De los grandes avances de la humanidad, muchos se basan en la observación de la naturaleza o en la imitación de procesos naturales. La domesticación de plantas y animales se fundamenta en la selección artificial, una versión antropizada de la selección natural; la estructura aerodinámica o hidrodinámica de vehículos terrestres, aéreos o acuáticos parecen inspiradas en el movimiento de animales como aves, cetáceos y peces; el velcro tiene grandes similitudes con los frutos de cardos y bardanas; la piel del tiburón ha inspirado la creación de tejidos para el buceo…
Esta forma de copiar o de inspirarse en patrones biológicos de los avances tecnológicos se denomina biomimesis, son pocos los descubrimientos en aspectos de comportamiento o materiales desarrollados por seres vivos que no tengan aplicaciones tecnológicas. Y el comportamiento de las hormigas no es una excepción.
La sociedad de las feromonas
Una colonia de hormigas es un sistema biológico extraordinariamente complejo. En el hormiguero, cada hormiga individual cumple una función específica que redunda en beneficio de la colonia, incluso aunque ese comportamiento le perjudique como individuo. Las hormigas de una colonia cooperan y colaboran, coordinadas de manera semejante a las células en un organismo. Algunos investigadores llaman a este fenómeno ‘eusocialidad’ , mientras que otros califican al hormiguero como superorganismo.
La forma de coordinarse de estos organismos es mediante una serie de productos químicos que son capaces de emitir y percibir, denominados feromonas. Hasta el 12 % del volumen del cerebro de una hormiga está destinado al reconocimiento e interpretación de las feromonas.
A partir de glándulas dispuestas en distintas partes de su cuerpo, una hormiga produce estas sustancias semivolátiles, que tienen distintos significados en función de su composición y su concentración; aunque tal vez la función principal sea la de marcar un rastro; las feromonas, en ese sentido, funcionan como las ‘migas de pan’ del cuento de Hansel y Grettel.
Optimizando el camino de migas de pan
Algunos individuos del hormiguero están especializados en la búsqueda de alimento. Caminan erráticamente hasta que, por mero azar, hallan un recurso útil para la colonia. Entonces, regresan al nido, de la forma más directa que es capaz de seguir, dejando tras de sí un rastro de feromonas.
Con el primer rastro establecido, otras hormigas se encaminan hacia la fuente de alimento, siguiendo la ruta de ‘migas de pan’ dejado por la exploradora, y dejando, a su vez, su propio rastro de feromonas, reforzando así el camino. Pero ese camino puede no ser necesariamente el más corto; la obrera que halló el recurso por primera vez tuvo que intuir el camino de vuelta, por lo que es más que probable que ese primer rastro de muchos rodeos innecesarios.
Algunas hormigas toman rutas alternativas. En su viaje pueden volver a encontrarse con el rastro original o crear un nuevo camino independiente. Otras hormigas toman esa nueva ruta, con el fin de explotar el recurso, y con el tiempo, otros nuevos caminos se añaden al repertorio, cruzándose unos con otros formando una red de rutas.
Una particularidad de esa red es que esquiva cualquier impedimento insalvable del terreno. Es una consecuencia de la forma en la que se construye: cualquier camino que una hormiga no pueda tomar, no tendrá rastro de feromonas. Pero lo realmente fascinante es que, de forma natural, muchos de los caminos generados durante el proceso se van abandonando, y la ruta se optimiza.
Esta optimización no es deliberada. Las hormigas no son conscientes de qué camino es el mejor. Simplemente, el camino por el que las hormigas viajan más rápido facilita a las hormigas hacer más viajes en menos tiempo. Las feromonas son semivolátiles, las ‘migas de pan’ no duran para siempre, se van evaporando poco a poco, y las sendas donde no se renuevan con cierta frecuencia se difuminan, y terminan desapareciendo. Pero las más eficientes generan un mayor trasiego de hormigas. Eso desemboca en un rastro feromonal más fuerte y, por lo tanto, preferido por las hormigas, que priorizarán esa ruta sobre las demás, y reforzarán aún más el rastro.
