Τα ψαρόνια μουρμουρητά σχηματίζονται καθώς το φως της ημέρας ξεθωριάζει πάνω από τις τοποθεσίες τους. Shutterstock / Albert Beukhof

Η λέξη σμήνος συχνά φέρει αρνητικές συνδηλώσεις - σκεφτείτε βιβλικές πληγές ακρίδων ή κεντρικούς δρόμους γεμάτους αγοραστές της τελευταίας στιγμής κατά τη διάρκεια της χριστουγεννιάτικης βιασύνης. Ωστόσο, το σμήνος είναι απαραίτητο για την επιβίωση πολλών ζωικών συλλογικοτήτων. Και τώρα η έρευνα για το σμήνος έχει τη δυνατότητα να αλλάξει τα πράγματα και για τους ανθρώπους.

Οι μέλισσες σμήνος για να φτιάξουν το δικό τους αναζήτηση νέων αποικιών πιο αποτελεσματικό. Σμήνη ψαρονιών χρησιμοποιούν εκθαμβωτικά μουρμουρητά για να αποφύγουν και να μπερδέψουν τα αρπακτικά. Αυτά είναι μόνο δύο παραδείγματα από τη φύση, αλλά το σμήνος μπορεί να δει σχεδόν σε κάθε γωνιά του ζωικού βασιλείου.

Έρευνα από μαθηματικούς, βιολόγους και κοινωνικούς επιστήμονες μας βοηθά να κατανοήσουμε το σμήνος και να αξιοποιήσουμε τη δύναμή του. Χρησιμοποιείται ήδη για έλεγχος του πλήθους, διαχείριση της κυκλοφορίας και να καταλάβουμε το εξάπλωση μολυσματικών ασθενειών. Πιο πρόσφατα, αρχίζει να διαμορφώνει τον τρόπο με τον οποίο χρησιμοποιούμε δεδομένα για την υγειονομική περίθαλψη, χειριζόμαστε drones σε στρατιωτικές συγκρούσεις και έχει χρησιμοποιηθεί για να νικήσουμε σχεδόν ανυπέρβλητες πιθανότητες στοιχηματισμού σε αθλητικά γεγονότα.

Ένα σμήνος είναι ένα σύστημα που είναι μεγαλύτερο από το άθροισμα των μερών του. Ακριβώς όπως πολλοί νευρώνες σχηματίζουν έναν εγκέφαλο ικανό για σκέψη, μνήμη και συναίσθημα, ομάδες ζώων μπορούν να δράσουν από κοινού για να σχηματίσουν έναν «υπερεγκέφαλο», επιδεικνύοντας εξαιρετικά περίπλοκη συμπεριφορά που δεν παρατηρείται σε μεμονωμένα ζώα.

Ο ειδικός σε θέματα τεχνητής ζωής Craig Reynolds έφερε επανάσταση στη μελέτη του swarming το 1986 με τη δημοσίευση του Μοντέλο boids προσομοίωση υπολογιστή. Το μοντέλο Boids αναλύει το σμήνος σε ένα απλό σύνολο κανόνων.

Τα Boids (bird-oids) στην προσομοίωση, όπως τα είδωλα ή οι χαρακτήρες σε ένα βιντεοπαιχνίδι, λαμβάνουν οδηγίες να κινούνται προς την ίδια κατεύθυνση με τους γείτονές τους, να κινούνται προς τη μέση θέση των γειτόνων τους και να αποφεύγουν τις συγκρούσεις με άλλα boids.

Οι προσομοιώσεις Boids είναι εντυπωσιακά ακριβείς σε σύγκριση με πραγματικά σμήνη.

Το μοντέλο Boids προτείνει ότι το σμήνος δεν χρειάζεται ηγέτες για να συντονίσουν τη συμπεριφορά - όπως οι πεζοί στο κέντρο της πόλης και όχι μια ξενάγηση στο μουσείο. Η πολύπλοκη συμπεριφορά που βλέπουμε στα σμήνη προκύπτει από τις αλληλεπιδράσεις μεταξύ ατόμων που ακολουθούν τους ίδιους απλούς κανόνες παράλληλα. Στη γλώσσα της φυσικής, αυτό το φαινόμενο είναι γνωστό ως εμφάνιση.

