Zespoły ludzkie często upadają pod własnym ciężarem. Jeśli dodasz zbyt wiele osób do projektu, skończy się to chaosem. Zwykle wierzymy w stare powiedzenie: „Zbyt wielu kucharzy psuje rosół”.
Ale mrówki nie znają takich zasad.
Wręcz przeciwnie, stają się bardziej wydajne.
Ofer Feinerman, ekolog behawioralny w Instytucie Nauki Weizmanna, zaczął obserwować, jak mrówki przenoszą z powrotem do gniazda pożywienie o asymetrycznym kształcie. Wyglądało to niesamowicie efektownie. Do tego stopnia, że zaczął się zastanawiać: czy zasada „zbyt wielu kucharzy” dotyczy w ogóle owadów?
Odpowiedź, opublikowana w Journal of the Royal Society Interface, była negatywna.
Dodawanie nowych mrówek do grupy to nie tylko zwiększenie siły roboczej. To jest wzmocnienie. Duże grupy są w stanie rozwiązywać złożone problemy, z którymi małe zespoły po prostu nie mogą sobie poradzić.
Jak mrówki skalują swoją inteligencję
Aby to sprawdzić, naukowcy nie tylko posypali mrówki cukrem. Stworzyli specjalne zadanie.
Zespół wydrukował w 3D obiekty o określonym kształcie i wadze. Aby zainteresować nimi długie rogi szalonych mrówek (Paratrechina longicornis ), przedmioty umieszczono na noc w karmie dla kotów. Zapach był przytłaczający.
Potem zaczęły się labirynty.
Cięcie laserowe stworzyło labirynty o różnym stopniu złożoności. Wewnątrz umieszczono mrówki. Kluczem była tutaj sterowność. Waga obiektów wzrastała proporcjonalnie do liczby mrówek.
Po co? Aby wyizolować czynnik współpracy. Jeżeli obciążenie wzrosło, a liczba mrówek pozostała taka sama, zmierzone zostanie jedynie zmęczenie. Skalując oba parametry, zespół Feinermana był w stanie precyzyjnie zmierzyć koordynację.
Zostawili przynęty w labiryntach w pobliżu gniazd i zaczęli filmować.
Które grupy radzą sobie dobrze?
Małe labirynty? Łatwo.
Prawie wszystkie grupy, niezależnie od liczebności, pewnie spacerowały prostymi trasami z małymi przedmiotami. Duże grupy nie miały wyraźnej przewagi.
Ale gdy tylko zmieniają się warunki, zmienia się dynamika.
Utrudnij labirynt. Zwiększ masę ładunku. Nagle małe grupy giną. Nie potrafią zsynchronizować swoich działań. Ale duże grupy kwitną.
Znacznie skuteczniejsze okazały się duże kolonie mrówek.
Było to prawdą nawet wtedy, gdy w grę wchodziła grawitacja. Kiedy manewry wymagały uwzględnienia sił fizycznych, a nie tylko brutalnej siły, duże grupy ponownie wypadły lepiej.
Nie chodzi tylko o siłę. Chodzi o rozproszone rozwiązywanie problemów.
Czy maszyny mogą naśladować mądrość mrówek?
Zespół Feinermana nie poprzestał na biologii. Przeprowadzili symulacje komputerowe.
Czy programy uczenia maszynowego mogłyby poruszać się po tych samych labiryntach, korzystając z teorii fizycznych i obliczeń sił?
Wyniki dostarczyły wiedzy na temat: dlaczego kolonie są tak skuteczne.
Do prostych puzzli sprawdzały się proste modele oparte wyłącznie na grawitacji. Jak to ujął Feinerman:
„Jeśli przechylisz labirynt i potrząśniesz nim, ładunek w końcu wypadnie.”
To jest fizyka. Możliwy do przewidzenia. Statyczny.
Jednak w skomplikowanych labiryntach proste modele grawitacyjne zawiodły.
Aby rozwiązać bardziej złożone scenariusze, do symulacji trzeba było wprowadzić właściwości przypominające zachowanie mrówek. Przede wszystkim ma charakter rozproszony. Grawitacja nie działała na jeden środek masy, ale na różne punkty obiektu w odstępie kilku sekund.
Mrówki nie dokonują skomplikowanych obliczeń. Reagują. Lokalnie. Jednocześnie.
Dlaczego to nie jest „umysł roju”
Tutaj kryje się pułapka: obserwowanie współpracy mrówek stwarza wrażenie jednego mózgu.
Łatwo nazwać to świadomością roju. Inteligencja zbiorowa.
Badania Feinermana obalają ten stereotyp.
Symulacje wykazały, że mrówki nie posługują się złożonym aparatem poznawczym. Kierują się prostymi zasadami.
„Mrówki nie wymagają takiego [zewnętrznego] strojenia i stosują te same zasady… bez żadnych zewnętrznych informacji”.
Porównaj to z programami do uczenia maszynowego. Potrzebowali interwencji z zewnątrz. Twórcy musieli dostosować kod w zależności od konkretnego labiryntu.
Mrówki? Po prostu chodzili.
Wyniki sugerują, że kolonie mrówek skalują swoją pomysłowość w zależności od rozmiaru. Jest to jednak wyłaniające się zachowanie (wyłaniająca się właściwość), a nie scentralizowana inteligencja. Każda mrówka działa losowo. Bezwiednie.
Opierają się na lokalnych interakcjach.
To rozróżnienie jest ważne dla sztucznej inteligencji. Często szukamy ludzkiej logiki w naszych algorytmach. Ale mrówki oferują inny sposób. Ścieżka, która nie wymaga centralnego dowódcy. Albo programista.
Po prostu zasady. I ilość.
Labirynt jest nadal otwarty. Pytanie brzmi, czy nasze obecne modele współpracy można dostosować do tego chaotycznego, rozproszonego mechanizmu wydajności. Czy też będziemy nadal próbować wciskać kwadratowe kołki w okrągłe otwory.
Mrówki już znają odpowiedź. Właśnie ich doganiamy.
