![\"hormigas-ia-y-bioinspiracion\"](\"https:\/\/www.madrimasd.org\/blogs\/universo\/wp-content\/blogs.dir\/42\/files\/189\/hormigas-ia-y-bioinspiracion.jpg\")
<\/p>\n <\/p>\n
Fuente Colaje Im\u00e1genes Google<\/span><\/p>\n La inteligencia colectiva de los insectos sociales<\/strong><\/span> es una de las fuentes inagotables de ideas para lo que actualmente se denomina bioinspiraci\u00f3n<\/a> o sistemas bioinspirados<\/a>. A su vez, estos son el producto de los<\/span><\/strong> sistemas complejos auto-organizados<\/a> que suelen dar lugar a la llamada<\/span><\/strong> inteligencia distributiva<\/a>. Se trata de uno de los campos m\u00e1s activos en la ya omnipresente inteligencia artificial<\/a>. Por esta raz\u00f3n, abundan las nuevas noticias en la literatura cient\u00edfica sobre los insectos que habitan en el suelo<\/strong><\/span>, a pesar de que los humanos pisemos y contaminemos el h\u00e1bitat ed\u00e1fico con palmaria indiferencia, que a veces se me antoja mal\u00e9vola. La noticia que os ofrecemos hoy lleva el t\u00edtulo de \u201cLas hormigas fara\u00f3n inspiran un algoritmo aplicable en la b\u00fasqueda de f\u00e1rmacos y la optimizaci\u00f3n log\u00edstica<\/a>\u201d. Tan solo se trata de un ejemplo entre otros muchos<\/strong>. La inteligencia colectiva de los insectos sociales es distributiva, es decir<\/strong> <\/span>da lugar a que el grupo busque y encuentre soluciones \u00f3ptimas al margen de que cada uno de los individuos con escas\u00edsimo cerebro, por s\u00ed solos, sean totalmente incapaces de tal proeza. Intuitivamente, a los seres vivos con inteligencia centralizada nos resulta extra\u00f1o, empero las evidencias son contundentes. Algunos amantes de las teor\u00edas conspiranoicas podr\u00e1n alegar que el Gran Hermano<\/a> es el que atesora la genuina Inteligencia, mientras que cada uno de nosotros, al contrario de lo que pensamos, actuamos como verdaderos aut\u00f3matas, es decir como hormigas. La inteligencia distributiva es tal para el colectivo, aunque sus integrantes no puedan percatarse. Aunque los fundamentos de la Inteligencia Artificial o IA<\/strong> <\/span>se conocen desde hace m\u00e1s de cuatro d\u00e9cadas, es actualmente cuando comienzan a aplicarse masivamente, sean necesarios o no, por cuanto est\u00e1n de moda. Hace muchas d\u00e9cadas que se descubrieron asombrosas propiedades emergentes de colectivos de entes inform\u00e1ticos (es decir artificiales) usando las denominadas<\/strong><\/span> redes neuronales<\/a>. Y los principios de estas \u00faltimas son la base de la IA y del comportamiento de muchos sistemas sociales. El principio de los sistemas auto-organizados devienen que reglas muy simples den lugar a estructuras y comportamientos muy complejos<\/span><\/strong>; tanto como parecer que atesoran una inteligencia, tal como lo entendemos las mentes centralizadas. Se escogen los individuos, las mencionadas reglas de interacci\u00f3n teniendo en mente el prop\u00f3sito perseguido, el resultado de la primera iteraci\u00f3n act\u00faa como input para la segunda, esta para la tercera y as\u00ed miles o millones de veces. El resultado final, si las reglas est\u00e1n correctamente establecidas, se dirige hacia una o varias soluciones eficientes<\/a>. Estas, a la postre, servir\u00e1n para otros fines, como la nota de prensa de hoy especifica. Ya hemos hablado de todos estos temas en numerosas ocasiones, por lo que no os mostraremos las entradas previas que est\u00e1n en las siguientes categor\u00edas de esta bit\u00e1cora: \u201cBiolog\u00eda y ecolog\u00eda del suelo<\/a>\u201d, \u201cDiversidad, Complejidad y Fractales<\/a>\u201d y \u201cRedes Complejas, Ecol\u00f3gicas, Sociales y el Mundo de Internet<\/a>\u201d. En su lugar hemos enlazado, por nuestra cuenta, diversos palabros y conceptos explicitados en la noticia, a enlaces de otras p\u00e1ginas Web en donde se explican los significados de los t\u00e9rminos empleados. Hoy hablamos de las hormigas fara\u00f3n<\/a>.<\/p>\n Juan Jos\u00e9 Ib\u00e1\u00f1ez<\/strong><\/span><\/p>\n Continu\u00e1\u2026\u2026\u2026<\/em><\/span><\/p>\n Esta especie usa feromonas para marcar lugares por los que no hay que pasar, lo que constituye un ejemplo de aprendizaje basado en ejemplos negativos<\/strong><\/p>\n Un equipo de investigadores del Consejo Superior de Investigaciones Cient\u00edficas (CSIC)<\/a> se ha inspirado en el comportamiento de las<\/strong> hormigas fara\u00f3n<\/a> para mejorar un algoritmo de inteligencia artificial<\/a> que tiene aplicaciones en la b\u00fasqueda de f\u00e1rmacos y la optimizaci\u00f3n<\/a> de la gesti\u00f3n log\u00edstica, entre otros sectores. Esta especie posee un comportamiento que les permite aprender de ejemplos negativos<\/strong>.