زمزمه سارها با محو شدن نور روز بر روی محل های جویدن آنها شکل می گیرد. شاتراستاک / آلبرت بیخوف
کلمه swarm اغلب دارای معانی منفی است - به آفت های کتاب مقدسی ملخ ها یا خیابان های بالای پر از خریداران لحظه آخری در طول عجله کریسمس فکر کنید. با این حال، ازدحام برای بقای بسیاری از گروه های حیوانی ضروری است. و اکنون تحقیقات در مورد ازدحام پتانسیل این را دارد که همه چیز را برای انسان نیز تغییر دهد.
زنبورها برای ساختن خود ازدحام می کنند جستجو برای مستعمرات جدید موثرتر. گله های سار استفاده می کنند زمزمه های خیره کننده برای فرار و گیج کردن شکارچیان. اینها فقط دو نمونه از طبیعت هستند، اما ازدحام را می توان تقریباً در هر گوشه ای از قلمرو حیوانات مشاهده کرد.
تحقیقات ریاضیدانان، زیستشناسان و دانشمندان علوم اجتماعی به ما کمک میکند تا ازدحام را درک کنیم و قدرت آن را مهار کنیم. در حال حاضر برای استفاده می شود کنترل جمعیت, مدیریت ترافیک و برای درک گسترش بیماری های عفونی. اخیراً، نحوه استفاده ما از دادهها برای مراقبتهای بهداشتی، استفاده از پهپادها در درگیریهای نظامی و برای شکست دادن شانسهای شرطبندی تقریباً غیرقابل حل در رویدادهای ورزشی شروع شده است.
ازدحام سیستمی است که از مجموع اجزای آن بیشتر است. همانطور که بسیاری از نورونها مغزی را تشکیل میدهند که قادر به تفکر، حافظه و احساسات است، گروههایی از حیوانات نیز میتوانند به صورت هماهنگ عمل کنند تا یک «ابر مغز» را تشکیل دهند که رفتار بسیار پیچیدهای را نشان میدهد که در حیوانات منفرد دیده نمیشود.
کریگ رینولدز، کارشناس زندگی مصنوعی، در سال 1986 با انتشار کتاب انبوه سازی، تحولی در مطالعه ی ازدحام ایجاد کرد. مدل Boids شبیه سازی رایانهای. مدل Boids دسته جمعی را به مجموعه ای ساده از قوانین تقسیم می کند.
به Boids (پرنده-وئیدها) در شبیه سازی، مانند آواتارها یا شخصیت ها در یک بازی ویدیویی، دستور داده می شود که در همان جهت همسایه های خود حرکت کنند، به سمت موقعیت متوسط همسایگان خود حرکت کنند و از برخورد با دیگر بیدها اجتناب کنند.
شبیه سازی Boids در مقایسه با ازدحام واقعی بسیار دقیق است.
مدل Boids نشان میدهد که جمع شدن ازدحام نیازی به رهبرانی برای هماهنگ کردن رفتار ندارد - مانند عابران پیاده در مرکز شهر به جای بازدید از موزه با راهنما. رفتار پیچیده ای که در گروه ها می بینیم از تعامل بین افراد ناشی می شود که به طور موازی از همان قوانین ساده پیروی می کنند. این پدیده در زبان فیزیک به نام خروج.
ذهن کندو
در سال 2016، شرکت فناوری ایالات متحده AI به اتفاق آرا از قدرت هوش ازدحام استفاده کرد تا شرط بندی سوپرفکتا دربی کنتاکی را برنده شوید، پیش بینی موفقیت آمیز سوارکاران اول، دوم، سوم و چهارم در مسابقه اسب دوانی معروف آمریکا.
کارشناسان صنعت و الگوریتم های یادگیری ماشین معمولی انبوهی از پیش بینی های نادرست انجام داد. با این حال، علاقه مندان به مسابقات آماتور که توسط هوش مصنوعی Unanimous استخدام شده بودند، دانش خود را برای شکست دادن 541/1 شانس.
شاتراستاک / شریل آن کویگلی
موفقیت داوطلبان در روشی بود که پیشبینیهای آنها ایجاد شد. داوطلبان به جای رای دادن به سوارکاران و تجمیع انتخاب های آنها، از آنها استفاده کردند پلتفرم اطلاعاتی ازدحام هوش مصنوعی برای شرکت در یک طناب کشی دیجیتالی بلادرنگ، با الهام از انبوهی از پرندگان و زنبورها.
