Capítulo 1 : Inteligência de enxame
O comportamento coletivo de sistemas descentralizados e auto-organizados, naturais ou artificiais, é o que se chama de inteligência de enxame (SI). A ideia é usada em pesquisas que estão sendo feitas sobre inteligência artificial. Em 1989, Gerardo Beni e Jing Wang foram os primeiros a usar a expressão "sistemas robóticos celulares" em conexão com suas respetivas áreas de estudo. Em sistemas naturais, a inteligência de enxame pode ser vista em coisas como colônias de formigas, colônias de abelhas, bando de pássaros, caça de falcões, pastoreio de animais, crescimento bacteriano, cardume de peixes e inteligência microbiana. Outros exemplos incluem o pastoreio de animais.
A robótica de enxame refere-se à aplicação de princípios de enxame a robôs, enquanto a inteligência de enxame refere-se à coleção mais ampla de algoritmos que podem ser usados na robótica de enxames. O conceito de previsão de enxames tem sido usado para a resolução de problemas de previsão. No campo da inteligência coletiva sintética, técnicas semelhantes às que foram sugeridas para robôs enxames estão sendo estudadas para animais geneticamente modificados.
Boids é um software que replica o comportamento das aves que se agrupam e que foi criado por Craig Reynolds em 1986 como parte de um sistema de vida artificial. O seu artigo sobre este assunto foi incluído nas atas da conferência ACM SIGGRAPH em 1987 e aí foi publicado. Uma coisa parecida com um pássaro é referida como um "boid", que é uma forma abreviada da frase "objeto pássaro-óide". A palavra "cozido" refere-se a esta versão reduzida.
Boids é um exemplo de comportamento emergente, o que significa que a complexidade dos Boids vem da interação de agentes individuais (os boids, neste caso), cada um dos quais adere a um conjunto de regras básicas. Isto é verdade para a maioria das simulações de vida artificial. As seguintes diretrizes regem o comportamento na forma mais básica do mundo Boids::
Separação: Dirija para evitar apertar com as outras ovelhas próximas.
Alinhamento: Vá na direção geral que a maioria dos companheiros de rebanho próximos estão indo.
Coesão: Migre para a localização média (centro de massa) dos companheiros de rebanho próximos, seguindo as instruções do líder para fazê-lo.
É possível introduzir regras mais complicadas, como evitar obstáculos e trabalhar em direção aos seus objetivos.
As partículas autopropulsionadas, ou SPP, foram descritas pela primeira vez por Vicsek e colegas em 1995. Este modelo também é conhecido como o modelo Vicsek.
A maioria do trabalho no assunto de metaheurísticas inspiradas na natureza é feita usando algoritmos evolutivos (EA), otimização de enxame de partículas (PSO), evolução diferencial (DE) e otimização de colônias de formigas (ACO), bem como seus derivados. Os algoritmos lançados até cerca do ano 2000 estão incluídos nesta lista. A comunidade de pesquisa começou a criticar um número significativo de metaheurísticas inspiradas em metáforas mais recentes por mascarar sua falta de originalidade por trás de uma metáfora intrincada. Esta crítica é dirigida a um grande número de metaheurísticas inspiradas em metáforas. Veja a lista de metaheurísticas baseadas em metáforas para quaisquer algoritmos que tenham sido publicados após esse período.
O uso de metaheurísticas não é recomendado devido à sua falta de confiabilidade.
A primeira edição foi lançada em 1989. Pesquisa baseada em difusão estocástica (SDS)
Otimização de colônia de formigas (ACO) é uma família de algoritmos de otimização que é padronizada nas atividades de uma colônia de formigas. A otimização de colônias de formigas foi desenvolvida pela primeira vez por Dorigo em sua tese de doutorado. O algoritmo ACO é um método probabilístico que pode ser útil na resolução de problemas que envolvem encontrar melhores caminhos entre gráficos. As "formigas" artificiais, também conhecidas como agentes de simulação, são usadas para identificar soluções ótimas, atravessando um espaço de parâmetros que representa todas as soluções potenciais. Durante o processo de exploração do seu habitat, as formigas naturais deixam para trás rastros de feromônio que guiam outras formigas para os recursos. As "formigas" simuladas também acompanham suas localizações e a qualidade das soluções que apresentam, o que permite melhores resultados nas rodadas seguintes da simulação, fazendo com que mais formigas procurem melhores opções.
