Командные проекты нередко упираются в проблему «слишком много участников». Когда над одной задачей работает слишком большая группа, процесс быстро может стать хаотичным. Но, наблюдая за тем, как муравьи вместе перетаскивают тяжелую и несимметричную пищу в колонию, поведенческий эколог Ofer Feinerman из Weizmann Institute of Science задался вопросом: действует ли это правило и в муравейниках. Результаты его лаборатории, опубликованные в Journal of the Royal Society Interface, показывают, что большее число муравьев, наоборот, помогает справляться с заметно более сложными задачами, чем это удается небольшим группам.
Чтобы это проверить, исследователи напечатали на 3D-принтере миниатюрные объекты с точно заданной формой и массой. Ночь в кошачьем корме делала их привлекательными для муравьев вида Paratrechina longicornis, после чего насекомых запускали в вырезанные лазером лабиринты разного размера и сложности. В каждом эксперименте ученые следили, чтобы масса объекта пропорционально соответствовала числу муравьев. Это позволило оценивать именно координацию и совместные действия, а не просто физическую тяжесть задачи. Дальше оставалось разместить приманки в лабиринтах рядом с муравейниками и записать происходящее на видео.
С простыми лабиринтами успешно справлялись почти все группы. Муравьи проводили небольшие объекты по коротким и понятным маршрутам вне зависимости от размера команды. Но по мере того, как путь усложнялся, а груз становился тяжелее, преимущество переходило к более многочисленным группам. Они работали заметно эффективнее, чем команды с меньшим числом участников. Это сохранялось даже в задачах, где муравьям приходилось учитывать влияние силы тяжести на перемещение объекта.
Параллельно команда Feinerman запускала компьютерные симуляции, чтобы проверить, смогут ли программы машинного обучения решать те же задачи с учетом физических законов и действующих сил. На основе этих моделей исследователи получили возможные объяснения того, почему крупные муравьиные группы лучше справлялись со сложными сценариями.
«Симуляции показали, что простые головоломки можно решить с помощью простых моделей, основанных на гравитации», — говорится в недавнем заявлении Feinerman. «Если взять лабиринт с грузом внутри, наклонить его и потрясти, груз в итоге выпадет сам».
Для более сложных лабиринтов такой подход уже не сработал. Чтобы программы машинного обучения начали эффективно решать такие задачи, исследователям пришлось добавить в них «муравьеподобные» свойства, связанные с распределенной природой колонии, пояснил Feinerman. Речь может идти, например, о ситуациях, где гравитация действует не через центр масс или прикладывается к разным точкам объекта каждые несколько секунд.
Авторы работы считают, что результаты показывают: изобретательность и коллективный интеллект муравьиной колонии, вероятно, масштабируются вместе с ее размером. При этом исследователи предостерегают от идеи воспринимать это как настоящий «единый разум». По их словам, похожее ограничение относится и к машинному обучению, и к искусственному интеллекту.
«Они просто случайны и ничего не знают», — сказал Feinerman о программах своей команды, отметив, что модели по-прежнему требуют внешней настройки со стороны разработчиков под каждый конкретный лабиринт. «Муравьям такая настройка не нужна: похоже, они используют одни и те же правила для решения всех лабиринтов без какой-либо внешней информации», — добавил он.
Читайте так же:
- Пауки-скакуны вдохновили учёных на создание невероятно эффективной 3D-камеры
- Крипи-робот-«слизь» продолжит двигаться даже после того, как ему сломают ноги
- Новая надежда для травмированных колибри: микро‑КТ повышает шансы на возвращение в дикую природу
Исследование показывает, что принципы коллективного поведения муравьев могут быть полезны при разработке систем машинного обучения и роевой робототехники. Для читателя это означает появление новых подходов к созданию алгоритмов, которые лучше справляются со сложными задачами без постоянной ручной настройки.
