Has elegido la edición de . Verás las noticias de esta portada en el módulo de ediciones locales de la home de elDiario.es.

El reino animal y la tecnología son más parecidos de lo que pensabas

Los hábitos de hormigas y abejas sirven de modelo a la inteligencia de enjambre, una rama de la inteligencia artificial

Lucía Caballero

¿Cómo puede aplicarse el canto de las ranas al análisis de Facebook y Twitter? ¿Y el desplazamiento de los hongos que viven en ciénagas a una red de sensores inalámbricos? ¿Qué pueden enseñarles las hormigas a una horda de robots? Aunque preguntas como estas parecen sacadas de un chiste de biólogos con desenlace imprevisible, se trata de cuestiones resueltas por varias ramas de la informática y la inteligencia artificial que estudian la relación entre sistemas naturales y artificiales.

El objetivo no es comparar ambos esquemas, sino extraer patrones de un lado para aplicarlos en el otro. Estas áreas, entre las que se incluye el ‘machine learning’, “se han apropiado de algoritmos bioinspirados para aplicarlos en problemas como la búsqueda heurística [cuando es difícil encontrar la solución], la optimización o la detección y búsqueda de patrones”, explica a HojaDeRouter.com David Camacho, investigador en inteligencia aplicada de la Universidad Autónoma de Madrid (UAM).

Dentro de la gran variedad de animales que ya forman parte del zoo informático, los insectos sociales, como abejas y hormigas, lideran la lista de los más recurrentes. La razón, indica Camacho, es que “presentan un comportamiento cooperativo para optimizar su objetivo”. En otras palabras: quieren obtener el mejor resultado empleando pocos recursos, y para ello trabajan en equipo.

Las hormigas, por ejemplo, tienen la capacidad de encontrar eficientemente el camino más corto entre dos puntos. No les hacen falta indicaciones; se comunican mediante sustancias químicas denominadas feromonas pero de forma indirecta: las depositan en el suelo en mayor o menor concentración según la decisión que un individuo quiera transmitir a sus compinches.

“Esta conducta es fácilmente reproducible en un algoritmo”, señala el investigador de la UAM. Los diminutos organismos visitan un punto u otro, donde obtienen información, lo mismo que el mensaje que transcurre entre diferentes nodos. “La analogía de conceptos es tan directa con sistemas informáticos como redes sociales, internet y redes de comunicaciones que se han realizado multitud de investigaciones relacionadas”, señala el experto. El resultado es un conjunto de algoritmos que llevan el nombre de sus inventoras (faltaría más): se denominan ACO, de ‘Ant Colony Optimization’.

También rinde honor a estas pequeñas exploradoras el bautizado como ‘anternet’, el esquema que gobierna el protocolo de comunicación TCP/IP y que ellas llevan millones de años aplicando para recoger alimento. La bióloga de Stanford Deborah Gordon observó que en las colonias de hormigas recolectoras del desierto de Arizona, un miembro no abandona el agujero hasta que otro regresa con comida y roza sus antenas. Una vez salga, solo volverá cuando halle sustento, así que el tiempo que tarde dependerá de la abundancia.

Cuando Gordon le enseñó al ingeniero Balaji Prabhakar sus datos, este se percató de que el algoritmo que aplican las hormigas para saber cuánta comida hay disponible coincide con el del Protocolo de Control de Transmisión, el famoso TCP, que regula las comunicaciones en internet. Así, el equipo emisor, que remite los paquetes de datos, recibe una señal cuando estos han llegado a su destino. El tiempo que tarda en obtener este aviso le sirve para deducir cómo de colapsada esta la red y con qué velocidad debe seguir con el envío.

Coincidencias la mar de útiles

Tanto en los sistemas distribuidos artificiales como en los biológicos, cada individuo (o proceso) es independiente pero intercambia constantemente información con el resto. Ninguno conoce el entorno, solo deduce sus condiciones a partir de esa comunicación entre los miembros del grupo o red.

Las abejas, que siguen los mismos patrones, han servido de modelo para el algoritmo de colonias de abejas (Artificial Bee Colony). Bancos de peces, pájaros, murciélagos y termitas son otros ejemplos utilizados para deducir los denominados conjuntamente algoritmos de enjambre.

En el caso de los animales acuáticos, los científicos se han fijado en “cómo se coordinan sin tener un líder, moviéndose para evitar el peligro mediante formas de comunicación muy simples”, dice Ziv Bar-Joseph, experto en ‘machine learning’ y biología computacional de la Universidad Carnegie Mellon (Estados Unidos). Una estrategia útil para “una flota de vehículos autónomos que viajan al desierto o un grupo de robots que buscan una mina enterrada”, señala el investigador.