Finalmente, de toda la posible red de caminos tejida inicialmente, solo domina una ruta, o unas pocas: las más eficientes. Aunque intuitivamente se puede pensar que será siempre la más corta, no tiene por qué serlo. Puede que la ruta más corta implique un área escarpada, una piedra o cualquier otro tipo de obstáculo fácil de salvar cuando se va hacia la fuente de alimento, pero difícil de atravesar cuando se lleva una carga que pesa varias veces más que su cuerpo; en estas situaciones, un pequeño rodeo que evite el obstáculo puede ser más eficiente.
El algoritmo de la colonia de hormigas
Las hormigas, sin disponer de la inteligencia humana ni de su tecnología, han perfeccionado un sistema de optimización de viajes que para el ser humano ha sido un reto durante siglos. No es extraño que la tecnología haya aprovechado ese comportamiento tan fascinante. En ciencias de la computación se conoce como algoritmo de la colonia de hormigas, y es una técnica probabilística que se basa en buscar la ruta óptima en un grafo.
Un grafo es una estructura matemática que tiene, esencialmente, dos elementos: vértices y aristas. Los vértices se representan por puntos distribuidos en el espacio y las aristas son líneas que unen los vértices, y representan relaciones entre ellos. Los grafos pueden emplearse para representar superficies reales, —como mapas o callejeros—, o para visualizar relaciones más abstractas; la red trófica de un ecosistema, o la comunidad de una red social pueden expresarse en forma de grafo. La red de caminos de una hormiga también es un grafo.
El algoritmo de la colonia de hormigas permite, por lo tanto, establecer la ruta óptima entre dos vértices de un grafo; esta ruta óptima se puede interpretar, además, como aquella que requiera un menor número de vértices intermedios, aunque la distancia recorrida sea mayor, o como la que utilice la menor distancia posible aunque emplee un mayor número de vértices—.
Este algoritmo, o alguna versión más compleja y elaborada del mismo, se puede aplicar al análisis informático, a buscadores de páginas web, a las redes sociales, a estudios ecológicos y sociológicos, y a muchas otras aplicaciones.
Por ejemplo, es lo que permite a las herramietas de mapas digitales elegir la mejor ruta entre dos puntos de una ciudad, y además, optimizar el viaje según las preferencias del usuario. Por ejemplo, si en una ruta de autobús, se opta por una ruta con menos trasbordos, aunque se emplee más tiempo —menos vértices, más distancia—, o aquella que sea más rápida, aunque tenga más trasbordos —menos distancia, más vértices—.
Los algoritmos de colonias de hormigas más modernos pueden ponderar el valor de algunas soluciones, establecer criterios de exclusión o de cumplimiento obligatorio, e incluso aplicar métodos de lógica difusa. Este tipo de algoritmos, cada vez más complejos, han mejorado sustancialmente las aplicaciones de la inteligencia artificial. Sin embargo, en esencia, conservan ese funcionamiento original: la hormiga que busca la ruta más eficiente para regresar al nido con la comida que acaba de encontrar, y va dejando, como Hansel y Grettel, un camino de ‘migas de pan’.
Referencias:
- David Morgan, E. 2009. Trail pheromones of ants. Physiological Entomology, 34(1), 1-17. DOI: 10.1111/j.1365-3032.2008.00658.x
- Deneubourg, J.-L. et al. 1990. The self-organizing exploratory pattern of the argentine ant. Journal of Insect Behavior, 3(2), 159-168. DOI: 10.1007/BF01417909
- Hu, X. et al. 2008. Orthogonal methods based ant colony search for solving continuous optimization problems. Journal of Computer Science and Technology, 23(1), 2-18. DOI: 10.1007/s11390-008-9111-5
- Jaiswal, U. et al. 2011. Ant_Colony_Optimization. 2(7).
- Marsh, L. et al. 2008. Stigmergic epistemology, stigmergic cognition. Cognitive Systems Research, 9(1-2), 136-149. DOI: 10.1016/j.cogsys.2007.06.009
- Mullen, R. J. et al. 2009. A review of ant algorithms. Expert Systems with Applications, 36(6), 9608-9617. DOI: 10.1016/j.eswa.2009.01.020
