stringtranslate.com

Inteligencia de enjambre

Una bandada de estorninos reaccionando ante un depredador.

La inteligencia de enjambre ( IS ) es el comportamiento colectivo de sistemas descentralizados y autoorganizados , naturales o artificiales. El concepto se emplea en trabajos sobre inteligencia artificial . La expresión fue introducida por Gerardo Beni y Jing Wang en 1989, en el contexto de los sistemas robóticos celulares. [1] [2]

Los sistemas SI normalmente constan de una población de agentes simples o boids que interactúan localmente entre sí y con su entorno. [3] La inspiración a menudo proviene de la naturaleza, especialmente de los sistemas biológicos [4] . Los agentes siguen reglas muy simples, y aunque no existe una estructura de control centralizada que dicte cómo deben comportarse los agentes individuales, local y hasta cierto punto aleatoria, las interacciones entre dichos agentes conducen al surgimiento de un comportamiento global "inteligente", desconocido para el individuo. agentes. [5] Ejemplos de inteligencia de enjambre en sistemas naturales incluyen colonias de hormigas , colonias de abejas , bandadas de aves , caza de halcones , pastoreo de animales , crecimiento bacteriano , cardúmenes de peces e inteligencia microbiana .

La aplicación de los principios de enjambre a los robots se denomina robótica de enjambre, mientras que la inteligencia de enjambre se refiere al conjunto más general de algoritmos. La predicción de enjambres se ha utilizado en el contexto de problemas de previsión. Se consideran enfoques similares a los propuestos para la robótica de enjambre para los organismos genéticamente modificados en la inteligencia colectiva sintética. [6]

Modelos de comportamiento de enjambre

Boids (Reynolds 1987)

Boids es un programa de vida artificial , desarrollado por Craig Reynolds en 1986, que simula el flocado . Fue publicado en 1987 en las actas de la conferencia ACM SIGGRAPH . [7] El nombre "boid" corresponde a una versión abreviada de "objeto bird-oid", que se refiere a un objeto parecido a un pájaro. [8]

Como ocurre con la mayoría de las simulaciones de vida artificial, Boids es un ejemplo de comportamiento emergente ; es decir, la complejidad de los Boids surge de la interacción de agentes individuales (los boids, en este caso) que se adhieren a un conjunto de reglas simples. Las reglas aplicadas en el mundo Boids más simple son las siguientes:

Se pueden agregar reglas más complejas, como evitar obstáculos y buscar metas.

Partículas autopropulsadas (Vicseket al. 1995)

Las partículas autopropulsadas (SPP), también conocidas como modelo Vicsek , fueron introducidas en 1995 por Vicsek et al. [9] como un caso especial del modelo boids introducido en 1986 por Reynolds . [7] Un enjambre es modelado en SPP por una colección de partículas que se mueven con una velocidad constante pero responden a una perturbación aleatoria adoptando en cada incremento de tiempo la dirección promedio de movimiento de las otras partículas en su vecindad local. [10] Los modelos SPP predicen que los animales en enjambre comparten ciertas propiedades a nivel de grupo, independientemente del tipo de animales en el enjambre. [11] Los sistemas de enjambre dan lugar a comportamientos emergentes que ocurren en muchas escalas diferentes, algunas de las cuales están resultando ser universales y robustas. Se ha convertido en un desafío en física teórica encontrar modelos estadísticos mínimos que capturen estos comportamientos. [12] [13] [14]

Metaheurísticas

Los algoritmos evolutivos (EA), la optimización de enjambre de partículas (PSO), la evolución diferencial (DE), la optimización de colonias de hormigas (ACO) y sus variantes dominan el campo de las metaheurísticas inspiradas en la naturaleza . [15] Esta lista incluye algoritmos publicados hasta aproximadamente el año 2000. Un gran número de metaheurísticas más recientes inspiradas en metáforas han comenzado a atraer críticas en la comunidad de investigación por ocultar su falta de novedad detrás de una metáfora elaborada. Para conocer los algoritmos publicados desde entonces, consulte Lista de metaheurísticas basadas en metáforas .

