Tim manusia sering kali terpuruk karena beban jumlah mereka sendiri. Menambahkan terlalu banyak orang ke sebuah proyek, dan Anda akan mendapatkan kekacauan. Kami berasumsi pepatah lama benar adanya: terlalu banyak juru masak yang merusak kaldu.
Semut tidak.
Mereka menjadi lebih baik.
Ofer Feinerman, ahli ekologi perilaku di Weizmann Institute of Science, mulai mengamati semut yang mengangkut makanan asimetris kembali ke sarangnya. Itu terlihat efisien. Saking efisiennya, dia bertanya-tanya apakah aturan “terlalu banyak juru masak” juga berlaku untuk serangga.
Jawabannya, yang diterbitkan dalam Journal of the Royal Society Interface, adalah tidak.
Menambahkan lebih banyak semut tidak hanya menambah otot. Ini menambah kemampuan. Kelompok besar mengatasi tantangan kompleks yang tidak bisa dilakukan oleh kelompok kecil.
Bagaimana Semut Meningkatkan Kecerdasannya
Untuk mengujinya, laboratorium tidak hanya menjatuhkan semut ke dalam tumpukan gula. Mereka merekayasa sebuah masalah.
Alat peraga cetak 3D tim dengan bentuk dan berat tertentu. Untuk memastikan semut gila longhorn (Paratrechina longicornis ) peduli, benda-benda tersebut disimpan dalam makanan kucing semalaman. Aromanya sangat menarik.
Lalu datanglah labirin.
Labirin yang dipotong laser dengan tingkat kesulitan yang berbeda-beda. Semut ditempatkan di dalam. Kuncinya di sini adalah kontrol. Berat benda ditingkatkan secara konsisten dengan jumlah semut.
Mengapa? Untuk mengisolasi kerja sama. Jika bebannya bertambah berat tetapi semutnya tetap sama, Anda tinggal mengukur kelelahannya. Dengan menskalakan keduanya, tim Feinerman dapat mengukur koordinasi.
Mereka meninggalkan labirin yang penuh umpan di dekat sarang. Kemudian mereka syuting.
Grup Mana yang Berhasil?
Labirin kecil? Mudah.
Hampir setiap ukuran kelompok, berapapun jumlah anggotanya, menavigasi jalur langsung dengan benda-benda kecil. Tidak ada keuntungan nyata untuk jumlah yang lebih besar di sini.
Namun jika variabelnya diubah, maka dinamikanya akan berubah.
Tingkatkan kompleksitas labirin. Tingkatkan beban beban. Tiba-tiba, kelompok-kelompok kecil itu menyerang. Mereka tidak dapat melakukan sinkronisasi. Tim yang lebih besar? Mereka berkembang pesat.
Koloni semut yang lebih besar jauh lebih efisien.
Hal ini tetap bertahan bahkan ketika gravitasi menjadi salah satu faktornya. Ketika manuver tersebut mengharuskan semut untuk memperhitungkan kekuatan fisik dan bukan hanya kekuatan kasar, kelompok semut yang besar masih mengungguli kelompok kecil.
Ini bukan hanya tentang kekuatan. Ini tentang pemecahan masalah yang terdistribusi.
Bisakah Mesin Meniru Kebijaksanaan Semut?
Tim Feinerman tidak berhenti pada biologi. Mereka menjalankan simulasi komputer.
Bisakah program pembelajaran mesin menangani labirin yang sama dengan menerapkan teori dan kekuatan fisik?
Hasilnya memberikan gambaran sekilas tentang mengapa koloni berhasil.
Model sederhana berbasis gravitasi berfungsi untuk teka-teki sederhana. Seperti yang dikatakan Feinerman:
“Jika seseorang mengambil labirin… memiringkannya dan menggoyangkan semuanya, muatan [yang] pada akhirnya akan jatuh.”
Itu fisika. Dapat diprediksi. Statis.
Tapi labirin yang rumit? Itu gagal dalam model gravitasi sederhana.
Untuk memecahkan skenario yang lebih sulit, simulasi perlu memperkenalkan properti “seperti semut”. Khususnya, sifatnya terdistribusi. Gravitasi tidak bekerja pada satu pusat massa saja. Itu mempengaruhi titik berbeda pada objek setiap beberapa detik.
Semut tidak menghitung. Mereka bereaksi. Secara lokal. Serentak.
Mengapa Ini Bukan Pikiran Sarang
Inilah jebakannya: menyaksikan semut bekerja sama terasa seperti mengamati satu otak.
Sangat menggoda untuk menyebutnya sebagai pikiran sarang. Kesadaran kolektif.
Penelitian Feinerman mendorong kembali hal ini.
Simulasi menunjukkan bahwa semut tidak menggunakan kognisi tingkat lanjut. Mereka menggunakan aturan sederhana.
“Semut tidak memerlukan penyesuaian [dari luar] dan tampaknya menggunakan aturan yang sama… tanpa informasi dari luar.”
Bandingkan dengan program pembelajaran mesin. Mereka membutuhkan penyesuaian dari luar. Desainer harus menyesuaikan kode tergantung pada labirin tertentu.
Semut? Mereka baru saja berjalan.
Temuan ini menunjukkan bahwa koloni semut mengukur kecerdikan mereka berdasarkan ukuran. Tapi ini adalah perilaku yang muncul, bukan intelijen terpusat. Setiap semut acak. Tidak mengetahui.
Mereka mengandalkan interaksi lokal.
Perbedaan ini penting bagi kecerdasan buatan. Kami sering mencari logika mirip manusia dalam algoritme kami. Namun semut menawarkan jalan yang berbeda. Sebuah jalan yang tidak memerlukan komandan pusat. Atau seorang pemrogram.
Hanya aturan. Dan angka.
Labirin masih terbuka. Pertanyaannya adalah apakah model kerja sama kita saat ini dapat beradaptasi dengan efisiensi yang terdistribusi dan kacau ini. Atau jika kita terus mencoba memasukkan pasak persegi ke dalam lubang bundar.
Semut sudah tahu jawabannya. Kami baru saja mengejar ketinggalan.