A otimização do enxame de partículas, muitas vezes conhecida como PSO, é um método para lidar com problemas em que a solução ideal pode ser representada como um ponto ou superfície em um espaço n-dimensional. A OSP é considerada uma técnica de otimização global. As hipóteses são mapeadas neste espaço e semeadas com uma velocidade inicial. Além disso, é estabelecido um canal de comunicação entre as diferentes partículas. Depois disso, as partículas viajarão pelo espaço da solução e, no final de cada etapa, serão avaliadas de acordo com alguns critérios de aptidão. As partículas, ao longo do tempo, são gradualmente impulsionadas para a direção de outras partículas dentro do seu agrupamento de comunicação que têm valores de aptidão mais elevados. O grande número de membros que compõem o enxame de partículas torna a técnica impressionantemente resistente à questão dos mínimos locais, que é o principal benefício de tal abordagem em comparação com outras estratégias globais de minimização, como o recozimento simulado. Outras estratégias globais de minimização incluem:.
O termo "Inteligência de Enxame Artificial", ou ASI, refere-se a uma forma de aumentar a inteligência coletiva de grupos humanos em rede usando algoritmos de controle que são padronizados após o comportamento de enxames naturais. A tecnologia, que une grupos de participantes humanos em sistemas em tempo real que discutem e estabelecem respostas como enxames dinâmicos quando simultaneamente apresentados a uma consulta, é muitas vezes referida como Human Swarming ou Swarm AI.
Técnicas baseadas em inteligência de enxame podem ser usadas em uma variedade de aplicações diferentes. Para efeitos de gestão de veículos autónomos, os militares dos Estados Unidos estão a estudar táticas de enxame. A Agência Espacial Europeia está a considerar a utilização de um enxame orbital para fins de interferometria e auto-montagem. O emprego da tecnologia de enxames para fins de mapeamento planetário é algo que a NASA está analisando. M. Anthony Lewis e George A. Bekey publicaram um estudo em 1992 no qual discutiram a perspetiva de usar inteligência de enxame para gerenciar nanobots dentro do corpo com o objetivo de destruir tumores cancerígenos.
Foram também realizadas investigações sobre a utilização de informações de enxame no domínio das redes de comunicações, nomeadamente sob a forma de encaminhamento baseado em formigas. Durante a metade da década de 1990, este foi desenvolvido pela primeira vez de forma independente por Dorigo et al., e pela Hewlett Packard. Desde então, uma variedade de outras variações foram desenvolvidas. Em essência, isso faz uso de uma tabela de roteamento probabilística que recompensa e reforça o caminho que foi percorrido com sucesso por cada "formiga", que é um pequeno pacote de controle que inunda a rede. Foram realizadas pesquisas sobre o reforço da rota nas direções para frente e para trás, bem como em ambas as direções ao mesmo tempo. O reforço para trás requer uma rede simétrica e une as duas direções, enquanto o reforço para frente recompensa uma rota antes que o resultado seja conhecido (mas então pagar-se-ia pelo cinema antes de se saber o quão bom é o filme). Como resultado do comportamento estocástico do sistema e, como consequência, sua falta de repetibilidade, existem barreiras significativas para a adoção comercial da tecnologia. Devido à inteligência do enxame, a mídia móvel e outras tecnologias recém-desenvolvidas têm a capacidade de alterar o limiar para a ação coletiva (Rheingold: 2002, P175).
A colocação ideal do equipamento de transmissão para redes de comunicação sem fio é um desafio técnico significativo que envolve o equilíbrio de uma série de objetivos conflitantes. Sob a condição de que a cobertura de área adequada seja fornecida aos usuários, apenas uma seleção limitada de locais (ou locais) é necessária. A pesquisa de difusão estocástica (SDS), uma técnica de inteligência de enxame que foi bem diferente inspirada nas formigas, tem sido utilizada de forma eficaz para dar um modelo genérico para esta questão, que está ligado à embalagem em círculo e à cobertura do conjunto. Demonstrou-se que a FDS pode ser utilizada para localizar respostas adequadas, não obstante a dimensão da questão que está a ser investigada.
A tecnologia Swarm está sendo usada por artistas como um método para a criação de sistemas interativos complicados ou a simulação de multidões.
Durante as sequências de luta da trilogia de filmes O Senhor dos Anéis, uma peça comparável de tecnologia chamada Massive (software) foi usada. A tecnologia Swarm é especialmente atraente devido ao fato de que não é apenas barata, mas também fácil e confiável.
Breaking the Ice foi o primeiro filme a usar tecnologia de enxame para renderização, e foi o primeiro filme a representar com precisão os movimentos de grupos de peixes e pássaros usando o sistema Boids. Stanley e Stella estrelaram o filme.
No filme Batman Returns, dirigido por Tim Burton, a tecnologia de enxame foi novamente usada...
