A seregélymorajlás kialakul, ahogy a nappali fény elhalványul az éjszakai helyük felett. Shutterstock / Albert Beukhof

A raj szó gyakran negatív konnotációt hordoz – gondoljunk csak a bibliai sáskák csapásaira vagy az utolsó pillanatban vásárlókkal teli főutcákra a karácsonyi rohanás idején. A rajzás azonban elengedhetetlen számos állati kollektíva túléléséhez. És most a rajzás kutatása képes megváltoztatni a dolgokat az emberek számára is.

A méhek rajzanak, hogy magukévá váljanak új kolóniák keresése sokkal hatékonyabb. Seregélyállományok használják káprázatos mormogás, hogy elkerülje és megzavarja a ragadozókat. Ez csak két példa a természetből, de rajzás az állatvilág szinte minden szegletében látható.

A matematikusok, biológusok és társadalomtudósok kutatásai segítenek megérteni a rajzást és kihasználni annak erejét. Már használják tömegkontroll, forgalomirányítás és megérteni a a fertőző betegségek terjedése. A közelmúltban kezdi alakítani, hogyan használjuk fel az adatokat az egészségügyben, hogyan üzemeltetjük a drónokat katonai konfliktusokban, és arra használták, hogy a sportesemények során szinte leküzdhetetlen fogadási esélyeket verjünk le.

A raj olyan rendszer, amely nagyobb részei összegénél. Ahogyan sok idegsejt alkot gondolkodásra, emlékezetre és érzelmekre képes agyat, úgy az állatok csoportjai is képesek egyhangúan „szuperagy” kialakítására, amely rendkívül összetett viselkedést mutat, amely az egyes állatoknál nem tapasztalható.

Craig Reynolds mesterséges életszakértő forradalmasította a rajzás tanulmányozását 1986-ban a Boids modell számítógépes szimuláció. A Boids modell egyszerű szabályokra bontja a rajzást.

A szimulációban szereplő boidok (bird-oidok), mint az avatarok vagy a videojáték karakterei, arra utasítják, hogy a szomszédaikkal azonos irányba mozogjanak, mozogjanak szomszédaik átlagos pozíciója felé, és kerüljék az ütközést más boidokkal.

A testszimulációk feltűnően pontosak a valódi rajokhoz képest.

A Boids-modell azt sugallja, hogy a rajzáshoz nincs szükség vezetőkre a viselkedés összehangolásához – például gyalogosoknak a városközpontban, nem pedig egy vezetett múzeumi túra során. Az a bonyolult viselkedés, amelyet a rajokban látunk, az egyedek közötti interakciókból ered, akik párhuzamosan ugyanazokat az egyszerű szabályokat követik. A fizika nyelvén ezt a jelenséget ún megjelenése.

A kaptár elme

2016-ban amerikai technológiai vállalat Egyhangú AI a raj intelligencia erejét arra használta nyerje meg a Kentucky Derby „superfecta” fogadást, sikeresen előre jelezve a híres amerikai lóverseny első, második, harmadik és negyedik helyezettjét.

Ipari szakértők és a hagyományos gépi tanulási algoritmusok sok helytelen jóslatot fogalmazott meg. Az Unanimous AI által toborzott amatőr versenyzés szerelmesei azonban egyesítették tudásukat, hogy legyőzzék a 541/1 esély.

 A reménybeli fogadók minden évben dollármilliókat fogadnak a Kentucky Derbyre. Shutterstock / Cheryl Ann Quigley

Az önkéntesek sikere abban rejlett, ahogyan előrejelzéseiket generálták. Ahelyett, hogy a versenyzőkre szavaztak volna, és összesítették volna választásaikat, az önkéntesek használtak Egyhangú AI raj intelligencia platformja hogy részt vegyen egy valós idejű digitális kötélhúzásban, amelyet madárrajok és méhek ihlettek.

