Using Localised “Gossip” to Structure Distributed Learning Bruce Edmonds Centre for Policy Modelling Manchester Metropolitan University Relaciones Sociales Artificiales Fabio Andrés Navarrete Higuera Ingeniería de Sistemas Universidad Nacional

Resumen El artículo pretende mostrar como la distribución de la comunicación (“Gossip”) es usada en las diferentes sociedades como un medio de aprendizaje y de este modo dar uso a estas técnicas para desarrollar un algoritmo evolucionario de parendizaje distribuido (distributed evolutionary learning algorithm). Para mostrar los modos de distribución utiliza la dispersión de problemas en diferentes entornos caracterizados por ser soluciones y así mediante el comportamiento esperado seleccionar la mejor solución de su entorno. Se muestra a través del paper una aplicación del método analisado, el cual es usado como un método de prediccion de ataques cardiacos en Cleveland.

Método El modo de actuar es el mismo realizado en cualquier algoritmo evolutivo esta vez usando las características de dispersion del “Gossip”

SOLUCION UNIVERSAL SOLUCION GENERADA POR SECTORES Solución del Algoritmo

Aplicación En el artículo se muestra la aplicación de dicho algoritmo a la prediccion de la ocurrencia de ataques cardiacos para lo cual se hace uso de la herramienta conocida como algoritmos evolutivos, el autor precisa sobre que poblaciones de pacientes se probaron los algoritmos y como se realizaron dichas pruebas, al menos para la conscución de las gráficas y ejemplos mostrados en el artículo.

Conclusión “All search techniques exploit some trade-off or other. This technique trades in the generality of a single solution in return for a more efficient algorithm and information about the problem structure. Instead of a uniform, single solution one gets a composite solution by analysing the resulting whole population. Although the space within which problems will evolve can greatly effect the quality of the solution that results, one does not have to explicitly divide up this sapce into specific sub-problems, but areas that are solvable using the same local solution co-evolve with the content of the solutions.”

Análisis del Artículo El resumen presentado por el autor es muy adecuado para el artículo pues contextualiza perfectamente el tema tratado y en parte adelanta algo de la solución generada tras el desarrollo de la situación y el análisis de la propagación de la información en las sociedades y como se pueden generar soluciones locales ampliando la exactitud en comparación con la generada globalmente, todo esto tratado mediante el analisis realizado por la dispersion de soluciones en diferentes localidades del total de la población. La computación Socialmente Inspirada trata temas relacionados con los comportamientos comunes a los entes sociales, para de ese modo apoyada en diferentes herramientas de la inteligencia artificial poder desarrollar

elementos que den solución a problemas de la vida real, en el caso de las Relaciones sociales artificiales se pretende mostrar como las relaciones son la base de la inspiracion para la solucion de los diferentes problemas de la vida real, por lo tanto según lo anterior el tema tratado por el artículo abarca completamente lo deseado de modo que evaluando la comunicación como un comportamiento básico en cualquier sociedad se evalúa su característica de difusión y se le da un enfoque de modo que se pueda aplicar a diferentes problemas mediante el uso de, en este caso, la herramienta conocida como Algoritmos Evolutivos. Aporte: El artículo hace un aporte en el area de la computación inspirada en la sociedad, para el desarrollo de nuevos métodos de ésta misma, de modo que el análisis del comportamiento y su aplicación a los

algoritmos Evolutivos es realmente un método de innovación para la técnica pues propone una implementación con ciertas diferencias a la tradicional. El arículo tiene una dirección a cualquier tipo de persona con apenas conocimiento de los temas pues es fácilmente entendible con tan sólo saber el funcionamiento básico de un algoritmo evolutivo y lo demás está claramente explicado por el texto y el apoyo en las gráficas que son precisas y de gran calidad, además que a través del artículo se muestran los defectos del mismo método y se puede notar sin mucho esfuerzo como es aplicable el artículo o los conceptos de este a la solución de determinado problema. Marco Teórico: El artículo lo forma de manera clara y buena de modo que con este a través del artículo se

pueden entender claramente los conceptos tratados, exceptuando el conocimiento básico previo de los algoritmos Evolutivos. Aplicación: En cuanto a la aplicación se tiene que es explicada claramente mediante el artículo pero no se dan los resultados obtenidos mas que cualitativamente o con ejemplos muy sencillos que no necesariamente mostrarían la forma en que el método funciona. Además de esto, aunque no era el objetivo principal del artículo, no se muestra como se relacionó en la vida real el tema con el ejemplo de la predicción de ataques cardiacos. Conclusión: La conclusión presentada por el autor es (exceptuando el hecho que en principio se esperaban resultados mas consisos del ejemplo) muy buena de modo que resume completamente el tratamiento realizado

a lo largo del artículo y muestra lo que se iba deduciendo gracias a los ejemplos dados y el análisis del tema dado por el autor o realizado autónomamente. Gracias