|
這一節(jié)我們來一起看一下神奇的群體智能。 群體智能Swarm Intelligence是指在集體層面表現(xiàn)的分散的、去中心化的自組織行為。 比如蟻群、蜂群構(gòu)成的復(fù)雜類社會系統(tǒng)，鳥群、魚群為適應(yīng)空氣或海水而構(gòu)成的群體遷移，以及微生物、植物在適應(yīng)生存環(huán)境時候所表現(xiàn)的集體智能。 群體智能SI一詞最早在1989年由Gerardo和Jing Wang提出，當(dāng)時是針對電腦屏幕上細(xì)胞機(jī)器人的自組織現(xiàn)象而提出的，而最知名的細(xì)胞機(jī)器人系統(tǒng)，如蘭頓的螞蟻和康韋的生命游戲，我們在生物智能小節(jié)中已經(jīng)詳細(xì)談?wù)撨^。 依賴于每個格子單元（細(xì)胞）的幾條簡單運動規(guī)則，就可以使細(xì)胞集合的運動表現(xiàn)出超常的智能行為。群體智能不是簡單的多個體的集合，而是超越個體行為的一種更高級表現(xiàn)，這種從個體行為到群體行為的演變過程往往極其復(fù)雜，以至于無法預(yù)測。 驚人的生命游戲演示視頻： 蟻群能夠搭建身體浮橋跨越缺口地形，并不是偶然事件。一個蟻群可能在同時搭建了超過50個螞蟻橋梁，每個橋梁從1只螞蟻到50只螞蟻不等。 螞蟻不僅可以建造橋梁，而且能夠有效評估橋梁的成本和效率之間的平衡，比如在V字形道路上，蟻群會自動調(diào)整到合適的位置建造橋梁，既不是靠近V頂點部分，也不是V開口最大的部分。 生物學(xué)家對蟻群橋梁研究的算法表面，每只螞蟻并不知道橋梁的整體形狀，它們只是在遵循兩個基本原則：
數(shù)十只螞蟻可以一起組成木筏raft渡過水面。當(dāng)蟻群遷徙的時候，整個木筏可能包含數(shù)萬只或更多螞蟻。 每只螞蟻都不知道木筏的整體形狀，也不知道木筏將要漂流的方向。但螞蟻之間非常巧妙的互相連接，形成一種透氣不透水的三維立體結(jié)構(gòu)，即使完全沉在水里的底部螞蟻也能生存。而這種結(jié)構(gòu)也使整個木筏包含超過75%空氣體積，所以能夠順利的漂浮在水面。 蟻群往往在地面形成非常復(fù)雜的尋找食物和搬運食物的路線，似乎整個集體總是能夠找到最好的食物和最短的路線，然而每只螞蟻并不知道這種智能是如何形成的，每只螞蟻只遵循兩條基本的規(guī)則：
使用樟腦丸在螞蟻經(jīng)過的路線上涂抹會導(dǎo)致螞蟻迷路，這是因為樟腦的強(qiáng)烈氣味嚴(yán)重干擾了螞蟻生物信息素的識別。 科學(xué)家們從蟻群依賴信息獲取最優(yōu)路徑的方法上獲得啟發(fā)，創(chuàng)建了AOC算法（Ant colony optimization），即蟻群優(yōu)化算法，廣泛應(yīng)用于車輛、店鋪、人員等各種資源的調(diào)度和分配中。 將金屬液體或其他固定成型劑倒入蟻穴，可以看到蟻群在底下建造的復(fù)雜結(jié)構(gòu)宮殿。 蟻群ants colony可能包含很少的個體，通常在數(shù)百到數(shù)千不等，2000年后，科學(xué)家們在日本、歐洲和澳大利亞都發(fā)現(xiàn)了在地下綿延數(shù)公里甚至數(shù)十公里的超級蟻群，都包含數(shù)億只甚至更多的螞蟻，并且證據(jù)表明，它們很可能是全球巨型蟻群的一部分。 蟻群具有復(fù)雜的等級結(jié)構(gòu)，女王可以通過特殊的信息素影響到其他螞蟻，甚至能夠調(diào)節(jié)其他螞蟻的生育繁殖。但女王并不會對工蟻下達(dá)任何具體任務(wù)，每個螞蟻都是一個自主的單位，它的行為完全取決于對周邊環(huán)境的感知和自身的遺傳編碼規(guī)則。 盡管缺乏集中決策，但蟻群仍能表現(xiàn)出很高的智能水平，這種智能也稱之為分布式智能Distributed Intelligence，蟻群看上去就像一個具有集體智慧的“超級心靈Super mind”。 不僅螞蟻，幾乎所有膜翅目昆蟲都表現(xiàn)出很強(qiáng)的群體智能行為，另一個知名的例子就是蜂群。 蟻群和蜂群被廣泛的認(rèn)為是具有真社會化屬性Eusociality的生物種群，這是指它們具有以下三個特征：