Las metaheurísticas carecen de confianza en una solución. [16] Cuando se determinan los parámetros apropiados, y cuando se logra una etapa de convergencia suficiente, a menudo se encuentra una solución que es óptima, o casi cercana a la óptima; sin embargo, si uno no conoce la solución óptima de antemano, la calidad de una solución es no conocida. [16] A pesar de este inconveniente obvio, se ha demostrado que este tipo de algoritmos funcionan bien en la práctica y han sido investigados y desarrollados exhaustivamente. [17] [18] [19] [20] [21] Por otro lado, es posible evitar este inconveniente calculando la calidad de la solución para un caso especial donde tal cálculo es posible, y después de dicha ejecución se sabe que cada Una solución que es al menos tan buena como la solución que tenía un caso especial, tiene al menos una confianza en la solución que tenía un caso especial. Uno de esos ejemplos es el algoritmo Monte Carlo inspirado en Ant para el conjunto de arcos de retroalimentación mínima , donde esto se logró de manera probabilística mediante la hibridación del algoritmo Monte Carlo con la técnica de optimización de colonias de hormigas . [22]

Optimización de colonias de hormigas (Dorigo 1992)

La optimización de colonias de hormigas (ACO), presentada por Dorigo en su tesis doctoral, es una clase de algoritmos de optimización modelados a partir de las acciones de una colonia de hormigas . ACO es una técnica probabilística útil en problemas que tratan de encontrar mejores caminos a través de gráficos. Las "hormigas" artificiales (agentes de simulación) localizan soluciones óptimas moviéndose a través de un espacio de parámetros que representa todas las soluciones posibles. Las hormigas naturales depositan feromonas que se dirigen entre sí hacia los recursos mientras exploran su entorno. Las 'hormigas' simuladas registran de manera similar sus posiciones y la calidad de sus soluciones, de modo que en iteraciones posteriores de simulación más hormigas localicen mejores soluciones. [23]

Optimización del enjambre de partículas (Kennedy, Eberhart y Shi 1995)

La optimización de enjambre de partículas (PSO) es un algoritmo de optimización global para abordar problemas en los que la mejor solución se puede representar como un punto o superficie en un espacio de n dimensiones. En este espacio se trazan hipótesis y se les siembra una velocidad inicial , así como un canal de comunicación entre las partículas. [24] [25] Luego, las partículas se mueven a través del espacio de solución y se evalúan de acuerdo con algún criterio de idoneidad después de cada paso de tiempo. Con el tiempo, las partículas se aceleran hacia aquellas partículas dentro de su grupo de comunicación que tienen mejores valores de aptitud. La principal ventaja de este enfoque sobre otras estrategias de minimización global, como el recocido simulado , es que el gran número de miembros que componen el enjambre de partículas hace que la técnica sea impresionantemente resistente al problema de los mínimos locales .

Inteligencia artificial de enjambre (2015)

La Inteligencia Artificial de Enjambre (ASI) es un método para amplificar la inteligencia colectiva de grupos humanos en red utilizando algoritmos de control modelados a partir de enjambres naturales. A veces denominada Human Swarming o Swarm AI, la tecnología conecta grupos de participantes humanos en sistemas en tiempo real que deliberan y convergen en soluciones como enjambres dinámicos cuando se les presenta simultáneamente una pregunta [26] [27] [28] Se ha utilizado ASI para una amplia gama de aplicaciones, desde permitir a los equipos de negocios generar pronósticos financieros altamente precisos [29] hasta permitir a los fanáticos de los deportes superar los mercados de apuestas de Las Vegas. [30] ASI también se ha utilizado para permitir que grupos de médicos generen diagnósticos con una precisión significativamente mayor que los métodos tradicionales. [31] [32] La Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO) ha utilizado ASI para ayudar a pronosticar hambrunas en puntos críticos de todo el mundo. [33] [ se necesita una mejor fuente ]

Aplicaciones

Las técnicas basadas en Swarm Intelligence se pueden utilizar en varias aplicaciones. El ejército estadounidense está investigando técnicas de enjambre para controlar vehículos no tripulados. La Agencia Espacial Europea está pensando en un enjambre orbital para el autoensamblaje y la interferometría. La NASA está investigando el uso de tecnología de enjambre para el mapeo planetario. Un artículo de 1992 de M. Anthony Lewis y George A. Bekey analiza la posibilidad de utilizar inteligencia de enjambre para controlar nanobots dentro del cuerpo con el fin de matar tumores cancerosos. [34] Por el contrario, al-Rifaie y Aber han utilizado la búsqueda de difusión estocástica para ayudar a localizar tumores. [35] [36] La inteligencia de enjambre también se ha aplicado para la extracción de datos [37] y el análisis de conglomerados . [38] Los modelos basados ​​en hormigas son otro tema de la teoría de gestión moderna. [39]

Enrutamiento basado en hormigas

También se ha investigado el uso de inteligencia de enjambre en redes de telecomunicaciones , en forma de enrutamiento basado en hormigas . Esto fue iniciado por separado por Dorigo et al. y Hewlett-Packard a mediados de la década de 1990, existiendo varias variantes. Básicamente, esto utiliza una tabla de enrutamiento probabilístico que recompensa/refuerza la ruta recorrida con éxito por cada "hormiga" (un pequeño paquete de control) que inunda la red. Se ha investigado el refuerzo de la ruta en dirección hacia adelante, hacia atrás y ambas simultáneamente: el refuerzo hacia atrás requiere una red simétrica y acopla las dos direcciones; El refuerzo hacia adelante recompensa una ruta antes de que se conozca el resultado (pero entonces uno pagaría por el cine antes de saber qué tan buena es la película). Como el sistema se comporta de forma estocástica y, por lo tanto, carece de repetibilidad, existen grandes obstáculos para su implementación comercial. Los medios móviles y las nuevas tecnologías tienen el potencial de cambiar el umbral de la acción colectiva gracias a la inteligencia de enjambre (Rheingold: 2002, P175).