Το μυαλό της κυψέλης

Το 2016, εταιρεία τεχνολογίας των ΗΠΑ Ομόφωνη AI χρησιμοποίησε τη δύναμη της νοημοσύνης του σμήνους για να κερδίστε το στοίχημα "superfecta" στο Ντέρμπι του Κεντάκι, προβλέποντας με επιτυχία τους πρώτους, δεύτερους, τρίτους και τέταρτους αναβάτες στη διάσημη ιπποδρομία των ΗΠΑ.

Βιομηχανικοί εμπειρογνώμονες και συμβατικούς αλγόριθμους μηχανικής μάθησης έκανε σωρεία λανθασμένων προβλέψεων. Ωστόσο, οι ερασιτέχνες λάτρεις των αγώνων που προσλήφθηκαν από την Unanimous AI συγκέντρωσαν τις γνώσεις τους για να νικήσουν 541/1 πιθανότητες.

 Αισιόδοξοι παίκτες στοιχηματίζουν εκατομμύρια δολάρια στο Ντέρμπι του Κεντάκι κάθε χρόνο. Shutterstock / Cheryl Ann Quigley

Η επιτυχία των εθελοντών βρισκόταν στον τρόπο με τον οποίο δημιουργήθηκαν οι προβλέψεις τους. Αντί να ψηφίσουν αναβάτες και να συναθροίσουν τις επιλογές τους, οι εθελοντές χρησιμοποίησαν Πλατφόρμα νοημοσύνης σμήνους της ομόφωνης τεχνητής νοημοσύνης για να συμμετάσχετε σε μια ψηφιακή διελκυστίνδα σε πραγματικό χρόνο, εμπνευσμένη από σμήνη πουλιών και μελισσών.

Όλοι οι εθελοντές τράβηξαν ταυτόχρονα ένα καντράν προς τις αντίστοιχες επιλογές τους. Αυτό επέτρεψε στους ανθρώπους να αλλάξουν τις προτιμήσεις τους ως απάντηση στις ενέργειες των άλλων (για παράδειγμα, ένα άτομο μπορεί να έχει στραφεί προς τη δεύτερη επιλογή του, το Β, αντί για την πρώτη του επιλογή, το Γ, αν έβλεπε ότι το Α και το Β ήταν τα ξεκάθαρα αγαπημένα ).

Η ανταπόκριση ο ένας στον άλλον σε πραγματικό χρόνο επέτρεψε στους εθελοντές της Unanimous AI να ξεπεράσουν συλλογικά άτομα με υψηλή ενημέρωση.

Επιπλέον, οι πιο συχνές μεμονωμένες επιλογές των εθελοντών καθόριζαν την παραγγελία, μόνο οι 2016 νικητής και αγαπημένο των μπουκ, Nyquist, θα είχε τοποθετηθεί σωστά.

Ανησυχίες για την υγεία

Παρόμοιες τεχνολογίες σμήνους παρουσιάζουν επίσης αυξανόμενο ενδιαφέρον στο υγειονομική περίθαλψη τομέα, όπου μιλάμε για επανάσταση της τεχνητής νοημοσύνης προτρέπει αυξανόμενες ανησυχίες σχετικά με το απόρρητο των ασθενών.

Καθώς η εξάρτηση από τεχνικές που βασίζονται σε δεδομένα στην υγειονομική περίθαλψη αυξάνεται, το ίδιο και η ζήτηση για εκτεταμένα σύνολα δεδομένων ασθενών. Ένας τρόπος να ικανοποιηθούν αυτές οι απαιτήσεις είναι να συγκέντρωση πληροφοριών μεταξύ ιδρυμάτων και, σε ορισμένες περιπτώσεις, χωρών.

Ωστόσο, η μεταφορά δεδομένων ασθενών υπόκειται συχνά αυστηρούς κανονισμούς προστασίας δεδομένων. Μια λύση σε αυτό το πρόβλημα είναι η χρήση μόνο εσωτερικών δεδομένων, αν και αυτό έρχεται συχνά σε βάρος της διαγνωστικής ακρίβειας.

