Modelos, simulaciones y agentes inteligentes para crear y estudiar mundos complejos
Crear mundos simulados es un trabajo complicado, pero ahora hay una nueva herramienta muy versátil que permite hacerlo sin tener que perder mucho tiempo en los detalles: Hash. Es básicamente una plataforma de desarrollo para crear simulaciones, que pueden ir desde lo más mundano a los modelos de «escenarios imposibles» que se dan algunas veces y cuyo comportamiento es muy difícil de predecir. Entre los ejemplos: el comportamiento del tráfico en una ciudad, la gestión de un almacén logístico o la reforestación de un bosque tras un incendio.
Lo mejor de todo es que cualquiera puede crear una cuenta en Hash para probarlo un poco, utilizando cualquiera de los cientos de simulaciones de ejemplo que ya están publicadas.
Es muy parecido a cualquier entorno de programación de los más modernos; se puede trabajar indistintamente en Python, JavaScript u otros lenguajes y todo funciona en el navegador web y se almacena en la nube. Si se necesita más potencia para simular o trabajar en un proyecto se puede recurrir a soluciones comerciales fácilmente escalables, pero lo importante es que antes se puede probar de forma gratuita a pequeña escala.
Entre las diversas simulaciones de ejemplo, cuyo código se puede ver y normalmente también reutilizar (muchas se publican con licencias libres) hay una acerca de la circulación de vehículos en los diversos carriles de una autopista.
Otras de las simulaciones de ejemplo se basan en comportamientos conocidos de los agentes, ya sean empresas que compran y venden bienes de consumo o un virus que se está propagando entre una población, y al que se pueden añadir comportamientos más complejos como las mutaciones o la resistencia a los fármacos.
En simulaciones más complejas –como un almacén en el que una cinta transportadora clasifica paquetes– se puede utilizar un conjunto de datos con la información inicial; esto también sirve para simulaciones relativas a países, provincias u otros tipos en los que los datos iniciales y la geolocalización sean importantes.
Las simulaciones de Hash tienen un componente gráfico importante y característico, que nos hacen ver un «mundo pixelado» pero en el que los conjuntos de datos, agentes y comportamientos definen lo que podría suceder en la realidad. Algo interesante de explorar especialmente si no hay que escribir mucho código y hay ejemplos a mano siempre disponibles.