La ubicación de la infraestructura de transmisión para redes de comunicación inalámbrica es un importante problema de ingeniería que involucra objetivos contrapuestos. Se requiere una selección mínima de ubicaciones (o sitios) sujeta a proporcionar una cobertura de área adecuada para los usuarios. Se ha utilizado con éxito un algoritmo de inteligencia de enjambre muy diferente, inspirado en las hormigas, la búsqueda de difusión estocástica (SDS), para proporcionar un modelo general para este problema, relacionado con el empaquetado de círculos y la cobertura de conjuntos. Se ha demostrado que la SDS se puede aplicar para identificar soluciones adecuadas incluso para casos de problemas grandes. [40]

Las aerolíneas también han utilizado rutas basadas en hormigas para asignar las llegadas de aviones a las puertas del aeropuerto. En Southwest Airlines, un programa de software utiliza la teoría de enjambres, o inteligencia de enjambres: la idea de que una colonia de hormigas funciona mejor que una sola. Cada piloto actúa como una hormiga buscando la mejor puerta de embarque del aeropuerto. "El piloto aprende de su experiencia qué es lo mejor para él y resulta que esa es la mejor solución para la aerolínea", explica Douglas A. Lawson . Como resultado, la "colonia" de pilotos siempre va a las puertas a las que pueden llegar y salir rápidamente. El programa puede incluso alertar al piloto sobre retrocesos del avión antes de que ocurran. "Podemos anticipar lo que sucederá, por lo que tendremos una puerta disponible", dice Lawson. [41]

simulación de multitud

Los artistas están utilizando la tecnología de enjambre como medio para crear sistemas interactivos complejos o simular multitudes . [ cita necesaria ]

Instancias

La trilogía cinematográfica El Señor de los Anillos hizo uso de una tecnología similar, conocida como Massive (software) , durante las escenas de batalla. La tecnología Swarm es particularmente atractiva porque es barata, robusta y simple.

Stanley y Stella en: Rompiendo el hielo fue la primera película que utilizó tecnología de enjambre para renderizar, representando de manera realista los movimientos de grupos de peces y aves usando el sistema Boids. [ cita necesaria ]

Batman Returns de Tim Burton también utilizó tecnología de enjambre para mostrar los movimientos de un grupo de murciélagos. [42]

Las aerolíneas han utilizado la teoría de enjambres para simular que los pasajeros abordan un avión. El investigador de Southwest Airlines, Douglas A. Lawson, utilizó una simulación por computadora basada en hormigas que empleaba solo seis reglas de interacción para evaluar los tiempos de embarque utilizando varios métodos de embarque (Miller, 2010, xii-xviii). [43]

enjambre humano

Las redes de usuarios distribuidos se pueden organizar en "enjambres humanos" mediante la implementación de sistemas de control de circuito cerrado en tiempo real. [44] [45] Desarrollado por Louis Rosenberg en 2015, el enjambre humano, también llamado inteligencia de enjambre artificial, permite aprovechar la inteligencia colectiva de grupos interconectados de personas en línea. [46] [47] La ​​inteligencia colectiva del grupo a menudo excede las habilidades de cualquier miembro del grupo. [48]

La Facultad de Medicina de la Universidad de Stanford publicó en 2018 un estudio que muestra que grupos de médicos humanos, cuando se conectan entre sí mediante algoritmos de enjambre en tiempo real, podrían diagnosticar afecciones médicas con una precisión sustancialmente mayor que los médicos individuales o los grupos de médicos que trabajan juntos utilizando métodos tradicionales de crowdsourcing. . En uno de esos estudios, a enjambres de radiólogos humanos conectados entre sí se les asignó la tarea de diagnosticar radiografías de tórax y demostraron una reducción del 33 % en los errores de diagnóstico en comparación con los métodos humanos tradicionales, y una mejora del 22 % con respecto al aprendizaje automático tradicional. [31] [49] [50] [32]

La Facultad de Medicina de la Universidad de California en San Francisco (UCSF) publicó una preimpresión en 2021 sobre el diagnóstico de imágenes de resonancia magnética realizada por pequeños grupos de médicos colaboradores. El estudio mostró un aumento del 23% en la precisión del diagnóstico cuando se utiliza la tecnología de Inteligencia Artificial de Enjambre (ASI) en comparación con la votación mayoritaria. [51] [52]