Minden önkéntes egyszerre húzta a tárcsát a saját választása felé. Ez lehetővé tette az emberek számára, hogy mások cselekedeteire reagálva megváltoztassák preferenciáikat (például előfordulhat, hogy egy személy a második választása, a B felé húzott, nem pedig az első választása, C, ha azt látta, hogy A és B az egyértelmű kedvencek. ).

Az egymásnak való valós idejű válaszadás lehetővé tette az Unanimous AI önkéntesei számára, hogy együttesen jobban teljesítsenek jól tájékozott személyek.

Sőt, ha az önkéntesek leggyakrabban egyéni válogatásai határozták meg a sorrendet, csak a 2016 győztes és a a fogadóirodák kedvence, Nyquist, helyesen lett volna elhelyezve.

Egészségügyi problémák

A hasonló rajzási technológiák iránt is egyre nagyobb az érdeklődés a egészségügyi szektor, hol AI forradalomról beszélünk felszólít növekvő aggodalmak a betegek magánéletével kapcsolatban.

Ahogy a ráhagyatkozás adatvezérelt technikák az egészségügyben növekszik, így a kiterjedt betegadatkészletek iránti igény is. Ezen igények kielégítésének egyik módja az összegyűjti az információkat intézmények és bizonyos esetekben országok között.

A betegek adatainak továbbítása azonban gyakran függ szigorú adatvédelmi előírásokat. A probléma megoldása az, ha csak házon belüli adatokat használunk, bár ez gyakran a diagnosztikai pontosság rovására megy.

Egy alternatíva a rajzásban rejlik. A kutatók úgy vélik, hogy a rajintelligencia képes rá megőrzi a diagnosztikai pontosságot intézmények közötti nyers adatcsere nélkül.

Előtanulmányok kimutatták, hogy az adattárolás kölcsönható csomópontok hálózatába történő decentralizálása a megosztott bölcsesség előnyeit adhatja az intézményeknek. Ez azt jelenti, hogy nincs központi központ, amely koordinálja az információáramlást, és az intézmények nem férhetnek hozzá egymás privát betegadataihoz.

A központosított gépi tanulás egy megosztott központba feltöltött adatokat használ, ahol a gépi tanulás az összes rendelkezésre álló adat felhasználásával zajlik. A decentralizált rendszerekben minden intézmény külön-külön tárolja adatait a saját csomópontjában. A gépi tanulás lokálisan történik minden csomóponton (csak házon belüli adatok felhasználásával), de a gépi tanulás eredményeit a hálózat megosztja, az összes csomópont javára. Ez a folyamat biztosítja, hogy a betegek nyers adatait ne cseréljék ki az intézmények között, megőrizve a betegek magánéletét.
Hamarosan drónrajok népesíthetik be a csatateret. Shutterstock / Andy Dean Photography

Rajok és hadviselés

A dróntechnológiát egyre gyakrabban használják az első vonalbeli harcokban, az utóbbi időben leginkább az ukrán erők a folyamatban lévő orosz-ukrán konfliktus. A jelenlegi állapot szerint azonban a hagyományos dróntechnológia megköveteli egy-egy felügyelet.

Jelenlegi védelmi kutatások célja, hogy megkönnyítse a drónok közötti kommunikációt, lehetővé téve egy irányító számára, hogy drónrajokat működtessen. Az ilyen technológia fejlesztése jelentős mértékben javítja a skálázhatóság, felderítés és a meglepő a harci drónok képességei, lehetővé téve a folyamatos információtovábbítást a dróncsoportokon belül.

Ahogy a kutatás mélyebbre ás a rajzásban, egy olyan világot találunk, ahol a kollektív cselekvés összetettséget, alkalmazkodóképességet és hatékonyságot teremt. A technológia fejlődésével a rajok intelligencia szerepe nőni fog, és összefonja világunkat a rajok lenyűgöző dinamikájával.

A szerzőről

Samuel Johnson, DPhil matematikai biológia kandidátus, University of Oxford

Ezt a cikket újra kiadják A beszélgetés Creative Commons licenc alatt. Olvassa el a eredeti cikk.