Self-organized Regulation of Group Size and Number in Natural and Artificial Collectives
Este artículo propone y valida un mecanismo descentralizado basado en la percepción local y las preferencias individuales que permite tanto a colectivos artificiales como naturales, tales como los coatíes de nariz blanca, autoorganizarse y regular activamente sus tamaños y números de grupo para ajustarse a las demandas ambientales.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo
En el mundo natural, desde los bancos de peces que se arremolinan hasta las bulliciosas colonias de hormigas, los seres vivos rara vez actúan solos. Se reúnen, se dividen y se reforman en grupos que cambian y se desplazan como las nubes. Esta capacidad de organizarse y reorganizarse es vital. Un grupo puede ofrecer protección contra los depredadores o ayudar a encontrar comida, pero si crece demasiado, se convierte en una carga, con miembros luchando por recursos limitados o propagando enfermedades. Los científicos han comprendido desde hace tiempo que existe un punto ideal, un tamaño óptimo donde un grupo funciona mejor. Sin embargo, un misterio más profundo persiste: ¿cómo es que una colección de individuos, cada uno con una visión limitada de su entorno inmediato, sabe cuándo permanecer unido y cuándo separarse? No pueden ver a la población total, ni pueden contar cuántos grupos existen en total. Sin embargo, tanto en la naturaleza como en las máquinas que construimos, los grupos parecen encontrar la manera de regularse a sí mismos, estableciéndose en un patrón estable de tamaños y números sin un líder central que dé órdenes.
Un equipo de investigadores se propuso resolver este enigma planteándose una pregunta específica: ¿Puede un grupo de individuos, utilizando únicamente información local y sus propias preferencias personales, autoorganizarse para controlar tanto el tamaño de sus grupos como el número total de grupos? Para hallar la respuesta, primero observaron el comportamiento más simple posible: seguir. En muchos grupos de animales, los individuos simplemente se mueven hacia un vecino. Los investigadores construyeron un modelo matemático para ver si este simple comportamiento por sí solo podía crear grupos estables. Descubrieron que, si bien el comportamiento de seguimiento podía hacer que los individuos se agruparan, no era suficiente para regular activamente el tamaño del grupo. Los grupos se formaban, pero sus tamaños eran un resultado pasivo de qué tan concurrido estaba el entorno, no un ajuste consciente para alcanzar un número ideal. Los animales no sabrían si estaban en un grupo que era demasiado grande o demasiado pequeño.
Para solucionar esto, los investigadores propusieron un nuevo mecanismo basado en un sentimiento interno simple: una preferencia personal por un tamaño de grupo específico. Imagine que cada individuo lleva consigo una sensación interna y silenciosa de cuál es el tamaño de grupo perfecto para él. Si el grupo en el que se encuentra se siente demasiado pequeño, busca a otros para que se unan. Si se siente demasiado grande, decide irse y formar un nuevo grupo o buscar uno diferente. Esta idea se convirtió en una simulación por computadora donde agentes virtuales, que representaban robots o animales, se movían y tomaban decisiones basadas en esta preferencia interna. Los investigadores probaron este sistema bajo tres condiciones diferentes de comunicación. En la primera, los agentes solo podían ver dónde estaban los demás, sin tener idea de cuántos había en un grupo. En la segunda, podían preguntar por el tamaño del grupo una sola vez antes de decidir unirse. En la tercera, recibían un flujo constante y actualizado de información sobre el tamaño del grupo.
Los resultados mostraron que el sistema funcionaba mejor cuando los agentes tenían acceso a la información sobre el tamaño del grupo. Cuando los agentes solo podían ver posiciones, los grupos oscilaban salvajemente, creciendo demasiado y luego encogiéndose demasiado, sin encontrar nunca un ritmo estable. Cuando los agentes podían consultar el tamaño del grupo aunque fuera una sola vez, el sistema se volvía mucho más estable y los grupos se asentaban más cerca del tamaño deseado. El método más efectivo fue la comunicación continua, donde los agentes conocían constantemente el tamaño de los grupos que estaban considerando. En este escenario, los robots virtuales formaron con éxito tres grupos perfectos de catorce individuos cada uno, eliminando el vaivén caótico entre ser demasiado grandes o demasiado pequeños. Los investigadores midieron cuánto tiempo pasaban los robots en grupos que eran más grandes que el tamaño objetivo, encontrando que la información continua reducía este tiempo de "exceso de tamaño" en más del noventa y cinco por ciento en comparación con el método de solo posición.
Para ver si este mecanismo artificial reflejaba la realidad, los investigadores recurrieron a datos del mundo real de los coatíes de nariz blanca silvestres, un mamífero emparentado con el mapache. Estos animales viven en bandas sociales que se dividen y se fusionan con frecuencia. El equipo utilizó datos de seguimiento por GPS de dos grupos diferentes de coatíes para calibrar su modelo. No programaron a los coatíes con una regla específica; en su lugar, infirieron cuáles podrían haber sido las preferencias individuales basándose en los tamaños de grupo reales que los animales experimentaron en la naturaleza. Para un grupo que se dividió de manera uniforme, el modelo asumió que todos los individuos compartían una preferencia similar. Para otro grupo que se dividió de manera desigual, el modelo asignó preferencias diferentes a distintos individuos. Cuando ejecutaron la simulación con estas preferencias del mundo real, los coatíes virtuales reprodujeron los patrones estadísticos de los animales reales. El modelo coincidió con éxito en el número observado de subgrupos, los tamaños típicos de esos subgrupos y la forma en que los grupos transitaban entre diferentes configuraciones.
El estudio sugiere que las estructuras sociales complejas y cambiantes que se ven en la naturaleza y la organización eficiente de los sistemas diseñados podrían basarse en los mismos principios fundamentales. No es necesario que cada individuo conozca el número total de animales o el número total de grupos. En cambio, la estabilidad surge cuando cada individuo simplemente compara su situación actual con un estándar personal y actúa en consecuencia. La investigación demuestra que un sistema descentralizado, donde cada uno toma decisiones basadas en la percepción local y una meta personal, puede resolver el difícil problema de regular tanto el tamaño del grupo como el número de grupos simultáneamente. Si bien el estudio confirma que tal mecanismo es matemáticamente posible y consistente con datos animales reales, no prueba que los coatíes silvestres utilicen exactamente este método. Más bien, muestra que esta estrategia local y simple es una forma plausible y poderosa para que los colectivos se adapten y prosperen sin un comandante central.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.