Hormigas, inspiración de la inteligencia artificial
Marco A. Francisco-López¹, Juan M. Hernández-Alba¹, Rafael Colorado¹
¹ Secretaría Académica, Instituto de Ecología A.C.
Resumen: La naturaleza ha sido una de las principales fuentes de inspiración para el desarrollo de algoritmos de Inteligencia Artificial.
Palabras clave: inteligencia artificial, algoritmo, optimización
La inteligencia artificial (IA) es un campo científico que se concentra en la creación de algoritmos (programas) que pueden mostrar comportamientos considerados inteligentes. Los fundamentos teóricos de la IA se encuentran en el experimento que propone Alan Turing, quien es considerado el padre de la IA, en su artículo “Computing machinery and intelligence”, el cual también es conocido como Test de Turing. Alan Turing propuso un método para determinar si una máquina puede pensar. Son numerosos los avances que se han realizado en esta área, surgiendo cada vez más algoritmos de IA que se han aplicado exitosamente en diferentes áreas de la ciencia y de la vida humana.
La naturaleza ha sido una de las principales fuentes de inspiración para el desarrollo de algoritmos de IA. Se han realizado múltiples trabajos con respecto a la analogía entre el mundo biológico y el mundo artificial, donde el objetivo ha sido simular los procesos de colaboración y sus interacciones con el medioambiente de manera artificial, dando origen a los algoritmos bio-inspirados, los cuales representan una rama de IA que se conoce como inteligencia colectiva. Esta analogía se ha estudiado de manera exitosa en las aves, abejas, hormigas y luciérnagas, en donde el comportamiento que estas especies muestran y la interacción con el medio que las rodea ha ayudado a resolver problemas de optimización en la vida real.
En nuestra vida diaria nos encontramos con actividades en las que nos gustaría optimizar los recursos con los que contamos, por ejemplo: elegir la mejor ruta para llegar a un lugar. Para trazar esta ruta se debe considerar como objetivo minimizar el costo de gasolina o minimizar el tiempo de recorrido. Esto último puede interesarle a una empresa que requiera minimizar los tiempos de entrega de paquetes. A este proceso de encontrar el resultado para maximizar o minimizar un objetivo que resuelva un problema se le llama optimización.
Imagen 1: Foto de Poranimm Athithawatthee de Pexels: https://www.pexels.com/es-es/foto/fotografia-macro-de-cinco-hormigas-naranja-842401/
Un ejemplo de optimización en la naturaleza, lo podemos ver en las hormigas, que debido a su comportamiento auto-organizativo, tienen la habilidad de encontrar la ruta más corta entre su hormiguero y la fuente de alimento. Se caracterizan por tener un olfato muy sensible y papilas gustativas sumamente desarrolladas en comparación con otros insectos. En un nido existen hormigas que efectúan diferentes tareas, por ejemplo para cubrir las necesidades de alimento las obreras deben realizar excursiones con el propósito de encontrar dichas fuentes, y con el fin de no perderse van dejando una sustancia llamada feromona que le ayuda a identificar el camino, permitiéndole de esta manera regresar al hormiguero. Las hormigas son insectos sociales y trabajan en grupo, así otra hormiga podrá llegar al hormiguero siguiendo el olor que dejan las demás y ella reforzará el olor al dejar sus feromonas esparcidas por el mismo camino. En el proceso de recolección de alimento las hormigas pueden generar más de un camino, pero su olfato las llevará por aquellos con alto nivel de feromona que es por donde más han transitado las demás hormigas.
Este comportamiento fue observado por el científico Marco Dorigo, quien propuso un algoritmo al que llamo: algoritmo de colonia de hormigas cuyo objetivo era encontrar el camino más corto entre dos puntos. El algoritmo ha sido aplicado en diversos problemas, siendo su especialidad los problemas de rutas.
La optimización basada en colonia de hormigas se trata de una técnica relativamente joven en comparación con otras como la computación evolutiva, aun así se ha demostrado que estos algoritmos son bastante flexibles y eficientes.
Para más detalles puede consultar:
- Zhou X., Slone J., et al. (2012). “Phylogenetic and transcrip-tomic analysis of chemosensory receptors in a pair of divergent ant species reveals sex-specific signatures of odor coding”. PLOS Genet. Vol. 8, No. 8, pp. e1002930.
- Dorigo M. y Gambardella L. (1997) “Ant colony system: a cooperative learning approach to the traveling salesman pro-blem”. IEEE Transactions on Evolutionary Computation. Vol. 1, No. 1, pp. 53-66.
- Cosío León, María & Martínez-Vargas, Anabel. (2016). Algoritmos inspirados en la naturaleza para solucionar problemas difíciles. Komputer
Pie de figura:
Slider: Foto de Thang Cao de Pexels: https://www.pexels.com/es-es/foto/caminando-al-aire-libre-insecto-hoja-verde-5523330/