La inteligencia artificial distribuida (DAI, por sus siglas en inglés) es un enfoque para resolver problemas complejos de aprendizaje, planificación y toma de decisiones. Este enfoque aprovecha la computación a gran escala y la distribución espacial de los recursos informáticos. La DAI se basa en nodos de procesamiento de aprendizaje autónomos (agentes) que están distribuidos, a menudo a gran escala. Estos agentes pueden actuar de forma independiente y las soluciones parciales se integran a través de la comunicación entre ellos, a menudo de manera asíncrona. Debido a su escala, los sistemas DAI son robustos y elásticos, y por necesidad, están débilmente acoplados. Además, los sistemas DAI están diseñados para adaptarse a cambios en la definición del problema o en los conjuntos de datos subyacentes debido a la escala y la dificultad de la redistribución. A diferencia de los sistemas de inteligencia artificial monolíticos o centralizados, los sistemas DAI no requieren que todos los datos relevantes se agreguen en una ubicación única. Por lo tanto, estos sistemas a menudo operan en submuestras o impresiones hash de conjuntos de datos muy grandes. Además, el conjunto de datos fuente puede cambiar o actualizarse durante la ejecución de un sistema DAI.
Desarrollo de la inteligencia artificial distribuida
La inteligencia artificial distribuida surgió como un subcampo de la inteligencia artificial en 1975, y se ocupaba de las interacciones entre agentes inteligentes. Los sistemas de inteligencia artificial distribuida se concibieron como un grupo de entidades inteligentes, llamadas agentes, que interactuaban mediante la cooperación, la coexistencia o la competencia. La DAI se divide en sistemas multiagente y resolución de problemas distribuidos. En los sistemas multiagente, el enfoque principal es cómo los agentes coordinan sus conocimientos y actividades. En la resolución de problemas distribuidos, el enfoque principal es cómo se descompone el problema y se sintetizan las soluciones.
Objetivos de la inteligencia artificial distribuida
Los objetivos de la inteligencia artificial distribuida son resolver los problemas de razonamiento, planificación, aprendizaje y percepción de la inteligencia artificial, especialmente cuando requieren grandes conjuntos de datos, distribuyendo el problema en nodos de procesamiento autónomos (agentes). Para alcanzar este objetivo, la DAI requiere:
- Un sistema distribuido con capacidad de cálculo robusta y elástica en recursos informáticos poco confiables y propensos a fallas, que estén débilmente acoplados.
- Coordinación de las acciones y comunicación entre los nodos.
- Submuestras de conjuntos de datos grandes y aprendizaje automático en línea.
Existen muchas razones por las que se desea distribuir la inteligencia o lidiar con sistemas multiagente. Los problemas principales en la investigación de la DAI incluyen:
- Resolución paralela de problemas: se ocupa principalmente de cómo se pueden modificar los conceptos clásicos de inteligencia artificial para que se puedan utilizar sistemas multiprocesador y clústeres de computadoras para acelerar los cálculos.
- Resolución de problemas distribuidos: el concepto de agente, entidades autónomas que pueden comunicarse entre sí, se desarrolló para servir como una abstracción para el desarrollo de sistemas de resolución de problemas distribuidos.
- Simulación basada en multiagentes: una rama de la DAI que sienta las bases para simulaciones que necesitan analizar no solo fenómenos a nivel macro, sino también a nivel micro, como ocurre en muchos escenarios de simulación social.
Enfoques de la inteligencia artificial distribuida
Se han desarrollado dos tipos de DAI:
- En los sistemas multiagente, los agentes coordinan sus conocimientos y actividades, y razonan sobre los procesos de coordinación. Los agentes son entidades físicas o virtuales que pueden actuar, percibir su entorno y comunicarse con otros agentes. Los agentes son autónomos y tienen habilidades para alcanzar objetivos. Los agentes pueden cambiar el estado de su entorno mediante sus acciones. Existen diferentes técnicas de coordinación.
- En la resolución de problemas distribuidos, el trabajo se divide entre los nodos y se comparte el conocimiento. Las principales preocupaciones son la descomposición de tareas y la síntesis del conocimiento y las soluciones. La DAI puede aplicar un enfoque ascendente (bottom-up) para la inteligencia artificial, similar a la arquitectura de subsumación, así como el enfoque tradicional descendente (top-down) de la inteligencia artificial. Además, la DAI también puede ser un vehículo para la emergencia.
Desafíos de la inteligencia artificial distribuida
Los desafíos en la DAI incluyen:
- Cómo llevar a cabo la comunicación e interacción de los agentes y qué lenguaje o protocolos de comunicación se deben utilizar.
- Cómo garantizar la coherencia de los agentes.
- Cómo sintetizar los resultados entre el grupo de agentes inteligentes mediante formulación, descripción, descomposición y asignación.
Agentes en la inteligencia artificial distribuida
Los sistemas DAI involucran agentes, que pueden ser entidades físicas o virtuales con límites y interfaces estándar diseñados para resolver problemas. Los sistemas multiagente se definen como una red de agentes que están débilmente acoplados y trabajan como una sola entidad, como una sociedad, para resolver problemas que un agente individual no puede resolver.
En la DAI, se utiliza el concepto de agentes de software, que son entidades autónomas virtuales (o físicas) que comprenden su entorno y actúan sobre él. Estos agentes suelen ser capaces de comunicarse con otros agentes en el mismo sistema para lograr un objetivo común que un agente solo no podría lograr. Este sistema de comunicación utiliza un lenguaje de comunicación de agentes. Los agentes se pueden clasificar en agentes reactivos, agentes deliberativos y agentes híbridos, según su forma de actuar y tomar decisiones. Además, existen diferentes arquitecturas de agentes reconocidas que describen cómo se estructura internamente un agente.
La programación de inteligencia artificial distribuida es un enfoque poderoso para resolver problemas complejos que requieren grandes conjuntos de datos. Al distribuir el problema en nodos de procesamiento autónomos, los sistemas DAI pueden aprovechar la computación a gran escala y la distribución espacial de los recursos informáticos. Sin embargo, la programación de la DAI también presenta desafíos en términos de comunicación y coordinación entre agentes, así como en la síntesis de resultados. A pesar de estos desafíos, la inteligencia artificial distribuida ofrece la capacidad de resolver problemas a gran escala y adaptarse a cambios en la definición del problema o en los conjuntos de datos subyacentes.
Si quieres conocer otras notas parecidas a Programación de inteligencia artificial distribuida puedes visitar la categoría Inteligencia.