Gramáticas de enjambre

Las gramáticas de enjambre son enjambres de gramáticas estocásticas que pueden evolucionar para describir propiedades complejas como las que se encuentran en el arte y la arquitectura. [53] Estas gramáticas interactúan como agentes que se comportan de acuerdo con las reglas de la inteligencia de enjambre. Este comportamiento también puede sugerir algoritmos de aprendizaje profundo , en particular cuando se considera el mapeo de dichos enjambres a circuitos neuronales. [54]

arte enjambre

En una serie de trabajos, al-Rifaie et al. [55] han utilizado con éxito dos algoritmos de inteligencia de enjambre: uno que imita el comportamiento de una especie de hormigas ( Leptothorax acervorum ) en busca de alimento ( búsqueda de difusión estocástica , SDS) y el otro algoritmo que imita el comportamiento de las aves en bandada ( optimización de enjambre de partículas , PSO). describir una nueva estrategia de integración que explota las propiedades de búsqueda local del PSO con el comportamiento global de SDS. El algoritmo híbrido resultante se utiliza para esbozar dibujos novedosos de una imagen de entrada, explotando una tensión artística entre el comportamiento local de los 'pájaros que se reúnen' (mientras buscan seguir el boceto de entrada) y el comportamiento global de las "hormigas que buscan alimento". mientras buscan alentar al rebaño a explorar regiones novedosas del lienzo. La "creatividad" de este sistema de enjambre híbrido ha sido analizada bajo la luz filosófica del "rizoma" en el contexto de la metáfora de la "Orquídea y la Avispa" de Deleuze . [56]

Un trabajo más reciente de al-Rifaie et al., "Swarmic Sketches and Attention Mechanism", [57] introduce un enfoque novedoso que implementa el mecanismo de "atención" adaptando SDS para atender selectivamente áreas detalladas de un lienzo digital. Una vez que la atención del enjambre se dirige a una determinada línea dentro del lienzo, se utiliza la capacidad de PSO para producir un "boceto del enjambre" de la línea atendida. Los enjambres se mueven a lo largo del lienzo digital en un intento de satisfacer sus roles dinámicos (atención a áreas con más detalles) asociados a ellos a través de su función de fitness. Habiendo asociado el proceso de representación con los conceptos de atención, la actuación de los enjambres participantes crea un boceto único y no idéntico cada vez que los enjambres de "artistas" se embarcan en la interpretación de los dibujos lineales de entrada. En otras obras, mientras PSO se encarga del proceso de boceto, SDS controla la atención del enjambre.

En un trabajo similar, "Swarmic Paintings and Color Attention", [58] se producen imágenes no fotorrealistas utilizando el algoritmo SDS que, en el contexto de este trabajo, es responsable de la atención del color.

La " creatividad computacional " de los sistemas antes mencionados se analiza en [55] [59] [60] a través de los dos requisitos previos de la creatividad (es decir, libertad y limitaciones) dentro de las dos infames fases de exploración y explotación de la inteligencia de enjambre.

Michael Theodore y Nikolaus Correll utilizan la instalación artística inteligente Swarm para explorar lo que se necesita para diseñar sistemas que parezcan realistas. [61]

