Бірлескен жобалар көбінесе «тым көп аспаз» мәселесіне тап болады. Егер тым көп адамға белгілі бір мақсатқа жету тапсырылса, жағдай тез арада бақылаудан шығып кетуі мүмкін. Жақында құмырсқалардың ауыр, асимметриялық тағамдарды өз колонияларына бірлесіп тасымалдайтынын бақылап отырғанда, Вейцман ғылым институтының мінез-құлық экологы Офер Файнерман бұл ереженің құмырсқа колонияларына қолданылатынын ойлады. Оның зертханасының зерттеу нәтижелері, 2009 ж. жарияланған. Корольдік қоғам интерфейсінің журналы , келесіні ұсыныңыз. Топқа көбірек құмырсқалар қосу оларға кішігірім топтарда шеше алатыннан әлдеқайда күрделі мәселелерді шешуге мүмкіндік береді.
Жауапты табу үшін команда пішіндер мен салмақтарды дәл көрсететіндей етіп жасалған кішкентай заттарды 3D басып шығарды. Бұл заттарды түні бойы мысық жемінде сақтау оларды құмырсқаларды бақылау үшін тартымды етті. Paratrechina longicornis ), олар лазермен кесілген әртүрлі өлшемдегі және күрделі лабиринттердің ішіне орналастырылды. Әрбір жағдайда топ заттардың салмағы әр эксперименттегі құмырсқалар санына байланысты бірдей өзгеретініне көз жеткізді. Бұл оларға тапсырмаларды физикалық тұрғыдан ауырлатудың орнына, үйлестіру мен ынтымақтастықты өлшеуге мүмкіндік берді. Зерттеушілерге тек жем салынған лабиринттерді құмырсқа илеулерінің жанына қалдырып, содан кейін нәтижелерді түсіру керек болды.
Құмырсқалар топтарының барлығы дерлік қарапайым лабиринттерде сәтті жүріп, кішігірім заттарды түзу жолдармен бағыттады. Лабиринт жолдары күрделене түскен сайын және жүктер ауырлаған сайын жағдай өзгерді. Мұндай жағдайларда құмырсқалардың үлкен топтары аз адамдардан тұратын топтарға қарағанда әлдеқайда тиімді болып шықты. Бұл тіпті құмырсқалар маневр жасаған кезде тартылыс күшін ескеруге мәжбүр болған жағдайларда да солай болып қалды.
Сонымен қатар, Файнерманның командасы физикалық теориялар мен күштерді ескере отырып, машиналық оқыту бағдарламалары бірдей тапсырмаларды орындай ала ма, жоқ па, соны анықтау үшін компьютерлік модельдеу жүргізді. Содан кейін бағдарламалар ірі құмырсқа колонияларының күрделі жағдайларды тиімдірек шешетінінің мүмкін себептерін ұсынды.
«Модельдеу қарапайым жұмбақтарды гравитацияға негізделген қарапайым модельдерді пайдаланып шешуге болатынын көрсетті», - деді жақында Файнерман. «Егер сіз ішінде салмақ бар лабиринтті алып, оны еңкейтіп, бүкіл құрылымды шайқасаңыз, салмақ ақырында түсіп кетеді».
Дегенмен, күрделі лабиринттерде жағдай басқаша болды. Машиналық оқыту бағдарламаларына мұндай мәселелерді тиімді шешуге мүмкіндік беру үшін командаға құмырсқалардың таралған табиғатына қатысты «құмырсқа тәрізді» қасиеттерді енгізу қажет болды», - деп түсіндірді Файнерман. Оларға ауырлық күші масса центрі ретінде әрекет етпеуі немесе объектінің әртүрлі нүктелеріне бірнеше секунд сайын әсер етпеуі мүмкін екендігі жатады.
Зерттеу нәтижелері құмырсқа колонияларының тапқырлығы мен ұжымдық интеллектін өлшемдеріне қарай масштабтайтынын көрсеткенімен, зерттеушілер бұл құбылысты таным саласындағы шынайы «ұжымдық интеллект» ретінде қарастырудан сақтандырды. Машиналық оқыту мен жасанды интеллект туралы да осыны айтуға болады.
«Олар жай ғана кездейсоқ және бейтарап», - деді Файнерман өз командасының бағдарламалары туралы, модельдер әлі де әрбір лабиринтке байланысты әзірлеушілерден сыртқы түзетулерді қажет ететінін атап өтті. «Құмырсқаларға мұндай түзетулер қажет емес және олар барлық лабиринттерді сыртқы ақпаратсыз шешу үшін бірдей ережелерді қолданатын сияқты», - деп қосты ол.