , el abuso infantil, .... ^{[ 39 ]}

Algunas organizaciones que trabajan en el uso de modelos de sistemas multiagente incluyen el Centro para el Modelado de Sistemas Sociales, ^{[ 40 ]} el Centro de Investigación en Simulación Social, ^{[ 41 ]} el Centro para el Modelado de Políticas, Sociedad Internacional para el Modelado y la Simulación. ^{[ 39 ]}

El tráfico vehicular con vehículos autónomos controlados puede modelarse como un sistema multiagente que involucra dinámicas de multitudes. ^{[ 42 ]}

Hallerbach et al. analizaron la aplicación de enfoques basados ​​en agentes para el desarrollo y la validación de sistemas de conducción automatizada mediante un gemelo digital del vehículo bajo prueba y una simulación de tráfico microscópica basada en agentes independientes. ^{[ 43 ]} Waymo ha creado un entorno de simulación multiagente, Carcraft, para probar algoritmos para coches autónomos . ^{[ 44 ] [ 45 ]} Simula las interacciones de tráfico entre conductores humanos, peatones y vehículos automatizados. El comportamiento de las personas es imitado por agentes artificiales basados ​​en datos de comportamiento humano real.

• Wooldridge, Michael (2002). Introducción a los sistemas multiagente . John Wiley & Sons . pág.  366. ISBN 978-0-471-49691-5.
• Shoham, Yoav; Leyton-Brown, Kevin (2008). Sistemas multiagente: Fundamentos algorítmicos, de teoría de juegos y lógicos . Cambridge University Press . pág.  496. ISBN 978-0-521-89943-7.
• Mamadou, Tadiou Koné; Shimazu, A.; Nakajima, T. (agosto de 2000). "El estado del arte en lenguajes de comunicación de agentes (ACL)" . Sistemas de conocimiento e información . 2 (2): 1– 26.
• Hewitt, Carl; Inman, Jeff (noviembre-diciembre de 1991). "DAI Betwixt and Between: From "Intelligent Agents" to Open Systems Science" (PDF) . IEEE Transactions on Systems, Man, and Cybernetics . 21 (6): 1409–1419 . doi : 10.1109/21.135685 . S2CID 39080989. Archivado del original (PDF) el 31 de agosto de 2017. 
• Revista de Agentes Autónomos y Sistemas Multiagente (JAAMAS)
• Weiss, Gerhard, ed. (1999). Sistemas multiagente: Un enfoque moderno de la inteligencia artificial distribuida . MIT Press. ISBN 978-0-262-23203-6.
• Ferber, Jacques (1999). Sistemas multiagente: Una introducción a la inteligencia artificial . Addison-Wesley. ISBN 978-0-201-36048-6.
• Weyns, Danny (2010). Diseño de sistemas multiagente basado en la arquitectura . Springer. ISBN 978-3-642-01063-7.
• Sun, Ron (2006). Cognición e interacción multiagente . Cambridge University Press . ISBN 978-0-521-83964-8.
• Keil, David; Goldin, Dina (2006). Weyns, Danny; Parunak, Van; Michel, Fabien (eds.). Interacción indirecta en entornos para sistemas multiagente . LNCS 3830. Vol.  3830. Springer . pp. 68–87 . doi : 10.1007/11678809_5 . ISBN  978-3-540-32614-4.{{cite book}}: |journal=ignorado ( ayuda )
• Serie Whitestein sobre tecnologías de agentes de software y computación autónoma , publicada por Springer Science+Business Media Group.
• Salamon, Tomas (2011). Diseño de modelos basados ​​en agentes  : Desarrollo de simulaciones informáticas para una mejor comprensión de los procesos sociales . Bruckner Publishing. ISBN 978-80-904661-1-1.
• Russell, Stuart J.; Norvig , Peter (2003), Inteligencia artificial: un enfoque moderno (2.ª  ed.), Upper Saddle River, Nueva Jersey: Prentice Hall, ISBN 0-13-790395-2
• Fasli, Maria (2007). Tecnología de agentes para el comercio electrónico . John Wiley & Sons . pág.  480. ISBN 978-0-470-03030-1.
• Cao, Longbing, Gorodetsky, Vladimir, Mitkas, Pericles A. (2009). Agent Mining: The Synergy of Agents and Data Mining , IEEE Intelligent Systems, vol. 24, no. 3, 64-72.