人工智能学习

研究动物群集行为如何影响人类和人工智能做出更好决策

本文主要是介绍研究动物群集行为如何影响人类和人工智能做出更好决策,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

图片

Aximof | 编辑

科普博文 | 分类

群集这个词通常带有负面含义,想想经常出现的蝗灾,或者以往在节假日购物高峰时大街上挤满了最后一刻的购物者。然而,群集行为在自然界中非常普遍,对许多动物集体的生存至关重要。而现在,对群集行为的研究有可能改变人类的生活。

蜜蜂集群为了更有效地寻找新的栖息地而进行群集行动。成群的椋鸟利用华丽的舞蹈来躲避和迷惑捕食者。这只是自然界中的两个例子,几乎在动物王国的每个角落都可以看到群集行为。

数学家、生物学家和社会科学家的研究帮助我们理解群集行为并利用其力量。它已经被用于人群控制、交通管理以及了解传染病的传播。最近,它也开始影响我们在医疗健康领域使用数据的方式,操作军事冲突中的无人机,并被用来在体育赛事中击败几乎不可逾越的赔率。

群集是一个超越其个体的系统。就像许多神经元组成一个能够思考、记忆和情感的大脑一样,动物群体也可以集体行动,形成一个 “超级大脑”,展现出个体动物所没有的高度复杂行为。

人工生命专家克雷格·雷诺兹 Craig Reynolds在 1986 年以他的Boids模型计算机模拟的发表中彻底改变了对群集行为的研究。Boids模型将群集行为分解为一组简单的规则。

在该模拟中,鸟类模型Boids像视频游戏中的角色一样,被指示向与其邻居相同的方向移动,朝向其邻居的平均位置移动,并避免与其他鸟类发生碰撞。与真实的群集相比,Boids模型的模拟效果惊人地准确。

图片

Boids模型表明,群集行为并不需要领导者来协调行为,就像市中心行走的行人一样,而不是像在博物馆里在导游之下行走。我们在群集中看到的复杂行为源于个体之间遵循相同简单规则的相互作用。从物理学的角度来看,这种现象被称为 “涌现”。

蜂群思维

2016 年,美国科技公司 Unanimous AI 利用群体智能的力量赢得了肯塔基德Kentucky Derby比赛中的 “超级四重彩” 赌注,成功预测了这场美国著名赛马比赛中的前四名骑手。

行业专家和传统的机器学习算法都进行了大量错误的预测。然而,由 Unanimous AI 招募的业余赛马爱好者们通过使用该公司的群体智能平台参与实时数字拉锯战,受到了鸟类和蜜蜂群体行为的启发,从而取得了成功。

所有志愿者同时向各自的选择拉动一个指针。这允许人们根据其他人的行动改变自己的偏好(举例来说,一个人可能会改变自己的选择,转而支持他们的第二选择B,而不是第一选择C,如果他们发现A和B是明显的热门选择)。志愿者们实时响应彼此的行动,使 Unanimous AI 的志愿者们能够集体超越高度知情的个体。

图片

医疗领域

类似的群体智能技术在医疗保健领域也越来越受关注,因为人工智能革命的谈论引发了人们对患者隐私的越来越多的担忧。

随着医疗保健中数据驱动技术的增加,对广泛的患者数据集的需求也在增加。满足这些需求的一种方法是在机构之间甚至国家之间共享信息。然而,患者数据的转移往往受到严格的数据保护法规的限制。解决这个问题的一个方法是使用仅内部数据,但这往往会损害诊断准确性。

群集行为提供了另一种选择。研究人员认为,群体智能可以在不需要机构之间共享原始数据的情况下保持诊断准确性。

初步研究表明,将数据存储分散到一组交互节点中可以使机构获得共享智慧的好处。这意味着没有一个中央枢纽来协调信息流动,各机构无法访问彼此的私人患者数据。集中式机器学习使用上传到共享枢纽的数据进行机器学习。在分散式系统中,每个机构将其数据分别存储在自己的节点中。机器学习在每个节点上本地进行(仅使用内部数据),但机器学习的结果在网络之间共享,使所有节点受益。

这个过程确保了患者原始数据之间不会在机构之间交换,保护了患者的隐私。

蜂群与战争

无人机技术在前线战斗中越来越广泛地使用。然而,目前的无人机技术需要一对一的监督。

当前的国防研究旨在促进无人机之间的通信,允许一个控制器操作无人机的群集。这种技术的发展有望通过允许群组内无人机之间的持续信息传递,大大提高战斗无人机的可扩展性、侦察能力和打击能力。

图片

随着研究对群集行为的深入探索,我们会发现一种集体行动创造复杂性、适应性和效率的世界。随着技术的发展,群体智能的作用将不断增长,将我们的世界与群集的迷人动力交织在一起。

这篇关于研究动物群集行为如何影响人类和人工智能做出更好决策的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!