Nabubuo ang mga pag-ungol ng starling habang kumukupas ang liwanag ng araw sa ibabaw ng kanilang mga roosting site. Shutterstock / Albert Beukhof

Ang salitang kuyog ay kadalasang nagdadala ng mga negatibong konotasyon – isipin ang mga biblikal na salot ng mga balang o matataas na kalye na puno ng mga huling-minutong mamimili sa panahon ng Christmas rush. Gayunpaman, ang swarming ay mahalaga para sa kaligtasan ng maraming mga kolektibo ng hayop. At ngayon, ang pananaliksik sa swarming ay may potensyal na baguhin din ang mga bagay para sa mga tao.

Ang mga bubuyog ay nagkukumpulan upang gawin ang kanilang maghanap ng mga bagong kolonya mas epektibo. Ang mga kawan ng mga starling ay gumagamit nakasisilaw na mga ungol upang iwasan at lituhin ang mga mandaragit. Dalawang halimbawa lamang ito mula sa kalikasan ngunit makikita ang pagkukumpulan sa halos lahat ng sulok ng kaharian ng mga hayop.

Ang pananaliksik mula sa mga mathematician, biologist at social scientist ay tumutulong sa amin na maunawaan ang swarming at gamitin ang kapangyarihan nito. Ito ay ginagamit na para sa crowd control, pamamahala ng trapiko at upang maunawaan ang pagkalat ng mga nakakahawang sakit. Higit pang mga kamakailan, nagsisimula itong hubugin kung paano namin ginagamit ang data para sa pangangalagang pangkalusugan, nagpapatakbo ng mga drone sa mga salungatan sa militar at ginamit upang talunin ang halos hindi malulutas na posibilidad sa pagtaya sa mga sporting event.

Ang kuyog ay isang sistema na mas malaki kaysa sa kabuuan ng mga bahagi nito. Tulad ng maraming mga neuron na bumubuo ng isang utak na may kakayahang mag-isip, memorya at damdamin, ang mga grupo ng mga hayop ay maaaring kumilos nang sabay-sabay upang bumuo ng isang "super brain", na nagpapakita ng lubos na kumplikadong pag-uugali na hindi nakikita sa mga indibidwal na hayop.

Binago ng dalubhasa sa artipisyal na buhay na si Craig Reynolds ang pag-aaral ng swarming noong 1986 sa paglalathala ng Modelo ng boids computer simulation. Hinahati-hati ng modelo ng Boids ang swarming sa isang simpleng hanay ng mga panuntunan.

Ang Boids (bird-oids) sa simulation, tulad ng mga avatar o character sa isang video game, ay inutusang lumipat sa parehong direksyon ng kanilang mga kapitbahay, lumipat patungo sa karaniwang posisyon ng kanilang mga kapitbahay, at maiwasan ang mga banggaan sa iba pang mga boids.

Ang mga boids simulation ay kapansin-pansing tumpak kung ihahambing sa mga tunay na kuyog.

Ang modelo ng Boids ay nagmumungkahi na ang swarming ay hindi nangangailangan ng mga pinuno upang i-coordinate ang pag-uugali - tulad ng mga pedestrian sa isang sentro ng bayan sa halip na isang guided museum tour. Ang kumplikadong pag-uugali na nakikita natin sa mga pulutong ay nagmumula sa mga pakikipag-ugnayan sa pagitan ng mga indibidwal na sumusunod sa parehong mga simpleng panuntunan nang magkatulad. Sa wika ng pisika, ang hindi pangkaraniwang bagay na ito ay kilala bilang paglitaw.

Ang isip ng pugad

Noong 2016, kumpanya ng teknolohiya sa US Nagkakaisa AI ginamit ang kapangyarihan ng swarm intelligence sa manalo sa Kentucky Derby "superfecta" na taya, matagumpay na hinuhulaan ang una, pangalawa, pangatlo at ikaapat na puwesto na sakay sa sikat na karera ng kabayo sa US.

Mga dalubhasa sa industriya at maginoo machine learning algorithm gumawa ng mga swathes ng mga maling hula. Gayunpaman, ang mga baguhang mahilig sa karera na na-recruit ng Unanimous AI ay pinagsama ang kanilang kaalaman upang talunin ang 541/1 logro.

 Ang mga umaasang punter ay tumaya ng milyun-milyong dolyar sa Kentucky Derby bawat taon. Shutterstock / Cheryl Ann Quigley

Ang tagumpay ng mga boluntaryo ay nakasalalay sa paraan kung saan nabuo ang kanilang mga hula. Sa halip na bumoto sa mga sakay at pagsama-samahin ang kanilang mga pagpipilian, ginamit ng mga boluntaryo Unanimous AI's swarm intelligence platform upang lumahok sa isang real-time na digital tug of war, na inspirasyon ng mga pulutong ng mga ibon at bubuyog.

