Un equipo de agentes inteligentes
Los sistemas inteligentes distribuidos se encuentran en todo tipo de aplicaciones, como vehículos autónomos, redes vehiculares ad hoc o redes inteligentes de distribución eléctrica. La planificación ante una situación de incertidumbre es un tema que ha sido estudiado en profundidad aplicado a un agente aislado. No obstante, los métodos centralizados para agentes aislados no colman las necesidades de los sistemas multiagente a gran escala. Financiado por la Unión Europea, el proyecto «Planning under uncertainty for real-world multi-agent systems» (PURE-MAS) se ocupó de estudiar los procesos decisorios de los sistemas multiagente. Su investigación partió de diversos modelos multiagente dedicados a agentes cooperativos, como por ejemplo procesos de decisión de Markov parcialmente observables y descentralizados (dec-POMDP) y otros modelos multiagente relacionados de toma de decisiones secuencial. Los científicos al cargo mejoraron la escalabilidad en cuanto al horizonte de planificación y la cantidad de agentes. La utilización de uno de los planificadores dec-POMDP ideales y más rápidos permitió al equipo científico computar horizontes de planificación hasta entonces fuera de sus posibilidades. Además, mediante el aprovechamiento de su estructura, se progresó considerablemente en la ampliación de la planificación hasta equipos de tamaños sin precedentes. Al margen de la escalabilidad, en PURE-MAS se exploraron dos tipos de representaciones basadas en eventos con las que abordar cambios relevantes en el entorno y, de este modo, lograr un nivel de abstracción superior. Su trabajo allana el camino para el logro de agentes de planificación en línea capaces de adaptarse a un entorno dinámico mediante una modificación continua de los planes mientras se están ejecutando. Además se propusieron varios algoritmos con los que optimizar la comunicación entre los agentes. La combinación de teoría de juegos y planificación permitió a los responsables del proyecto obtener una planificación coordinada de cada uno de los agentes. En concreto, distintas técnicas de diseño de mecanismos dinámicos contribuyeron a alinear los incentivos de las diversas partes contratantes. Estas técnicas permiten a las partes humanas aprender que la cooperación entre competidores puede resultar beneficiosa y las autoridades viales redactar así contratos de mantenimiento mejores. Otro logro del proyecto consistió en una demostración de que un equipo pequeño de robots es capaz de realizar un seguimiento de un objetivo móvil. En PURE-MAS también se optimizó el sistema multiagente para que proporcionase inteligencia a una red de distribución eléctrica inteligente. PURE-MAS contribuyó en gran medida a uno de los mayores logros en el campo de la inteligencia artificial, esto es, cómo construir múltiples agentes inteligentes que perciben su entorno y ejecutan sus propias acciones. Todos los progresos del proyecto tienen aplicación en los sistemas de transporte, las redes de distribución eléctrica inteligentes y las cámaras de seguridad.
Palabras clave
Agentes inteligentes, sistemas multiagente, inteligencia artificial, planificación ante incertidumbres, parcialmente observable, sistemas de inteligencia distribuida, toma de decisiones secuencial multiagente, horizonte de planificación