همه داوطلبان به طور همزمان یک صفحه را به سمت انتخاب های مربوطه خود کشیدند. این به افراد اجازه داد تا ترجیحات خود را در پاسخ به اقدامات دیگران تغییر دهند (برای مثال، ممکن است فردی به جای انتخاب اول خود، C، به سمت انتخاب دوم خود، B، حرکت کند، اگر ببیند که A و B مورد علاقه آشکار هستند. ).
پاسخگویی به یکدیگر در زمان واقعی به داوطلبان هوش مصنوعی Unanimous این امکان را می دهد که در مجموع عملکرد بهتری داشته باشند. افراد بسیار آگاه.
علاوه بر این، مکررترین انتخابهای داوطلبان، فقط سفارش را تعیین میکردند برنده 2016 و مورد علاقه کتابداران, نیکویست، به درستی قرار می گرفت.
ملاحظات بهداشتی
فن آوری های مشابه ازدحام نیز مورد توجه فزاینده ای هستند بهداشت و درمان بخش، جایی که صحبت از انقلاب هوش مصنوعی القا می کند افزایش نگرانی ها در مورد حفظ حریم خصوصی بیمار.
همانطور که تکیه بر تکنیک های داده محور در مراقبت های بهداشتی افزایش می یابد، همچنین تقاضا برای مجموعه داده های گسترده بیماران نیز افزایش می یابد. یکی از راه های برآورده شدن این خواسته ها این است که جمع آوری اطلاعات بین مؤسسات و در برخی موارد کشورها.
با این حال، انتقال داده های بیمار اغلب منوط به مقررات سختگیرانه حفاظت از داده ها. یک راه حل برای این مشکل استفاده از داده های داخلی است، اگرچه این امر اغلب به قیمت دقت تشخیصی تمام می شود.
یک جایگزین در ازدحام نهفته است. محققان بر این باورند که هوش ازدحام می تواند حفظ دقت تشخیصی بدون نیاز به تبادل داده های خام بین موسسات.
مطالعات مقدماتی نشان دادهاند که ذخیرهسازی غیرمتمرکز داده در شبکهای از گرههای تعاملی میتواند به مؤسسات از خرد مشترک بهرهمند شود. این بدان معناست که یک مرکز مرکزی برای هماهنگی جریان اطلاعات وجود ندارد و موسسات نمی توانند به داده های خصوصی بیماران یکدیگر دسترسی داشته باشند.
یادگیری ماشین متمرکز از دادههای آپلود شده در یک مرکز مشترک استفاده میکند، جایی که یادگیری ماشین با استفاده از تمام دادههای موجود انجام میشود. در سیستم های غیرمتمرکز، هر موسسه به طور جداگانه داده های خود را در گره خود ذخیره می کند. یادگیری ماشین به صورت محلی در هر گره اتفاق می افتد (فقط با استفاده از داده های داخلی)، اما نتایج یادگیری ماشین بین شبکه به اشتراک گذاشته می شود تا به نفع همه گره ها باشد. این فرآیند تضمین می کند که داده های خام بیمار بین مؤسسات رد و بدل نمی شود و حریم خصوصی بیمار حفظ می شود.
شاتر استاک / عکاسی اندی دین
ازدحام و جنگ
فناوری هواپیماهای بدون سرنشین به طور فزایندهای در نبردهای خط مقدم استفاده میشود، که در زمانهای اخیر بیشتر مورد استفاده قرار گرفته است نیروهای اوکراینی در ادامه درگیری روسیه و اوکراین. با این حال، همانطور که وجود دارد، فناوری پهپادهای معمولی نیاز دارد نظارت یک به یک.
تحقیقات دفاعی کنونی هدف آن تسهیل ارتباط بین پهپادها است و به یک کنترل کننده اجازه می دهد تا دسته ای از پهپادها را عملیاتی کند. توسعه چنین فناوری نویدبخش بهبود قابل توجهی است مقیاس پذیری, شناسایی و قابل توجه، برجسته، موثر قابلیتهای پهپادهای جنگی با امکان انتقال اطلاعات مداوم در گروههای پهپاد.
همانطور که تحقیقات عمیق تر در ازدحام می گذرد، دنیایی را می یابیم که در آن کنش جمعی پیچیدگی، سازگاری و کارایی ایجاد می کند. همانطور که تکنولوژی تکامل می یابد، نقش هوش ازدحام افزایش می یابد و دنیای ما را با پویایی جذاب ازدحام در هم می آمیزد.
درباره نویسنده
ساموئل جانسون، کاندیدای DPhil در زیست شناسی ریاضی، دانشگاه آکسفورد
این مقاله از مجله منتشر شده است گفتگو تحت مجوز Creative Commons دفعات بازدید: مقاله.