Investigadores notables

Ver también

Referencias

  1. ^ Beni, G.; Wang, J. (1993). "Inteligencia de enjambre en sistemas robóticos celulares". Proceder. Taller avanzado de la OTAN sobre robots y sistemas biológicos, Toscana, Italia, 26 al 30 de junio (1989) . Berlín, Heidelberg: Springer. págs. 703–712. doi :10.1007/978-3-642-58069-7_38. ISBN 978-3-642-63461-1.
  2. ^ Beni, G. (1989). "El concepto de sistema robótico celular". Actas del Simposio internacional IEEE sobre control inteligente 1988 . IEEE: 57–62. doi :10.1109/ISIC.1988.65405. ISBN 978-0-8186-2012-6.
  3. ^ Hu, J.; Turgut, A.; Krajnik, T.; Lennox, B.; Arvin, F., "Diseño de protocolo de coordinación basado en oclusión para tareas de pastoreo robótico autónomo" IEEE Transactions on Cognitive and Developmental Systems, 2020.
  4. ^ Gad, Ahmed G. (1 de agosto de 2022). "Algoritmo de optimización de enjambre de partículas y sus aplicaciones: una revisión sistemática". Archivos de métodos computacionales en ingeniería . 29 (5): 2531–2561. doi : 10.1007/s11831-021-09694-4 . ISSN  1886-1784.
  5. ^ Hu, J.; Bhowmick, P.; Jang, I.; Álvaro, F.; Lanzon, A., "Un marco de contención de formación de clústeres descentralizados para sistemas multirobot" IEEE Transactions on Robotics, 2021.
  6. ^ Solé R, Rodriguez-Amor D, Duran-Nebreda S, Conde-Pueyo N, Carbonell-Ballestero M, Montañez R (octubre de 2016). "Inteligencia colectiva sintética". BioSistemas . 148 : 47–61. Código Bib : 2016BiSys.148...47S. doi :10.1016/j.biosystems.2016.01.002. PMID  26868302.
  7. ^ ab Reynolds, Craig (1987). "Rebaños, rebaños y escuelas: un modelo de comportamiento distribuido". Actas de la 14ª conferencia anual sobre gráficos por computadora y técnicas interactivas . Asociación para Maquinaria de Computación . págs. 25–34. CiteSeerX 10.1.1.103.7187 . doi :10.1145/37401.37406. ISBN  978-0-89791-227-3. S2CID  546350.
  8. ^ Bancos, Alec; Vicente, Jonatán; Anyakoha, Chukwudi (julio de 2007). "Una revisión de la optimización del enjambre de partículas. Parte I: antecedentes y desarrollo". Computación Natural . 6 (4): 467–484. CiteSeerX 10.1.1.605.5879 . doi :10.1007/s11047-007-9049-5. S2CID  2344624. 
  9. ^ Vicsek, T .; Czirok, A.; Ben-Jacob, E.; Cohen, I.; Shochet, O. (1995). "Nuevo tipo de transición de fase en un sistema de partículas autoimpulsadas". Cartas de revisión física . 75 (6): 1226-1229. arXiv : cond-mat/0611743 . Código bibliográfico : 1995PhRvL..75.1226V. doi : 10.1103/PhysRevLett.75.1226. PMID  10060237. S2CID  15918052.
  10. ^ Czirók, A.; Vicsek, T. (2006). "Comportamiento colectivo de partículas autopropulsadas que interactúan". Física A. 281 (1): 17–29. arXiv : cond-mat/0611742 . Código Bib : 2000PhyA..281...17C. doi :10.1016/S0378-4371(00)00013-3. S2CID  14211016.
  11. ^ Buhl, J.; Sumpter, DJT; Couzin, D.; Hale, JJ; Despland, E.; Molinero, ER; Simpson, SJ; et al. (2006). "Del desorden al orden en las langostas marchantes" (PDF) . Ciencia . 312 (5778): 1402-1406. Código Bib : 2006 Ciencia... 312.1402B. doi : 10.1126/ciencia.1125142. PMID  16741126. S2CID  359329. Archivado desde el original (PDF) el 29 de septiembre de 2011 . Consultado el 7 de octubre de 2011 .
  12. ^ Tóner, J.; Tu, Y.; Ramaswamy, S. (2005). «Hidrodinámica y fases de bandadas» (PDF) . Anales de Física . 318 (1): 170–244. Código Bib : 2005AnPhy.318..170T. doi :10.1016/j.aop.2005.04.011. Archivado desde el original (PDF) el 18 de julio de 2011 . Consultado el 7 de octubre de 2011 .
  13. ^ Bertín, E.; Droz, M.; Grégoire, G. (2009). "Ecuaciones hidrodinámicas para partículas autopropulsadas: derivación microscópica y análisis de estabilidad". J. Física. A . 42 (44): 445001. arXiv : 0907.4688 . Código Bib : 2009JPhA...42R5001B. doi :10.1088/1751-8113/42/44/445001. S2CID  17686543.
  14. ^ Li, YX; Lukeman, R.; Edelstein-Keshet, L.; et al. (2007). «Mecanismos mínimos para la formación de escuelas en partículas autopropulsadas» (PDF) . Physica D: Fenómenos no lineales . 237 (5): 699–720. Código bibliográfico : 2008PhyD..237..699L. doi :10.1016/j.physd.2007.10.009. Archivado desde el original (PDF) el 1 de octubre de 2011.
