Christine Drews Sieger
Forskare har studerat decentraliserat myrbeteende för att skapa smartare svärmrobotik och självorganiserande algoritmer.
För att testa insekterna dofttränade forskarteamet 3D-printade plastföremål med kattmat och släppte ut myrorna i krångliga, specialbyggda labyrinter.
Genom att justera föremålens vikt i förhållande till gruppstorleken isolerade studien den kollektiva problemlösningsförmågan från ren fysisk styrka.
Prestationsgapet mellan små och stora grupper visade sig bara under komplexa försök, där större kolonier presterade avsevärt bättre än mindre team, rapporterar Popular Science.
Kod möter natur
För att lista ut vad som hände jämförde forskarna de fysiska försöken med komplexa datormodeller.
Standardmässiga digitala simuleringar som enbart förlitade sig på grundläggande fysiska krafter lyckades på enkla vägar.
Dessa enkla program misslyckades dock när de ställdes inför svårare hinder, vilket tvingade forskarna att hitta nya sätt att modellera beteendet.
För att replikera dessa resultat digitalt var forskarna tvungna att uppdatera sina algoritmer för att efterlikna hur myror fördelar fysisk kraft över en grupp.
De digitala modellerna krävde ständiga manuella justeringar av programmerare för att lyckas.
Insekterna, å andra sidan, löste varenda labyrint utan någon hjälp utifrån eller individuell förståelse för det övergripande målet, enligt Popular Science.
Bygga smartare robotar
Dessa resultat utmanar antagandet att myrkolonier förlitar sig på ett centraliserat bikupesinne för att utföra svåra uppgifter.
I stället uppnår små organismer anmärkningsvärda resultat genom att följa grundläggande, decentraliserade regler.
Enligt Popular Science tror forskare att dessa naturliga principer snart kan förvandla teknologin.
Genom att studera hur myrsvärmar skalar sin kollektiva problemlösning hoppas ingenjörer kunna designa avsevärt överlägsen svärmrobotik och decentraliserade maskininlärningsalgoritmer.
Vad är svärmintelligens?
Enligt en forskningsartikel från ScienceDirect är svärmintelligens en disciplin inom artificiell intelligens inspirerad av det kollektiva beteendet hos sociala insekter och djur, såsom myror, bin och fåglar.
Det syftar på decentraliserade, självorganiserade system där en population av enkla agenter interagerar lokalt med varandra och sin miljö baserat på grundläggande regler, utan någon central styrenhet.
Även om enskilda agenter har begränsad förmåga på egen hand, gör deras samarbete och arbetsdelning att komplexa, intelligenta systembeteenden kan uppstå, vilket ger gruppen hög robusthet och flexibilitet.
I dag anpassar forskare dessa naturliga principer för att designa bioinspirerade algoritmer och fleragentsystem, såsom svärmrobotik och komplex ruttoptimering.
