Rungutan burung jalak terbentuk apabila siang hari memudar di atas tapak bertelur mereka. Shutterstock / Albert Beukhof

Perkataan segerombolan sering membawa konotasi negatif - fikirkan bala alkitabiah belalang atau jalan raya yang penuh dengan pembeli saat akhir semasa kesibukan Krismas. Walau bagaimanapun, berkerumun adalah penting untuk kelangsungan hidup banyak kolektif haiwan. Dan kini penyelidikan ke dalam berkerumun mempunyai potensi untuk mengubah perkara untuk manusia juga.

Lebah berkerumun untuk membuat mereka mencari koloni baru lebih berkesan. Kawanan burung jalak menggunakan rungutan yang mempesonakan untuk mengelak dan mengelirukan pemangsa. Ini hanyalah dua contoh dari alam semula jadi tetapi berkerumun boleh dilihat di hampir setiap sudut kerajaan haiwan.

Penyelidikan daripada ahli matematik, ahli biologi dan saintis sosial membantu kami memahami kerumunan dan memanfaatkan kuasanya. Ia sudah digunakan untuk kawalan orang ramai, pengurusan trafik dan untuk memahami penyebaran penyakit berjangkit. Baru-baru ini, ia mula membentuk cara kami menggunakan data untuk penjagaan kesihatan, mengendalikan dron dalam konflik ketenteraan dan telah digunakan untuk mengatasi kemungkinan pertaruhan yang hampir tidak dapat diatasi dalam acara sukan.

Kawanan ialah sistem yang lebih besar daripada jumlah bahagiannya. Sama seperti banyak neuron membentuk otak yang mampu berfikir, ingatan dan emosi, kumpulan haiwan boleh bertindak serentak untuk membentuk "otak super", memaparkan tingkah laku yang sangat kompleks yang tidak dilihat pada haiwan individu.

Pakar kehidupan tiruan Craig Reynolds merevolusikan kajian kerumunan pada tahun 1986 dengan penerbitan Model boids simulasi komputer. Model Boids memecah kerumunan menjadi satu set peraturan yang mudah.

Boids (bird-oids) dalam simulasi, seperti avatar atau watak dalam permainan video, diarahkan untuk bergerak ke arah yang sama dengan jiran mereka, bergerak ke arah kedudukan purata jiran mereka dan mengelakkan perlanggaran dengan boid lain.

Simulasi boid adalah sangat tepat jika dibandingkan dengan kawanan sebenar.

Model Boids mencadangkan bahawa berkerumun tidak memerlukan pemimpin untuk menyelaraskan tingkah laku - seperti pejalan kaki di pusat bandar dan bukannya lawatan muzium berpandu. Tingkah laku kompleks yang kita lihat dalam kawanan timbul daripada interaksi antara individu mengikut peraturan mudah yang sama secara selari. Dalam bahasa fizik, fenomena ini dikenali sebagai kemunculan.

Fikiran sarang lebah

Pada 2016, syarikat teknologi AS AI sebulat suara menggunakan kuasa kecerdasan kawanan untuk memenangi pertaruhan "superfecta" Kentucky Derby, berjaya meramalkan pelumba pertama, kedua, ketiga dan keempat dalam perlumbaan kuda terkenal AS.

Pakar industri and algoritma pembelajaran mesin konvensional membuat banyak ramalan yang salah. Walau bagaimanapun, peminat perlumbaan amatur yang direkrut oleh Unanimous AI mengumpulkan pengetahuan mereka untuk mengalahkan 541/1 kemungkinan.

 Penonton penuh harapan bertaruh berjuta-juta dolar pada Kentucky Derby setiap tahun. Shutterstock / Cheryl Ann Quigley

Kejayaan sukarelawan terletak pada cara ramalan mereka dijana. Daripada mengundi penunggang dan mengagregatkan pilihan mereka, sukarelawan menggunakan Platform perisikan swarm AI sebulat suara untuk mengambil bahagian dalam tarik tali digital masa nyata, yang diilhamkan oleh kawanan burung dan lebah.

