ねぐらに日の光が薄れると、ムクドリの鳴き声が聞こえてきます。 シャッターストック / アルバート・ビューコフ

「群れ」という言葉には、否定的な意味合いが含まれることがよくあります。聖書に出てくるバッタの大発生や、クリスマスラッシュの駆け込み購入者でいっぱいの目抜き通りを思い浮かべてください。 しかし、群れをなすことは、多くの動物集団が生き残るために不可欠です。 そして今、群れの研究は人間にとっても状況を変える可能性を秘めています。

ミツバチは自分たちのものを作るために群がる 新しいコロニーを探す さらに効果的な。 ムクドリの群れが使用 捕食者を避け、混乱させるためのまばゆいさえずり。 これらは自然界の XNUMX つの例にすぎませんが、群れは動物界のほぼあらゆる場所で見られます。

数学者、生物学者、社会科学者による研究は、私たちが群れを理解し、その力を利用するのに役立ちます。 すでに使用されています 群衆管理, 交通管理 そしてそれを理解するために 感染症の蔓延。 最近では、ヘルスケアのためのデータの使用方法、軍事紛争でのドローンの操作方法が形成され始めており、スポーツ イベントでほぼ克服できない賭けのオッズを破るために使用されています。

群れは、その部分の合計よりも大きなシステムです。 多くのニューロンが思考、記憶、感情をもつ脳を形成するのと同じように、動物の集団も協調して行動して「超脳」を形成し、個々の動物では見られない非常に複雑な行動を示すことができます。

人工生命の専門家クレイグ・レイノルズは、1986 年に次の論文を出版し、群れの研究に革命をもたらしました。 ボイドモデル コンピューターシミュレーション。 Boids モデルは、スウォーミングを単純なルールのセットに分割します。

ビデオ ゲームのアバターやキャラクターと同様、シミュレーション内の Boid (鳥型イド) は、近隣の Boid と同じ方向に移動し、近隣の Boid の平均位置に向かって移動し、他の Boid との衝突を避けるように指示されます。

ボイドのシミュレーションは、実際の群れと比較すると驚くほど正確です。

Boids モデルは、ガイド付き博物館ツアーではなく町の中心部の歩行者のように、群れの行動にはリーダーが行動を調整する必要がないことを示唆しています。 群れで見られる複雑な行動は、同じ単純なルールに並行して従う個体間の相互作用から生じます。 物理学の言葉では、この現象は次のように呼ばれます。 出現.

集合意識

2016年、米国のテクノロジー企業 満場一致のAI 群れの知性の力を利用して、 ケンタッキーダービーの「スーパーパーフェクト」賭けに勝つは、有名な米国の競馬で XNUMX 位、XNUMX 位、XNUMX 位、XNUMX 位の騎手を予想することに成功しました。

業界の専門家 & 従来の機械学習アルゴリズム 不正確な予測を広範囲に行った。 しかし、Unanimous AI によって採用されたアマチュアのレース愛好家たちは、知識を結集して、 541/1オッズ.

 希望に満ちた賭け者は毎年、ケンタッキーダービーに数百万ドルを賭けます。 シャッターストック / シェリル・アン・クイグリー

ボランティアたちの成功は、彼らの予測が生成された方法にありました。 ライダーに投票して彼らの選択を集計する代わりに、ボランティアは以下を使用しました。 Unanimous AI の群知能プラットフォーム 鳥やミツバチの群れからインスピレーションを得た、リアルタイムのデジタル綱引きに参加できます。

ボランティア全員が同時にダイヤルをそれぞれの選択に向けて引きました。 これにより、人々は他人の行動に応じて自分の好みを変えることができるようになりました（たとえば、A と B が明確なお気に入りであると見た場合、人は最初の選択肢である C ではなく、XNUMX 番目の選択肢である B に惹かれるように切り替えた可能性があります） ）。

リアルタイムで相互に応答することで、Unanimous AI のボランティアは集合的に優れたパフォーマンスを発揮できるようになりました 高度な情報を持つ人々.

さらに、ボランティアの中で最も頻繁に選んだ個人によって順序が決定されたとすると、 & ブックメーカーのお気に入り, ナイキスト、正しく配置されているはずです。

健康上の懸念

同様のスワーミング技術への関心も高まっています。 ヘルスケア セクター、どこ AI革命の話 促している 患者のプライバシーに対する懸念の増大.

依存先としては 医療におけるデータ駆動型の技術 増加するにつれて、広範な患者データセットに対する需要も増加します。 これらの要求を満たす XNUMX つの方法は、 機関間、場合によっては国間で情報をプールする.

ただし、患者データの転送には多くの場合、 厳格なデータ保護規制。 この問題の解決策は社内データのみを使用することですが、これには多くの場合、診断の精度が犠牲になります。

別の方法は群衆にあります。 研究者らは、群知能は次のようなことができると考えています。 診断精度を維持する 機関間で生データを交換する必要はありません。

予備調査 データストレージを相互作用するノードのネットワークに分散させることで、各機関が知恵を共有できるという利点が得られることを示しています。 これは、情報の流れを調整する中央ハブが存在せず、各機関が互いのプライベートな患者データにアクセスできないことを意味します。

一元化された機械学習では、共有ハブにアップロードされたデータが使用され、そこで利用可能なすべてのデータを使用して機械学習が行われます。 分散型システムでは、各機関が独自のノードにデータを個別に保存します。 機械学習は各ノードでローカルに (社内データのみを使用して) 行われますが、機械学習の結果はネットワーク間で共有され、すべてのノードの利益になります。 このプロセスにより、生の患者データが施設間で交換されなくなり、患者のプライバシーが保護されます。
まもなくドローンの群れが戦場に現れるかもしれない。 Shutterstock / アンディ ディーン写真

群れと戦争

ドローン技術は前線の戦闘でますます使用されており、最近では最も顕著です。 ウクライナ軍 セクションに 現在進行中のロシアとウクライナの紛争。 しかし、現状では、従来のドローン技術では、 XNUMX対XNUMXの監督.

現在の防衛研究 ドローン間の通信を促進し、XNUMX 台のコントローラーでドローンの群れを操作できるようにすることを目的としています。 このような技術の開発は、大幅な改善を約束します。 スケーラビリティ, 偵察 & 印象的な ドローンのグループ内で継続的な情報中継を可能にすることで、戦闘用ドローンの能力を強化します。

研究がスウォーミングをさらに深く掘り下げていくと、集団行動が複雑さ、適応性、効率性を生み出す世界が見えてきます。 テクノロジーが進化するにつれて、群知能の役割は増大し、私たちの世界と群の魅力的なダイナミクスが絡み合うことになるでしょう。

著者について

サミュエル·ジョンソン、数理生物学の博士候補者、 オックスフォード大学

この記事はから再公開されます 会話 クリエイティブコモンズライセンスの下で 読む 原著.