  15. ^ Solitarios, Michael A. (2014). "Metaheurísticas en algoritmos inspirados en la naturaleza". Actas de la publicación complementaria de la Conferencia Anual de 2014 sobre Computación Genética y Evolutiva (PDF) . págs. 1419-1422. CiteSeerX 10.1.1.699.1825 . doi :10.1145/2598394.2609841. ISBN  9781450328814. S2CID  14997975.
  16. ^ ab Silberholz, John; Dorado, Bruce; Gupta, Swati; Wang, Xingyin (2019), Gendreau, Michel; Potvin, Jean-Yves (eds.), "Comparación computacional de metaheurísticas", Manual de metaheurísticas , Serie internacional en investigación de operaciones y ciencia de la gestión, Cham: Springer International Publishing, págs. 581–604, doi :10.1007/978-3- 319-91086-4_18, ISBN 978-3-319-91086-4, S2CID  70030182
  17. ^ Burke, Edmundo; De Causmaecker, Patrick; Petrovic, Sanja; Berghe, Greet Vanden (2004), Resende, Mauricio GC; de Sousa, Jorge Pinho (eds.), "Búsqueda de vecindarios variables para problemas de lista de enfermeras", Metaheurísticas: toma de decisiones por computadora , optimización aplicada, Boston, MA: Springer US, págs. 153–172, doi :10.1007/978-1 -4757-4137-7_7, ISBN 978-1-4757-4137-7
  18. ^ Fu, Michael C. (1 de agosto de 2002). "Artículo destacado: Optimización para la simulación: teoría versus práctica". Revista INFORMA de Informática . 14 (3): 192–215. doi :10.1287/ijoc.14.3.192.113. ISSN  1091-9856.
  19. ^ Dorigo, Marco; Birattari, Mauro; Stutzle, Thomas (noviembre de 2006). "Optimización de colonias de hormigas". Revista de Inteligencia Computacional IEEE . 1 (4): 28–39. doi :10.1109/MCI.2006.329691. ISSN  1556-603X.
  20. ^ Hayes-Roth Frederick (1 de agosto de 1975). "Revisión de" Adaptación en sistemas naturales y artificiales por John H. Holland ", The U. of Michigan Press, 1975". Boletín ACM SIGART (53): 15. doi :10.1145/1216504.1216510. S2CID  14985677.
  21. ^ Resende, Mauricio GC; Ribeiro, Celso C. (2010), Gendreau, Michel; Potvin, Jean-Yves (eds.), "Procedimientos de búsqueda adaptativos aleatorios codiciosos: avances, hibridaciones y aplicaciones", Manual de metaheurísticas , Serie internacional sobre investigación de operaciones y ciencia de la gestión, Boston, MA: Springer US, págs. , doi :10.1007/978-1-4419-1665-5_10, ISBN 978-1-4419-1665-5
  22. ^ Kudelić, Robert; Ivković, Nikola (15 de mayo de 2019). "Algoritmo de Monte Carlo inspirado en Ant para un conjunto de arco de retroalimentación mínimo". Sistemas Expertos con Aplicaciones . 122 : 108-117. doi :10.1016/j.eswa.2018.12.021. ISSN  0957-4174. S2CID  68071710.
  23. ^ Optimización de colonias de hormigas por Marco Dorigo y Thomas Stützle, MIT Press, 2004. ISBN 0-262-04219-3 
  24. ^ Parsopoulos, KE; Vrahatis, Minnesota (2002). "Enfoques recientes a los problemas de optimización global mediante la optimización del enjambre de partículas". Computación Natural . 1 (2–3): 235–306. doi :10.1023/A:1016568309421. S2CID  4021089.
  25. ^ Optimización del enjambre de partículas por Maurice Clerc, ISTE, ISBN 1-905209-04-5 , 2006. 
  26. ^ Rosenberg, Louis (20 de julio de 2015). "Human Swarms, un método en tiempo real para la inteligencia colectiva". 20/07/2015-24/07/2015 . vol. 27. págs. 658–659. doi :10.7551/978-0-262-33027-5-ch117. ISBN 9780262330275.
  27. ^ Rosenberg, Luis; Willcox, Gregg (2020). "Inteligencia de enjambre artificial". En Bi, Yaxin; Bhatia, Rahul; Kapoor, Supriya (eds.). Sistemas Inteligentes y Aplicaciones . Avances en Sistemas Inteligentes y Computación. vol. 1037. Publicaciones internacionales Springer. págs. 1054-1070. doi :10.1007/978-3-030-29516-5_79. ISBN 9783030295165. S2CID  195258629.
  28. ^ Metcalf, Lynn; Askay, David A.; Rosenberg, Louis B. (2019). "Mantener a los humanos informados: agrupar conocimientos a través de inteligencia de enjambre artificial para mejorar la toma de decisiones comerciales". Revisión de la gestión de California . 61 (4): 84-109. doi :10.1177/0008125619862256. ISSN  0008-1256. S2CID  202323483.
