当日光在八哥栖息地消退时,八哥会发出低语声。 Shutterstock /阿尔伯特·博克霍夫
“蜂群”这个词常常带有负面含义——想想圣经中的蝗灾,或者圣诞节高峰期间挤满最后一刻购物者的大街。 然而,集群对于许多动物群体的生存至关重要。 现在,对蜂群的研究也有可能改变人类的生活。
蜜蜂成群结队地制造它们的 寻找新的殖民地 更加有效。 成群的八哥使用 发出令人眼花缭乱的低语来躲避和迷惑掠食者。 这只是自然界中的两个例子,但在动物王国的几乎每个角落都可以看到集群现象。
数学家、生物学家和社会科学家的研究正在帮助我们了解集群并利用其力量。 它已经被用于 维持人群秩序, 交通管理 并了解 传染病的传播。 最近,它开始影响我们如何将数据用于医疗保健、在军事冲突中操作无人机,并被用来在体育赛事中击败几乎无法克服的投注赔率。
群体是一个大于各个部分之和的系统。 正如许多神经元形成具有思考、记忆和情感能力的大脑一样,动物群体可以一致行动形成“超级大脑”,表现出个体动物所没有的高度复杂的行为。
人工生命专家克雷格·雷诺兹 (Craig Reynolds) 于 1986 年发表了 群落模型 计算机模拟。 Boids 模型将集群分解为一组简单的规则。
模拟中的 Boids(类鸟),就像电子游戏中的化身或角色,被指示与其邻居朝同一方向移动,朝邻居的平均位置移动,并避免与其他 boid 发生碰撞。
与真实群体相比,群体模拟极其准确。
Boids 模型表明,集群不需要领导者来协调行为——就像市中心的行人而不是导游带领的博物馆参观一样。 我们在群体中看到的复杂行为源于个体之间并行遵循相同简单规则的相互作用。 用物理学的语言来说,这种现象被称为 出现.
蜂巢思维
2016年,美国科技公司 一致的AI 利用群体智能的力量 赢得肯塔基德比“superfecta”赌注,成功预测了美国著名赛马比赛的第一名、第二名、第三名和第四名骑手。
行业专家 和 传统机器学习算法 做出了大量错误的预测。 然而,Unanimous AI 招募的业余赛车爱好者汇集了他们的知识,击败了 541/1赔率.
Shutterstock / 谢丽尔·安·奎格利
志愿者的成功在于他们做出预测的方式。 志愿者没有对乘客进行投票并汇总他们的选择,而是使用 Unanimous AI的群体智能平台 受成群的鸟类和蜜蜂启发,参加实时数字拔河比赛。
所有志愿者同时将旋钮拉向各自的选择。 这使得人们能够根据他人的行为改变自己的偏好(例如,如果一个人看到 A 和 B 明显是最喜欢的,那么他们可能会转向他们的第二选择 B,而不是他们的第一选择 C )。
Unanimous AI 的志愿者通过实时相互响应,集体表现优于其他志愿者 消息灵通的个人.
更重要的是,如果志愿者最频繁的个人选择决定了顺序,那么只有 2016获胜者 和 博彩爱好者的最爱, 奈奎斯特,将被正确放置。
健康问题
类似的集群技术也越来越受到人们的关注 医疗保健 部门,其中 谈论人工智能革命 正在提示 对患者隐私的担忧日益增加.
由于依赖于 医疗保健中的数据驱动技术 增加,对广泛患者数据集的需求也在增加。 满足这些要求的一种方法是 汇集机构之间以及在某些情况下国家之间的信息.
然而,患者数据的传输通常会受到 严格的数据保护法规。 解决此问题的方法是仅使用内部数据,尽管这通常会牺牲诊断准确性。
另一种选择是蜂拥而至。 研究人员认为群体智能可以 保持诊断准确性 无需机构之间交换原始数据。
初步研究 已经表明,将数据存储分散到交互节点的网络中可以为机构带来共享智慧的好处。 这意味着没有一个协调信息流的中央枢纽,机构也无法访问彼此的私人患者数据。
集中式机器学习使用上传到共享中心的数据,在该中心使用所有可用数据进行机器学习。 在去中心化系统中,每个机构将其数据单独存储在自己的节点中。 机器学习在每个节点本地进行(仅使用内部数据),但机器学习的结果在网络之间共享,以使所有节点受益。 此过程可确保原始患者数据不会在机构之间交换,从而保护患者隐私。
Shutterstock / 安迪·迪恩摄影
蜂群与战争
无人机技术越来越多地应用于前线作战,最近最引人注目的是 乌克兰军队 ,在 持续不断的俄罗斯与乌克兰冲突。 然而,就目前情况而言,传统无人机技术需要 一对一督导.
当前的国防研究 旨在促进无人机之间的通信,允许一个控制器操作一群无人机。 此类技术的发展有望大大改善 可扩展性, 侦察 和 引人注目 通过允许无人机组内连续信息中继来增强作战无人机的能力。
随着研究对集群的深入研究,我们发现集体行动创造了复杂性、适应性和效率。 随着技术的发展,群体智能的作用将会不断增强,将我们的世界与群体的迷人动态交织在一起。
关于作者