Un modelo basado en agentes (MBA) es
un tipo de modelo
computacional que permite la simulación de
acciones e interacciones de individuos autónomos dentro de un entorno, y
permite determinar qué efectos producen en el conjunto del sistema.
Combina elementos de teoría
de juegos, sistemas
complejos, emergencia, sociología
computacional, sistemas
multi-agente, y programación
evolutiva.
Los modelos simulan las operaciones simultáneas de entidades
múltiples (agentes) en un intento de recrear y predecir las acciones de
fenómenos complejos. Es un proceso de emergencia desde el nivel más
elemental (micro) al más elevado (macro).
Generalmente los agentes individuales actúan según lo que
perciben como sus intereses propios, tales como reproducción, beneficio
económico o status social, y su conocimiento es limitado. Los agentes MBA
pueden experimentar “aprendizaje”, adaptación y reproducción.
Consiste en una colección de agentes, un conjunto de reglas
de comportamiento y un entorno o ambiente. Un agente constituye la unidad
elemental e indivisible de un sistema, por ejemplo, una persona, un grupo de
personas, un hogar, o una organización.
Los agentes, por definición, tienen un propósito y responde
decidiendo o actuando conforme a las reglas que rigen su comportamiento.
Éstas diferencian a cada agente, definen las interrelaciones entre los
agentes y el ambiente, y establecen la secuencia de acciones con el tiempo.
Las reglas se activan bajo condiciones distintas. El
comportamiento puede ser reactivo (llamado cambio pasivo) o proactivo
(llamado anticipatorio). Al actuar, cada agente va modificando el ambiente
hasta que se alcanza el estado de equilibrio y se genera un patrón general
de comportamiento que ya no cambia.
El comportamiento dinámico que implica toda MBA se genera al
momento en que los agentes hacen un barrido del ambiente y evalúan su
situación. De esta forma, la MBA involucra tres cuestiones esenciales.
La primera es la cognición, que se refiere a cómo los
agentes perciben y aprenden acerca de los cambios en su entorno. La
cognición considera explícitamente cómo el cambio o adaptación del
comportamiento de un agente modifica la respuesta general de un sistema en
su conjunto.
Ello conduce a la segunda cuestión que es la
emergencia de patrones geográficos que resultan del comportamiento homogéneo
de los agentes en el tiempo y el espacio. Así, dichos patrones presentan un
orden que se repite en las diferentes escalas, aunque puedan parecer como
irregulares a primera vista.
La tercera cuestión destaca la importancia de concebir
dichos patrones como resultado de interacciones de redes de agentes y su
entorno. Las interrelaciones entre agentes pueden ser de cooperación o de
conflicto. Además, los agentes pueden aprender, adaptarse y mejorar sus
decisiones con el tiempo.
En el contexto transdisciplinario, consecuentemente, la MBA
se utiliza para dilucidar qué estructuras sociales emergen a partir de
acciones de agentes individuales y, a su vez, cómo estas estructuras afectan
las creencias, valores e intereses de cada agente. Al combinarse con los
sistemas de información geográfica, la capacidad de la MBA se amplía hacia
la representación del comportamiento de los agentes en el tiempo y el
espacio. De esta manera, es posible entender por qué y cómo evolucionan
patrones geográficos como la ocupación territorial, por ejemplo.
Figura 1. Representación
esquemática de la MBA integrada al SIG-MMC
Cómo se usó
La MBA se utiliza para generar experimentos virtuales (que
consisten en aplicar tratamientos a partes aisladas de un sistema y observar
qué ocurre). De esta manera, se busca aislar y analizar los fenómenos
sociales que determinan la vulnerabilidad a las inundaciones, la escasez de
agua y las afectaciones a la salud. En suma, los experimentos virtuales
esclarecen el papel de agente en el desencadenamiento de los riesgos
socio-hidrológicos específicos para cada grupo de la población urbana.
Que tecnologías se utilizan.
Pues bien acá es donde entran en juego la Inteligencia
Artificial aplicando una infinidad de técnicas que pueden predecir eventos
que en base a variables de entrada responderán los agentes.
Literatura relevante
-
Cardoso, C., F., Bert, &
G., Podestá. (2014). Modelos basados en agentes (MBA): definición,
alcances y limitaciones
http://www.iai.int/wp-content/uploads/2014/03/Cardoso_et_al_Manual_ABM.pdf.
-
García-Valdecasas, J. I. (2011). La simulación basada en
agentes: una nueva forma de explorar fenómenos sociales. Reis 136:91-100
doi:10.5477/cis/reis.136.91.
-
Heppenstall, A. J. J., Crooks, A. T. T., See, L. M. M.,
Batty, M. (Eds.). (2012). Agent based models of geographic systems.
Springer Netherlands.
-
Railsback, S. F., & V., Grimm. (2012). Agent-based and
individual-based modeling, a practical introduction. Princeton
University Press, New Jersey.