Semua sukarelawan serentak menarik dail ke arah pilihan masing-masing. Ini membolehkan orang ramai menukar pilihan mereka sebagai tindak balas kepada tindakan orang lain (contohnya, seseorang mungkin telah beralih kepada pilihan kedua mereka, B, dan bukannya pilihan pertama mereka, C, jika mereka melihat A dan B adalah kegemaran yang jelas. ).

Bertindak balas antara satu sama lain dalam masa nyata membolehkan sukarelawan AI Sebulat suara mengatasi prestasi secara kolektif individu yang berpengetahuan tinggi.

Lebih-lebih lagi, pemilihan individu yang paling kerap daripada sukarelawan menentukan pesanan, hanya yang Pemenang 2016 and kegemaran bookie, Nyquist, akan diletakkan dengan betul.

Kebimbangan kesihatan

Teknologi swarming yang serupa juga semakin menarik minat dalam penjagaan kesihatan sektor, di mana bercakap tentang revolusi AI sedang menggesa meningkatkan kebimbangan mengenai privasi pesakit.

Sebagai pergantungan kepada teknik berasaskan data dalam penjagaan kesihatan meningkat, begitu juga permintaan untuk set data pesakit yang luas. Satu cara untuk memenuhi tuntutan ini adalah dengan mengumpulkan maklumat antara institusi dan dalam beberapa kes, negara.

Walau bagaimanapun, pemindahan data pesakit selalunya tertakluk kepada peraturan perlindungan data yang ketat. Penyelesaian kepada masalah ini adalah dengan menggunakan data dalaman sahaja, walaupun ini selalunya mengorbankan ketepatan diagnostik.

Alternatifnya terletak pada berkerumun. Penyelidik percaya kecerdasan kawanan boleh mengekalkan ketepatan diagnostik tanpa memerlukan pertukaran data mentah antara institusi.

Kajian awal telah menunjukkan desentralisasi storan data ke dalam rangkaian nod yang berinteraksi boleh memberi institusi manfaat kebijaksanaan yang dikongsi. Ini bermakna tiada hab pusat yang menyelaraskan aliran maklumat dan institusi tidak boleh mengakses data pesakit persendirian antara satu sama lain.

Pembelajaran mesin berpusat menggunakan data yang dimuat naik ke hab kongsi tempat pembelajaran mesin berlaku menggunakan semua data yang tersedia. Dalam sistem terdesentralisasi, setiap institusi menyimpan datanya secara berasingan dalam nodnya sendiri. Pembelajaran mesin berlaku secara setempat pada setiap nod (hanya menggunakan data dalaman), tetapi hasil pembelajaran mesin dikongsi antara rangkaian, untuk manfaat semua nod. Proses ini memastikan bahawa data pesakit mentah tidak ditukar antara institusi, memelihara privasi pesakit.
Sekumpulan dron mungkin akan memenuhi medan perang tidak lama lagi. Shutterstock / Andy Dean Photography

Kawanan dan peperangan

Teknologi dron semakin digunakan dalam pertempuran barisan hadapan, sejak kebelakangan ini terutamanya oleh tentera Ukraine dalam konflik Russia-Ukraine yang berterusan. Walau bagaimanapun, seperti sedia ada, teknologi dron konvensional memerlukan penyeliaan satu sama satu.

Penyelidikan pertahanan semasa bertujuan untuk memudahkan komunikasi antara dron, membolehkan seorang pengawal mengendalikan segerombolan dron. Perkembangan teknologi sedemikian menjanjikan untuk meningkatkan secara meluas berskala, peninjau and menarik perhatian keupayaan dron tempur dengan membenarkan penyampaian maklumat berterusan dalam kumpulan dron.

Apabila penyelidikan menyelidiki lebih mendalam ke dalam kumpulan, kami menemui dunia di mana tindakan kolektif mewujudkan kerumitan, kebolehsuaian dan kecekapan. Apabila teknologi berkembang, peranan kecerdasan kawanan akan berkembang, menjalin dunia kita dengan dinamika kawanan yang menarik.

Tentang Pengarang

Samuel Johnson, Calon DPhil dalam Biologi Matematik, Universiti Oxford

Artikel ini diterbitkan semula daripada Perbualan di bawah lesen Creative Commons. Membaca artikel asal.