  29. ^ Schumann, Hans; Willcox, Gregg; Rosenberg, Luis; Pescetelli, Niccolò (2019). "El "enjambre humano" amplifica la precisión y el retorno de la inversión al pronosticar los mercados financieros". Conferencia internacional IEEE de 2019 sobre informática y comunicación humanizadas (HCC) . págs. 77–82. doi :10.1109/HCC46620.2019.00019. ISBN 978-1-7281-4125-1. S2CID  209496644.
  30. ^ Bayern, Macy (4 de septiembre de 2018). "Cómo los sistemas de inteligencia artificial vencieron a los apostadores de Las Vegas en precisión de pronósticos deportivos". República Tecnológica . Consultado el 10 de septiembre de 2018 .
  31. ^ ab Scudellari, Megan (13 de septiembre de 2018). "AI-Human" Hive Mind "diagnostica neumonía". IEEE Spectrum: noticias sobre tecnología, ingeniería y ciencia . Consultado el 20 de julio de 2019 .
  32. ^ ab Rosenberg, Luis; Lungren, Mateo; Halabi, Safwan; Willcox, Gregg; Baltaxe, David; Lyons, Mimi (noviembre de 2018). "Inteligencia de enjambre artificial empleada para amplificar la precisión del diagnóstico en radiología". 2018 IEEE 9ª Conferencia Anual de Tecnología de la Información, Electrónica y Comunicaciones Móviles (IEMCON) . Vancouver, BC: IEEE. págs. 1186-1191. doi :10.1109/IEMCON.2018.8614883. ISBN 9781538672662. S2CID  58675679.
  33. ^ Rosenberg, Louis (13 de octubre de 2021). "Inteligencia de enjambre: la IA inspirada en las abejas puede ayudarnos a tomar mejores decisiones". Gran pensamiento .
  34. ^ Lewis, M. Antonio; Bekey, George A. "La autoorganización conductual de nanorobots utilizando reglas locales". Actas de la Conferencia Internacional IEEE/RSJ de 1992 sobre robots y sistemas inteligentes .
  35. ^ al-Rifaie, MM; Aber, A. "Identificación de metástasis en gammagrafías óseas con búsqueda de difusión estocástica". Proc. IEEE Tecnología de la Información en Medicina y Educación, ITME . 2012 : 519–523.
  36. ^ al-Rifaie, Mohammad Majid, Ahmed Aber y Ahmed Majid Oudah. "Utilización de la búsqueda de difusión estocástica para identificar metástasis en gammagrafías óseas y microcalcificaciones en mamografías [ enlace muerto ] ". En Talleres de Bioinformática y Biomedicina (BIBMW), Conferencia Internacional IEEE de 2012, págs. IEEE, 2012.
  37. ^ Martens, D.; Baesens, B.; Fawcett, T. (2011). "Encuesta editorial: inteligencia de enjambre para minería de datos". Aprendizaje automático . 82 (1): 1–42. doi : 10.1007/s10994-010-5216-5 .
  38. ^ Thrun, M.; Ultsch, A. (2021). "Inteligencia de enjambre para agrupaciones autoorganizadas". Inteligencia artificial . 290 : 103237. arXiv : 2106.05521 . doi :10.1016/j.artint.2020.103237. S2CID  213923899.
  39. ^ Fladerer, Johannes-Paul; Kurzmann, Ernst (noviembre de 2019). LA SABIDURÍA DE MUCHOS: cómo crear autoorganización y cómo utilizar la inteligencia colectiva en las empresas y en la sociedad a partir del maná . LIBROS BAJO DEMANDA. ISBN 9783750422421.
  40. ^ Whitaker, RM, Hurley, S.. Un enfoque basado en agentes para la selección de sitios para redes inalámbricas. Simposio Proc ACM sobre informática aplicada, págs. 574–577, (2002).
  41. ^ "Aviones, trenes y hormigueros: los informáticos simulan la actividad de las hormigas para reducir los retrasos de las aerolíneas". Ciencia diaria . 1 de abril de 2008. Archivado desde el original el 24 de noviembre de 2010 . Consultado el 1 de diciembre de 2010 .
  42. ^ Mahant, Manish; Singh Rathore, Kalyani; Kesharwani, Abhishek; Choudhary, Bharat (2012). "Una encuesta profunda sobre la inteligencia de enjambres". Revista internacional de investigación informática avanzada . 2 (1) . Consultado el 3 de octubre de 2022 .
  43. ^ Molinero, Peter (2010). The Smart Swarm: Cómo comprender las bandadas, las escuelas y las colonias puede mejorar nuestra comunicación, la toma de decisiones y la realización de las cosas . Nueva York: Avery. ISBN 978-1-58333-390-7.
  44. ^ Oxenham, Simón. "Por qué las abejas podrían ser el secreto de la inteligencia sobrehumana" . Consultado el 20 de enero de 2017 .