Otro ejemplo es la sincronización de los cantos de las ranas arborícolas japonesas, que han inspirado a científicos de las universidades del País Vasco y Politécnica de Cataluña para desarrollar algoritmos. Los machos de esta especie emiten sonidos de uno en uno, respetando los turnos, con el fin de que las hembras los distingan y elijan al mejor pretendiente. Los investigadores sugieren que el modelo puede aplicarse a redes de comunicación o sociales, como Facebook y Twitter, para identificar patrones (perfiles destacados, comunidades cerradas, etc.)

Inclusos los hongos de la especie 'Physarum polycephalum', organismos unicelulares que viven en el fango, guardan valiosos secretos. Crecen de un punto a otro, extendiéndose en una especie de tela de araña, para buscar fuentes de alimento. Por el camino, se deshacen de las ramificaciones menos eficientes y dejan solo las mejores rutas.

Debido a su peculiar comportamiento, investigadores de diferentes nacionalidades los han instigado a trazar las carreteras y sistemas de transporte de sus ciudades. Si el hongo ejecuta el mismo recorrido, la conformación de las vías sigue un patrón eficiente, una comparación que también se ha aplicado a los protocolos de comunicación entre redes de sensores.

Diccionario biológico-artificial

Pero ¿cómo se traduce el idioma biológico al artificial? Según Bar-Joseph, se necesita cierta abstracción. “Representamos las células de las redes neuronales como nodos en un gráfico y los límites entre nodos simulan las sinapsis [conexiones celulares]”, explica. Las técnicas de ‘machine learning’ basan muchos de sus principios en el funcionamiento del cerebro, que de manera natural “realiza cálculos constantemente”.

El investigador asegura que la cuestión no es capturar detalles como la bioquímica del proceso, sino “los principios de alto nivel” (las tendencias principales), más sencillos de interpretar. “Los algoritmos bioinspirados son eso, inspirados por la naturaleza”, aclara Camacho. Los algoritmos genéticos se fijan en fenómenos relacionados con el ADN y los ACO en los hábitos de las hormigas, pero no los reproducen con exactitud.

Además, por mucho que el comportamiento de hormigas, peces y pájaros se adapte a los procesos artificiales, no dejan de ser animales, y algunos de sus objetivos distan de ser los que requiere la tecnología. “La velocidad es menos importante para la biología que para los sistemas informáticos”, señala Bar-Joseph.

En comunicación, por ejemplo, una meta común para ingenieros y seres vivos es reducir la complejidad del mensaje, lo que conduce a un uso más eficiente de los recursos y energía –en biología, nutrientes; en sistemas informáticos, electricidad−. Animales y células suelen cumplir con éxito este requisito, a costa, no obstante, de incrementar el tiempo que tardan en completar una tarea.

Los organismos se centran en la supervivencia y la adaptación, y muchas veces, ser más rápidos implica tomar mayores riesgos”, algo que no les beneficia demasiado, continúa Bar-Joseph. Sin embargo, “en la investigación sobre algoritmos, el tiempo de ejecución es uno de los factores críticos de diseño”.

También se diferencian en la manera de resolver los problemas y fallos. Mientras que en informática se usan detectores de errores o métodos de cifrado, la mayoría de sistemas biológicos confían en elementos propios. Solventan los contratiempos estableciendo caminos alternativos, elementos duplicados (proteínas con funciones similares) o bien adaptando la conformación de los individuos del grupo (si hay muchas interferencias ambientales, mejor colocarse cerca).

Aunque la familia animal investigada crece paulatinamente, difícilmente integrará monos o elefantes. La razón, explica Bar-Joseph, responde en parte a una cuestión práctica: “Podemos estudiar a pequeños organismos en unos pocos días, mientras que analizar el comportamiento de los simios llevaría más tiempo”.

En cuanto a las áreas que atraerán la atención científica durante los próximos años, el investigador cita la visión artificial –basada en el estudio de las células de la vista humana− y los sistemas de navegación, donde entran en juego hormigas y murciélagos. Parece que los verdaderos expertos en inteligencia artificial tienen patas, antenas y alas. Solo tenemos que aprender de ellos.

-------------------------------------------------------------------------------------

Las imágenes de este artículo son propiedad, por orden de aparición, de Sean and Lauren, Steve Jurvetson, Universidad de Delaware y Martin Fisch

Etiquetas
stats