<\/p>\n Es sabido que las hormigas dejan a su paso un rastro de feromonas, lo que permite al resto del hormiguero seguir la misma ruta. Rutas m\u00e1s cortas al nido permiten un paso m\u00e1s frecuente de hormigas: en consecuencia, acumulan mayor rastro de feromonas y quedan reforzadas positivamente frente a las otras rutas. Esto permite a la comunidad de hormigas hallar un camino muy corto<\/strong>.<\/p>\n Este es un ejemplo de la inteligencia de enjambre <\/a><\/em>de comportamientos colectivos de animales como las hormigas, las abejas o las termitas, que inspira desarrollos de inteligencia artificial<\/a>. De hecho, la t\u00e9cnica ACO (del ingl\u00e9s ant colony optimization<\/em>) se basa en la forma en que las hormigas encuentran caminos cortos y tiene aplicaciones en<\/strong> log\u00edstica, investigaci\u00f3n m\u00e9dica o bioinform\u00e1tica.<\/p>\n Ahora, cient\u00edficos del Instituto de Investigaci\u00f3n en Inteligencia Artificial del CSIC (IIIA-CSIC)<\/a> han mejorado la t\u00e9cnica ACO inspir\u00e1ndose en las hormigas fara\u00f3n<\/strong>. Christian Blum<\/strong>, cient\u00edfico del IIIA-CSIC que ha dirigido el trabajo, explica: \u201cEl tipo de aprendizaje usado en ACO se limita a aprender de ejemplos positivos<\/em>. Sin embargo, aprender de ejemplos negativos parece jugar un papel importante en sistemas biol\u00f3gicos autoorganizados<\/strong>\u201d.<\/p>\n Las hormigas fara\u00f3n (Monomorium pharaonis<\/em>) -explica Blum- \u201cutilizan feromonas de rastro negativo para desplegar se\u00f1ales de no-entrada para marcar caminos de alimentaci\u00f3n poco gratificantes<\/strong>\u201d.<\/p>\n En el trabajo, del cual tambi\u00e9n es firmante el estudiante de doctorado Teddy Nurcahyadi<\/strong>, han dise\u00f1ado el primer mecanismo general para incorporar el aprendizaje negativo de forma beneficiosa en la t\u00e9cnica ACO. Publicado en el congreso ANTS 2020<\/a> de Barcelona, uno de los principales del \u00e1rea, el trabajo fue premiado como mejor art\u00edculo por su gran potencial de innovaci\u00f3n.<\/p>\n Combina aprendizaje positivo y negativo<\/strong><\/p>\n En el estudio, los cient\u00edficos han modificado el algoritmo ACO para que incorpore el aprendizaje basado en ejemplos negativos. \u201cEl <\/strong>aprendizaje negativo complementa el positivo<\/a>, que sigue siendo el m\u00e1s importante. Pero en nuestro art\u00edculo mostramos que los dos juntos resultan en un algoritmo superior<\/strong> \u201c.<\/p>\n Nuestros algoritmos son iterativos<\/a>, explica Blum. Es decir, se ejecutan las mismas instrucciones repetidamente una y otra vez. \u201cEn cada iteraci\u00f3n es como si hubiera un cierto n\u00famero de hormigas<\/em> que, cada una, genera una posible soluci\u00f3n v\u00e1lida al problema que se quiere resolver<\/strong>\u201d.<\/p>\n Si en la naturaleza las hormigas se gu\u00edan, de forma probabilista, por las feromonas<\/a> que hallan en cada trozo de camino, en los algoritmos esas feromonas equivaldr\u00edan a valores num\u00e9ricos que est\u00e1n en los componentes de las posibles soluciones<\/strong>. Y al igual que las feromonas, esos valores se refuerzan positivamente o negativamente en funci\u00f3n de si aparecen o no en las soluciones buenas<\/strong>.<\/p>\n Este tipo de algoritmo se puede aplicar a numerosos problemas de <\/strong>optimizaci\u00f3n<\/a>. Situaciones en las que hay muchas posibles soluciones y se trata de encontrar la mejor o, por lo menos, una que sea \u201clo suficientemente buena\u00bb<\/strong>, dice el investigador, como en el caso de la combinaci\u00f3n de mol\u00e9culas para la b\u00fasqueda de nuevos f\u00e1rmacos o la log\u00edstica<\/strong>. \u201cLa investigaci\u00f3n en muchos campos no ser\u00eda posible sin herramientas adecuadas de optimizaci\u00f3n\u201d, concluye Blum.<\/p>\n La investigaci\u00f3n se desarrolla dentro de un proyecto del Plan Nacional de I+D+i denominado CI-Sustain<\/a>: Inteligencia computacional avanzada para alcanzar objetivos de desarrollo sostenible.<\/p>\nLas hormigas fara\u00f3n inspiran un algoritmo aplicable en la b\u00fasqueda de f\u00e1rmacos y la optimizaci\u00f3n log\u00edstica<\/a><\/h2>\n
Ejemplo de Post previos relacionados con el tema<\/span> <\/strong><\/h3>\n