
Sistemas donde los grupos aprenden o se adaptan mediante interacciones simples sin control central.El aprendizaje colectivo emergente se refiere al fenómeno en el que un grupo de agentes simples, cada uno siguiendo reglas básicas, se adapta o aprende colectivamente a resolver problemas sin ningún controlador central. Esto se observa en sistemas naturales como colonias de hormigas, bandadas de aves e incluso en sistemas artificiales como enjambres de robots. El comportamiento del grupo es más complejo que la suma de sus partes, y el aprendizaje surge de interacciones locales.
El concepto ganó relevancia en las décadas de 1980 y 1990 con el advenimiento de la investigación en inteligencia de enjambre, notablemente a través del trabajo sobre optimización por colonias de hormigas de Marco Dorigo y sobre el comportamiento de bandadas de Craig Reynolds.
Cada agente del grupo sigue reglas simples basadas en información local, como las posiciones o estados de sus vecinos. Mediante interacciones repetidas, el grupo en su conjunto puede exhibir comportamientos adaptativos, como encontrar la ruta más corta hacia una fuente de alimento o evitar obstáculos. Esto a menudo se modela utilizando aprendizaje por refuerzo o algoritmos evolutivos, donde el rendimiento colectivo del grupo mejora con el tiempo sin que ningún agente individual tenga una visión global.
El aprendizaje colectivo emergente se utiliza en robótica para crear enjambres de drones que pueden buscar supervivientes en zonas de desastre o mapear entornos desconocidos sin un mando central.
En un enjambre de robots, si un robot aprende un nuevo comportamiento, este puede propagarse por el grupo como un 'meme', aunque ningún robot tenga una conexión directa con todos los demás.











