Sistemas Multiagente
Los sistemas multiagente estudian cómo múltiples agentes autónomos e interactuantes —cada uno con su propia información, objetivos y toma de decisiones— se coordinan, cooperan o compiten para lograr resultados individuales o colectivos.
Definition
Un sistema multiagente es un sistema de múltiples agentes autónomos que interactúan dentro de un entorno compartido, donde cada agente percibe, decide y actúa, y el resultado depende conjuntamente de las elecciones de los agentes.
Scope
Esta área abarca los sistemas compuestos por muchos agentes interactuantes y los principios que rigen su interacción: el análisis de la teoría de juegos del comportamiento estratégico y los equilibrios, la coordinación y cooperación entre agentes, la resolución distribuida de problemas y la satisfacción de restricciones, y el diseño de mecanismos para la ingeniería de interacciones con propiedades deseables. Trata a los agentes como tomadores de decisiones cuyas elecciones se afectan mutuamente. La maquinaria interna de toma de decisiones de un solo agente se cubre bajo el razonamiento en condiciones de incertidumbre, y el aprendizaje en interacción pertenece al subcampo del aprendizaje automático.
Sub-topics
Core questions
- ¿Cómo se comportan estratégicamente los agentes egoístas y qué resultados estables (equilibrios) se obtienen?
- ¿Cómo pueden los agentes coordinar sus acciones y cooperar para lograr objetivos compartidos o compatibles?
- ¿Cómo se puede resolver un problema distribuyéndolo entre múltiples agentes con información parcial?
- ¿Cómo se pueden diseñar las reglas de interacción para que surjan resultados deseables en todo el sistema?
Key concepts
- agentes autónomos
- interacción estratégica y teoría de juegos
- equilibrio de Nash
- coordinación y negociación
- cooperación y trabajo en equipo
- resolución distribuida de problemas
- diseño de mecanismos y subastas
- comunicación entre agentes
Key theories
- Análisis de equilibrio de la teoría de juegos
- La teoría de juegos modela a los agentes como tomadores de decisiones racionales cuyas recompensas dependen de las acciones de otros, y los conceptos de equilibrio, como el equilibrio de Nash, predicen un comportamiento conjunto estable, proporcionando la base analítica para la interacción estratégica entre agentes.
- Coordinación y cooperación
- Los agentes con información limitada y objetivos superpuestos deben coordinarse para evitar conflictos y cooperar para lograr resultados conjuntos, utilizando protocolos, negociación y convenciones compartidas estudiadas en la literatura de sistemas multiagente.
- Diseño de mecanismos como teoría de juegos inversa
- El diseño de mecanismos ingenia las reglas de una interacción para que, incluso cuando los agentes actúan en su propio interés, el equilibrio resultante logre el objetivo del diseñador, como la eficiencia o el comportamiento veraz.
Clinical relevance
Las técnicas multiagente se aplican en el comercio y las subastas automatizadas, los mercados electrónicos, el enrutamiento de tráfico y redes, las redes de sensores distribuidos, los equipos y enjambres de robótica, las cadenas de suministro y el diseño de plataformas en línea, dondequiera que interactúen muchos tomadores de decisiones y deban gestionarse sus incentivos y coordinación.
History
Los sistemas multiagente surgieron de la inteligencia artificial distribuida en la década de 1980, mezclando la teoría de agentes con la teoría de juegos y la economía. Las décadas de 1990 y 2000 vieron la consolidación de las arquitecturas de agentes, los estándares de comunicación y los fundamentos de la teoría de juegos, expuestos en textos de Wooldridge (2009) y Shoham y Leyton-Brown (2009), con el diseño de mecanismos y las subastas convirtiéndose en un importante hilo conductor aplicado.
Key figures
- Michael Wooldridge
- Yoav Shoham
- Kevin Leyton-Brown
- Nicholas R. Jennings
- Katia Sycara
Related topics
Seminal works
- shoham2009
- wooldridge2009
- jennings1998
Frequently asked questions
- ¿En qué se diferencia un sistema multiagente de un único agente inteligente?
- Un solo agente razona y actúa para lograr sus propios objetivos en un entorno. En un sistema multiagente, varios agentes autónomos actúan a la vez, por lo que la mejor elección de cada agente depende de lo que hagan los demás. Esto introduce problemas de interacción estratégica, coordinación e incentivos que la IA de un solo agente no aborda.
- ¿Por qué la teoría de juegos es fundamental para los sistemas multiagente?
- Debido a que los resultados en un sistema multiagente dependen de las acciones conjuntas de agentes egoístas, la teoría de juegos proporciona las herramientas para predecir comportamientos estables (equilibrios) y para diseñar interacciones. Permite a los investigadores razonar sobre la competencia, la cooperación y los incentivos de manera fundamentada.