В отличие от людей, муравьи работают лучше в больших группах

Больше муравьёв — меньше проблем.

Совместные проекты часто могут столкнуться с проблемой «слишком много поваров». Поручите достижение конкретной цели чрезмерному количеству людей — и ситуация, скорее всего, довольно скоро превратится в хаос. Недавно, наблюдая за муравьями, которые совместно тащили тяжёлую несимметричную пищу в свой муравейник, поведенческий эколог из Института науки Вейцмана Офер Файнерман задумался, действует ли то же правило в отношении муравьиных колоний. Результаты его лаборатории, опубликованные в Journal of the Royal Society Interface, позволяют предположить, что добавление большего числа муравьёв может на самом деле позволить им решать гораздо более сложные задачи, чем те, которые они решают в меньших группах.

Чтобы найти ответ, команда напечатала на 3D-принтере крошечные реквизиты с точно заданной формой и весом. Храня эти объекты в кошачьем корме на ночь, они делали их привлекательными для муравьёв-бродяг (Paratrechina longicornis), которых затем помещали в лабиринты, вырезанные лазером, разного размера и сложности. В каждом случае команда следила за тем, чтобы вес объектов соответствовал количеству муравьёв в каждом эксперименте. Это позволяло измерять координацию и кооперацию, а не просто делать задачи более физически изнурительными. Всё, что оставалось исследователям, — это оставить лабиринты с приманкой рядом с муравьиными гнёздами и затем записать результаты.

Примеры решений головоломок группами муравьёв разного размера

Почти все группы любого размера успешно проходили более простые лабиринты, проводя небольшие объекты по более прямым маршрутам. Ситуация менялась, когда маршруты лабиринтов усложнялись одновременно с увеличением веса груза. В таких случаях большие группы муравьёв становились гораздо эффективнее, чем группы с меньшим числом участников. Это оставалось верным даже в ситуациях, требующих от муравьёв учитывать силу тяжести в своих манёврах.

Тем временем команда Файнермана провела компьютерные симуляции, чтобы проверить, смогут ли программы машинного обучения справиться с теми же задачами, используя физические теории и силы. Затем программы предложили возможные объяснения того, почему более крупные колонии муравьёв решают сложные задачи эффективнее.

«Симуляции показали, что простые головоломки можно решить с помощью простых моделей, основанных на гравитации, — недавно заявил Файнерман в своём заявлении. — Если взять лабиринт с грузом внутри, наклонить его и встряхнуть, груз в конечном счёте выпадет».

Однако с более сложными лабиринтами это было не так. «Чтобы наши программы машинного обучения могли эффективно решать эти сценарии, нам потребовалось ввести “муравьиные” свойства, связанные с распределённой природой муравьёв», — объяснил Файнерман. Эти аспекты могут включать, например, то, что сила тяжести действует не через центр масс или прикладывается к разным точкам объекта каждые несколько секунд.

Хотя их выводы подчёркивают, что муравьиные колонии, вероятно, масштабируют свою изобретательность и коллективный интеллект в зависимости от своего размера, исследователи предостерегли от восприятия этого как настоящего «роевого разума» в смысле мышления. То же самое можно сказать и о машинном обучении и искусственном интеллекте.

«Они просто случайны и неосведомлены», — сказал Файнерман о программах своей команды, отметив, что модели всё равно требуют внешней настройки со стороны разработчиков в зависимости от каждого лабиринта. «Муравьям не нужна такая настройка, и, похоже, они используют одни и те же правила для решения всех лабиринтов без какой-либо внешней информации», — добавил он.

Andrew Paul “Unlike humans, ants work better in larger groups”

Перевод статьи «Unlike humans, ants work better in larger groups» автора Andrew Paul , оригинал доступен по ссылке. Лицензия: CC BY. Изменения: переведено на русский язык

Фото: Кооперация муравьёв может помочь в разработке более совершенных программ машинного обучения и роевых роботов. Источник фото: Wilson Khor via Getty Images