Μια εναλλακτική είναι το σμήνος. Οι ερευνητές πιστεύουν ότι η νοημοσύνη σμήνους μπορεί διατήρηση της διαγνωστικής ακρίβειας χωρίς την ανάγκη ανταλλαγής ακατέργαστων δεδομένων μεταξύ ιδρυμάτων.

Προκαταρκτικές μελέτες έχουν δείξει ότι η αποκέντρωση της αποθήκευσης δεδομένων σε ένα δίκτυο αλληλεπιδρώντων κόμβων μπορεί να προσφέρει στα ιδρύματα το πλεονέκτημα της κοινής σοφίας. Αυτό σημαίνει ότι δεν υπάρχει κεντρικός κόμβος που να συντονίζει τη ροή των πληροφοριών και τα ιδρύματα δεν μπορούν να έχουν πρόσβαση στα ιδιωτικά δεδομένα ασθενών το ένα του άλλου.

Η κεντρική μηχανική εκμάθηση χρησιμοποιεί δεδομένα που έχουν μεταφορτωθεί σε έναν κοινόχρηστο κόμβο όπου η μηχανική εκμάθηση πραγματοποιείται χρησιμοποιώντας όλα τα διαθέσιμα δεδομένα. Στα αποκεντρωμένα συστήματα, κάθε ίδρυμα αποθηκεύει χωριστά τα δεδομένα του στον δικό του κόμβο. Η μηχανική εκμάθηση πραγματοποιείται τοπικά σε κάθε κόμβο (χρησιμοποιώντας μόνο εσωτερικά δεδομένα), αλλά τα αποτελέσματα της μηχανικής εκμάθησης μοιράζονται μεταξύ του δικτύου, προς όφελος όλων των κόμβων. Αυτή η διαδικασία διασφαλίζει ότι τα ακατέργαστα δεδομένα ασθενών δεν ανταλλάσσονται μεταξύ ιδρυμάτων, διατηρώντας το απόρρητο των ασθενών.
Σμήνη από drones μπορεί σύντομα να γεμίσουν το πεδίο της μάχης. Shutterstock / Andy Dean Photography

Σμήνη και πόλεμοι

Η τεχνολογία των drone χρησιμοποιείται ολοένα και περισσότερο σε μάχες πρώτης γραμμής, τον τελευταίο καιρό, κυρίως Ουκρανικές δυνάμεις στο συνεχιζόμενη σύγκρουση Ρωσίας-Ουκρανίας. Ωστόσο, ως έχει, η συμβατική τεχνολογία drone απαιτεί επίβλεψη ένας προς έναν.

Τρέχουσα αμυντική έρευνα στοχεύει στη διευκόλυνση της επικοινωνίας μεταξύ των drones, επιτρέποντας σε έναν ελεγκτή να χειρίζεται σμήνη drones. Η ανάπτυξη μιας τέτοιας τεχνολογίας υπόσχεται να βελτιώσει σημαντικά την Επεκτασιμότητα, αναγνώριση και εκπληκτικός δυνατότητες μάχης drones επιτρέποντας τη συνεχή αναμετάδοση πληροφοριών εντός ομάδων drones.

Καθώς η έρευνα εμβαθύνει στο σμήνος, βρίσκουμε έναν κόσμο όπου η συλλογική δράση δημιουργεί πολυπλοκότητα, προσαρμοστικότητα και αποτελεσματικότητα. Καθώς η τεχνολογία εξελίσσεται, ο ρόλος της νοημοσύνης του σμήνους πρόκειται να αυξηθεί, συνυφάζοντας τον κόσμο μας με τη συναρπαστική δυναμική των σμήνους.

Σχετικά με το Συγγραφέας

Σάμιουελ Τζόνσον, Υποψήφιος DPhil στη Μαθηματική Βιολογία, Πανεπιστήμιο της Οξφόρδης

Αυτό το άρθρο αναδημοσιεύθηκε από το Η Συνομιλία υπό την άδεια Creative Commons. Διαβάστε το αρχικό άρθρο.