Ang lahat ng mga boluntaryo ay sabay-sabay na nag-dial patungo sa kani-kanilang mga pagpipilian. Pinahintulutan nito ang mga tao na baguhin ang kanilang mga kagustuhan bilang tugon sa mga aksyon ng iba (halimbawa, ang isang tao ay maaaring lumipat sa paghila patungo sa kanilang pangalawang pagpipilian, B, kaysa sa kanilang unang pagpipilian, C, kung nakita nilang A at B ang malinaw na mga paborito ).

Ang pagtugon sa isa't isa sa real time ay nagbigay-daan sa mga boluntaryo ng Unanimous AI na sama-samang lumampas sa pagganap mga indibidwal na may mataas na kaalaman.

Higit pa rito, natukoy ng pinakamadalas na indibidwal na pagpili ng mga boluntaryo ang pag-order, tanging ang Nanalo ng 2016 at paborito ng bookies, Nyquist, nailagay sana nang tama.

Mga alalahanin sa kalusugan

Ang mga katulad na teknolohiya ng swarming ay tumataas din ang interes sa healthcare sektor, kung saan usapan ng AI revolution ay nag-uudyok pagtaas ng mga alalahanin tungkol sa privacy ng pasyente.

Bilang pagtitiwala sa mga diskarteng batay sa data sa pangangalagang pangkalusugan tumataas, gayundin ang pangangailangan para sa malawak na mga dataset ng pasyente. Ang isang paraan upang matugunan ang mga kahilingang ito ay ang pool na impormasyon sa pagitan ng mga institusyon at sa ilang mga kaso, mga bansa.

Gayunpaman, ang paglilipat ng data ng pasyente ay madalas na napapailalim sa mahigpit na mga regulasyon sa proteksyon ng data. Ang isang solusyon sa problemang ito ay ang paggamit lamang ng in-house na data, bagama't madalas itong nagdudulot ng kapinsalaan ng katumpakan ng diagnostic.

Ang isang alternatibo ay namamalagi sa swarming. Naniniwala ang mga mananaliksik na kaya ng swarm intelligence panatilihin ang katumpakan ng diagnostic nang hindi nangangailangan ng raw data exchange sa pagitan ng mga institusyon.

Mga paunang pag-aaral ay nagpakita ng desentralisadong pag-iimbak ng data sa isang network ng mga nakikipag-ugnayan na mga node ay maaaring magbigay sa mga institusyon ng benepisyo ng ibinahaging karunungan. Nangangahulugan ito na walang sentral na hub na nag-uugnay sa daloy ng impormasyon, at hindi maa-access ng mga institusyon ang pribadong data ng pasyente ng bawat isa.

Gumagamit ang sentralisadong machine learning ng data na na-upload sa isang shared hub kung saan nagaganap ang machine learning gamit ang lahat ng available na data. Sa mga desentralisadong sistema, hiwalay na iniimbak ng bawat institusyon ang data nito sa sarili nitong node. Nangyayari ang machine learning nang lokal sa bawat node (gamit lang ang in-house na data), ngunit ang mga resulta ng machine learning ay ibinabahagi sa pagitan ng network, para sa pakinabang ng lahat ng node. Tinitiyak ng prosesong ito na ang hilaw na data ng pasyente ay hindi ipinagpapalit sa pagitan ng mga institusyon, na pinapanatili ang privacy ng pasyente.
Ang mga pulutong ng mga drone ay maaaring malapit nang mapuno ang larangan ng digmaan. Shutterstock / Andy Dean Photography

Mga pulutong at digmaan

Ang teknolohiya ng drone ay lalong ginagamit sa front-line na labanan, sa mga kamakailang panahon na pinaka-kapansin-pansin ng pwersa ng Ukraine nasa patuloy na labanan ng Russia-Ukraine. Gayunpaman, tulad ng nakatayo, kinakailangan ng maginoo na teknolohiya ng drone isa-sa-isang pangangasiwa.

Kasalukuyang pananaliksik sa pagtatanggol naglalayong mapadali ang komunikasyon sa pagitan ng mga drone, na nagpapahintulot sa isang controller na magpatakbo ng mga kuyog ng mga drone. Ang pag-unlad ng naturang teknolohiya ay nangangako na lubos na mapabuti ang Kakayahang sumukat, pagmamatyag sa kilos ng kaaway at kapansin-pansin kakayahan ng mga combat drone sa pamamagitan ng pagpapahintulot para sa tuluy-tuloy na relay ng impormasyon sa loob ng mga grupo ng mga drone.

Habang lumalalim ang pananaliksik sa swarming, nakakakita tayo ng mundo kung saan ang sama-samang pagkilos ay lumilikha ng pagiging kumplikado, kakayahang umangkop, at kahusayan. Habang umuunlad ang teknolohiya, nakatakdang lumaki ang papel ng swarm intelligence, na iniuugnay ang ating mundo sa kamangha-manghang dinamika ng mga kuyog.

Tungkol sa Ang May-akda

Samuel Johnson, Kandidato ng DPhil sa Biology ng Matematika, University of Oxford

Ang artikulong ito ay muling nai-publish mula sa Ang pag-uusap sa ilalim ng lisensya ng Creative Commons. Basahin ang ang orihinal na artikulo.