  45. ^ Rosenberg, L.; Pescetelli, N.; Willcox, G. (octubre de 2017). "La inteligencia artificial de enjambre amplifica la precisión al predecir los mercados financieros". 2017 IEEE 8.ª Conferencia Anual sobre Computación Ubicua, Electrónica y Comunicaciones Móviles (UEMCON) . págs. 58–62. doi :10.1109/UEMCON.2017.8248984. ISBN 978-1-5386-1104-3. S2CID  21312426.
  46. ^ "Más inteligentes como grupo: cómo la inteligencia de enjambre eligió a los ganadores del Derby". Monitor de la Ciencia Cristiana .
  47. ^ "La startup de IA aprovecha la inteligencia del 'enjambre' humano para predecir los ganadores". CNET .
  48. ^ Rosenberg, Louis (12 de febrero de 2016). "Inteligencia de enjambre artificial, un enfoque humano integrado para la IA" Actas de la trigésima conferencia de la AAAI sobre inteligencia artificial . AAAI'16. Phoenix, Arizona: Prensa AAAI: 4381–4382.
  49. ^ "La IA unánime logra diagnósticos de neumonía un 22% más precisos". VentureBeat . 2018-09-10 . Consultado el 20 de julio de 2019 .
  50. ^ "Un enjambre de conocimientos - Revista Radiology Today". www.radiologytoday.net . Consultado el 20 de julio de 2019 .
  51. ^ Shah, Rutwik; Astuto, Bruno; Gleason, Tyler; Fletcher, voluntad; Banaga, Justin; Madera dulce, Kevin; Sí, Allen; Patel, Rina; McGill, Kevin; Enlace, Tomás; Grúa, Jason (6 de septiembre de 2021). "Utilizar una plataforma de inteligencia de enjambre digital para mejorar el consenso entre radiólogos y explorar sus aplicaciones". arXiv : 2107.07341 [cs.HC].
  52. ^ Shah, Rutwik; Astuto Arouche Nunes, Bruno; Gleason, Tyler; Fletcher, voluntad; Banaga, Justin; Madera dulce, Kevin; Sí, Allen; Patel, Rina; McGill, Kevin; Enlace, Tomás; Grúa, Jason; Pedoia, Valentina; Majumdar, Sharmila (4 de abril de 2023). "Utilización de una plataforma de inteligencia de enjambre digital para mejorar el consenso entre radiólogos y explorar sus aplicaciones". Revista de Imágenes Digitales . 36 (2): 401–413. doi :10.1007/s10278-022-00662-3. PMC 10039189 . PMID  36414832. 
  53. ^ vonMammen, Sebastián; Jacob, cristiano (2009). "La evolución de las gramáticas de enjambre: cultivar árboles, crear arte y diseño ascendente". Revista de Inteligencia Computacional IEEE . 4 (3): 10-19. CiteSeerX 10.1.1.384.9486 . doi :10.1109/MCI.2009.933096. S2CID  17882213. 
  54. ^ du Castel, Bertrand (15 de julio de 2015). "Teoría de la mente del reconocimiento/activación de patrones". Fronteras en neurociencia computacional . 9 (90): 90. doi : 10.3389/fncom.2015.00090 . PMC 4502584 . PMID  26236228. 
  55. ^ ab al-Rifaie, MM; Obispo, JM; Caines, S. (2012). "Creatividad y autonomía en sistemas de inteligencia de enjambre" (PDF) . Computación cognitiva . 4 (3): 320–331. doi :10.1007/s12559-012-9130-y. S2CID  942335.
  56. ^ Deleuze G, Guattari F, Massumi B. Mil mesetas. Minneapolis: Prensa de la Universidad de Minnesota; 2004.
  57. ^ Al-Rifaie, Mohammad Majid; Obispo, Juan Marcos (2013). "Bocetos enjambres y mecanismo de atención" (PDF) . Música, sonido, arte y diseño evolutivos y de inspiración biológica (PDF) . Apuntes de conferencias sobre informática. vol. 7834, págs. 85–96. doi :10.1007/978-3-642-36955-1_8. ISBN 978-3-642-36954-4.
  58. ^ Al-Rifaie, Mohammad Majid; Obispo, Juan Marcos (2013). "Pinturas enjambres y atención al color" (PDF) . Música, sonido, arte y diseño evolutivos y de inspiración biológica (PDF) . Apuntes de conferencias sobre informática. vol. 7834, págs. 97-108. doi :10.1007/978-3-642-36955-1_9. ISBN 978-3-642-36954-4.
  59. ^ al-Rifaie, Mohammad Majid, Mark JM Bishop y Ahmed Aber. "¿Creativo o no? Los pájaros y las hormigas dibujan con músculos". Actas de AISB'11 Computación y Filosofía (2011): 23-30.
  60. ↑ al-Rifaie MM, Bishop M (2013) Inteligencia de enjambre y creatividad artificial débil Archivado el 11 de agosto de 2019 en Wayback Machine . En: Asociación para el Avance de la Inteligencia Artificial (AAAI) 2013: Simposio de primavera, Universidad de Stanford, Palo Alto, California, EE. UU., págs. 14-19
  61. ^ "Laboratorio Correll". Laboratorio Correll .

Otras lecturas

enlaces externos