В совместных проектах часто возникает проблема «слишком много поваров». Если поручить достижение конкретной цели чрезмерному количеству людей, ситуация быстро может выйти из-под контроля. Недавно, наблюдая за тем, как муравьи сообща переносят тяжелую, асимметричную пищу в свою колонию, поведенческий эколог Офер Файнерман из Института науки Вейцмана задался вопросом, применимо ли это правило к муравьиным колониям. Результаты его лаборатории, опубликованные в журнале Journal of the Royal Society Interface , предполагают следующее. Добавление большего количества муравьев в группу может фактически позволить им решать гораздо более сложные задачи, чем те, с которыми они справляются в меньших группах.
Чтобы найти ответ, команда напечатала на 3D-принтере крошечные предметы, разработанные с учетом точных форм и веса. Хранение этих предметов в кошачьем корме на ночь сделало их привлекательными для муравьев-бегунов ( Paratrechina longicornis ), которых помещали внутрь вырезанных лазером лабиринтов различного размера и сложности. В каждом случае команда следила за тем, чтобы вес предметов одинаково изменялся в зависимости от количества муравьев в каждом эксперименте. Это позволило им измерить координацию и сотрудничество, а не просто сделать задачи более физически утомительными. Все, что оставалось сделать исследователям, — это оставить лабиринты с приманкой рядом с муравейниками, а затем снять результаты на видео.
Практически все группы муравьев успешно преодолевали более простые лабиринты, направляя небольшие объекты по более прямым путям. Ситуация менялась по мере усложнения маршрутов лабиринтов и увеличения веса груза. В таких случаях большие группы муравьев оказывались гораздо эффективнее, чем команды с меньшим количеством особей. Это оставалось верным даже в ситуациях, когда муравьям приходилось учитывать гравитацию при своих маневрах.
Тем временем команда Файнермана провела компьютерное моделирование, чтобы выяснить, смогут ли программы машинного обучения справиться с теми же задачами, учитывая физические теории и силы. Затем программы предложили возможные объяснения того, почему более крупные муравьиные колонии решали более сложные ситуации более эффективно.
«Моделирование показало, что простые головоломки можно решить с помощью простых моделей, основанных на гравитации», — заявил недавно Файнерман. «Если взять лабиринт с грузом внутри, наклонить его и потрясти всю конструкцию, груз в конце концов выпадет».
Однако с более сложными лабиринтами дело обстояло иначе. Для того чтобы их программы машинного обучения могли эффективно решать такие задачи, команде нужно было ввести «муравьиные» свойства, связанные с распределенной природой муравьев», — объяснил Файнерман. К таким аспектам можно отнести то, что гравитация может не действовать как центр масс или воздействовать на разные точки объекта каждые несколько секунд.
Хотя их выводы подчеркивают, что муравьиные колонии, вероятно, масштабируют свою изобретательность и коллективный интеллект в зависимости от своего размера, исследователи предостерегли от рассмотрения этого явления как истинного «коллективного разума» в области познания. То же самое можно сказать и о машинном обучении и искусственном интеллекте.
«Они просто случайны и непредвзяты», — сказал Файнерман о программах своей команды, отметив, что модели по-прежнему требуют внешней корректировки со стороны разработчиков в зависимости от каждого лабиринта. «Муравьям такая настройка не требуется, и, похоже, они используют одни и те же правила для решения всех лабиринтов без какой-либо внешней информации», — добавил он.