Les équipes humaines s’effondrent souvent sous le poids de leur propre nombre. Ajoutez trop de personnes à un projet et vous obtenez le chaos. Nous supposons que le vieil adage est vrai : trop de cuisiniers gâchent le bouillon.
Ce n’est pas le cas des fourmis.
Ils s’améliorent.
Ofer Feinerman, écologiste comportemental à l’Institut des sciences Weizmann, a commencé à observer les fourmis ramener de la nourriture asymétrique au nid. Cela avait l’air efficace. Si efficace, en fait, qu’il se demandait si la règle du « trop de cuisiniers » s’appliquait même aux insectes.
La réponse, publiée dans le Journal of the Royal Society Interface, est non.
Ajouter plus de fourmis ne fait pas qu’ajouter du muscle. Cela ajoute des capacités. Les grands groupes ne peuvent tout simplement pas relever des défis complexes.
Comment les fourmis améliorent leur intelligence
Pour tester cela, le laboratoire n’a pas simplement déposé des fourmis dans un tas de sucre. Ils ont conçu un problème.
L’équipe a imprimé en 3D des accessoires avec des formes et des poids spécifiques. Pour que les fourmis folles à longues cornes (Paratrechina longicornis ) prennent soin de elles, les objets ont été conservés pendant la nuit dans de la nourriture pour chats. Le parfum était irrésistible.
Puis vinrent les labyrinthes.
Labyrinthes découpés au laser de difficulté variable. Les fourmis étaient placées à l’intérieur. La clé ici était le contrôle. Le poids des objets évoluait en fonction du nombre de fourmis.
Pourquoi? Pour isoler la coopération. Si la charge devenait plus lourde mais que les fourmis restaient les mêmes, vous mesureriez simplement la fatigue. En mettant les deux à l’échelle, l’équipe de Feinerman a pu mesurer la coordination.
Ils ont quitté les labyrinthes chargés d’appâts à proximité des nids. Puis ils ont filmé.
Quels groupes réussissent ?
Des petits labyrinthes ? Facile.
Presque toutes les tailles de groupe, quel que soit le nombre de membres, ont parcouru les chemins simples avec de petits objets. Aucun avantage distinct pour les plus grands nombres ici.
Mais changez les variables et la dynamique change.
Augmentez la complexité du labyrinthe. Augmentez le poids de la charge. Soudain, les petits groupes s’agitèrent. Ils ne pouvaient pas se synchroniser. Les plus grandes équipes ? Ils ont prospéré.
Les colonies de fourmis plus grandes étaient bien plus efficaces.
Cela a tenu même lorsque la gravité est devenue un facteur. Lorsque les manœuvres exigeaient que les fourmis tiennent compte des forces physiques plutôt que de la simple force brute, les grands groupes surpassaient toujours les petits.
Ce n’est pas seulement une question de force. Il s’agit de résolution de problèmes distribuée.
Les machines peuvent-elles imiter la sagesse des fourmis ?
L’équipe de Feinerman ne s’est pas arrêtée à la biologie. Ils ont effectué des simulations informatiques.
Les programmes d’apprentissage automatique pourraient-ils gérer les mêmes labyrinthes en appliquant des théories et des forces physiques ?
Les résultats ont donné un aperçu du pourquoi les colonies fonctionnent.
Des modèles simples basés sur la gravité ont fonctionné pour les énigmes simples. Comme le dit Feinerman :
“Si l’on prenait le labyrinthe… inclinez-le et secouez le tout, [la] charge finirait par tomber.”
C’est la physique. Prévisible. Statique.
Mais les labyrinthes complexes ? Ceux-ci ont échoué avec des modèles gravitationnels simples.
Pour résoudre les scénarios les plus difficiles, la simulation devait introduire des propriétés « semblables à celles d’une fourmi ». Plus précisément, une nature distribuée. La gravité n’agissait pas sur un seul centre de masse. Cela affectait différents points de l’objet toutes les quelques secondes.
Les fourmis ne calculent pas. Ils réagissent. Localement. Simultanément.
Pourquoi ce n’est pas un esprit de ruche
Voici le piège : regarder des fourmis travailler ensemble, c’est comme observer un seul cerveau.
Il est tentant de parler d’esprit de ruche. Une conscience collective.
Les recherches de Feinerman s’y opposent.
Les simulations ont montré que les fourmis n’utilisent pas de connaissances avancées. Ils utilisent des règles simples.
“Les fourmis n’ont pas besoin d’un tel réglage [extérieur] et semblent utiliser les mêmes règles… sans aucune information extérieure.”
Comparez cela avec les programmes d’apprentissage automatique. Ils nécessitaient des ajustements extérieurs. Les concepteurs ont dû ajuster le code en fonction du labyrinthe spécifique.
Les fourmis ? Ils ont juste marché.
Les résultats suggèrent que les colonies de fourmis adaptent leur ingéniosité en fonction de leur taille, oui. Mais il s’agit d’un comportement émergent et non d’une intelligence centralisée. Chaque fourmi est aléatoire. Ignorant.
Ils s’appuient sur des interactions locales.
Cette distinction est importante pour l’intelligence artificielle. Nous recherchons souvent une logique humaine dans nos algorithmes. Mais les fourmis proposent un chemin différent. Une voie qui ne nécessite pas de commandant central. Ou un programmeur.
Juste des règles. Et des chiffres.
Le labyrinthe est toujours ouvert. La question est de savoir si nos modèles de coopération actuels peuvent s’adapter à cette efficacité chaotique et distribuée. Ou si nous continuons à essayer d’insérer des chevilles carrées dans des trous ronds.
Les fourmis connaissent déjà la réponse. Nous sommes juste en train de rattraper notre retard.