這個真社會化屬性和我們?nèi)祟惖纳鐣瘜傩許ociality并不是同一概念。 鳥類在群體飛行中往往能表現(xiàn)出一種智能的簇?fù)韰f(xié)同行為，尤其是在長途遷徙過程中，以特定的形狀組隊飛行可以充分利用互相產(chǎn)生的氣流，從而減少體力消耗。 常見的簇?fù)眸B群是遷徙的大雁，它們數(shù)量不多，往往排成一字型或者人字形，據(jù)科學(xué)估計，這種隊形可以讓大雁減少15~20%的體力消耗。 體型較小的歐椋鳥組成的鳥群的飛行則更富于變化，它們往往成千上萬只一起在空中飛行，呈現(xiàn)出非常柔美的群體造型。 鳥群可以基于三個簡單規(guī)則就能創(chuàng)建出極復(fù)雜的交互和運動方式，形成奇特的整體形狀，繞過障礙和躲避獵食者。
鳥群沒有中央控制，每只鳥都是獨立自主的，實際上每只鳥只考慮周邊球形空間內(nèi)的5~10只鳥的情況。
曾經(jīng)獲得奧斯卡技術(shù)獎的計算機(jī)圖形學(xué)家Craig Reynolds，1986年開發(fā)了Boids鳥群算法，這種算法僅僅依賴分離、對齊、凝聚三個簡單規(guī)則就能實現(xiàn)各種動物群體行為的模擬。 1987年動畫短片，《Stanley and Stella in: Breaking the Ice》中成功的實現(xiàn)了鳥群和魚群的模擬。而《蝙蝠俠》系列電影中的蝙蝠群動畫也是這種算法的效果。 除了電影動畫，鳥群算法還被應(yīng)用在多通道網(wǎng)絡(luò)信號、視覺信息等領(lǐng)域的優(yōu)化算法中。
魚群的群體行為和鳥群非常相似。金槍魚、鯡魚、沙丁魚等很多魚類都成群游行，如果我們把其中一只魚分離出來，就會觀察到這只魚變得情緒緊張脈搏加快。 這些魚總是傾向于加入數(shù)量大的、體型大小與自身更相似的魚群，所以有的魚群并不是完全由同一種魚組成。 群體游行不僅可以更有效利用水動力減少成員個體消耗，而且更有利于覓食和生殖，以及躲避捕食者的獵殺。 魚群中的絕大多數(shù)成員都不知道自己正在游向哪里。魚群使用共識決策機(jī)制，個體的決策會不斷地參照周邊個體的行為進(jìn)行調(diào)整，從而形成集體方向。
據(jù)估計，北大西洋中的鯡魚群可能超過4.8立方千米，數(shù)量超過數(shù)十億條。 磷蝦群在海洋中的密度可能超過每立方米50000只，而衛(wèi)星追蹤到的最大磷蝦群占地450平方千米，深200米，可能包含200多萬噸的磷蝦。 磷蝦群被認(rèn)為可能是世界上生物量最大的群體，另一個也極其龐大的群體是浮游橈足類，他們數(shù)量龐大，對全球的碳循環(huán)系統(tǒng)有著極為重要的影響。
在哺乳動物中也常見群體行為，尤其是陸上的牛、羊、鹿，或者南極的企鵝。遷徙和逃脫獵殺時候，它們能表現(xiàn)出很強(qiáng)的集體意志。 研究表明，畜群的整體行為很大程度上取決于個體的模仿和跟風(fēng)行為，而遇到危險的時候，則是個體的自私動機(jī)決定了整體的行為方向。 英國進(jìn)化生物學(xué)家漢密爾頓WD Hamilton在1971年提出了自私群體理論，另外一個知名的理論是羊群效應(yīng)，或者叫從眾效應(yīng)。 與鳥群魚群不同，畜群只在平面空間上行動，很多時候群體中的意見領(lǐng)袖的作用非常明顯，但這仍是一個去中心化的組織，往往是多個意見領(lǐng)袖同時起推動作用，而且這些意見領(lǐng)袖是自發(fā)形成且自發(fā)變化的。
人群的行為很多時候看上去和羊群相似，絕大部分人的行為是盲目跟風(fēng)的，他們只是根據(jù)周邊人的行為來行動，如果人群中5%改變了方向，其他人就都會跟隨，進(jìn)而讓整個群體改變方向。 當(dāng)人群中突然出現(xiàn)危險因素的時候，整個人群就會像魚群遇到鯊魚一樣躲避，但由于個體年齡體質(zhì)問題導(dǎo)致行為能力相差很大，互相之間更缺乏鳥類之間的氣流或者魚類之間的水流動力，因此很容易在緊急情況下造成混亂，甚至踩踏傷亡。 人類的群體行為更多的表現(xiàn)在交通、股票、營銷和傳媒領(lǐng)域，越來越多的企業(yè)和機(jī)構(gòu)，正在利用大量的用戶數(shù)據(jù)信息和優(yōu)秀的算法，對人群行為進(jìn)行模擬，從而實現(xiàn)更好的經(jīng)濟(jì)目標(biāo)或社會目的。
在計算機(jī)圖形動畫領(lǐng)域，人群模擬技術(shù)Crowd simulation，利用為個體設(shè)定較為簡單的行動規(guī)則，進(jìn)而生成大規(guī)模群體行為效果。以這項技術(shù)著稱的MASSIVE軟件，在2001年上映的著名電影《指環(huán)王》中創(chuàng)建驚人規(guī)模的戰(zhàn)爭場面。 這場戰(zhàn)爭中，動畫師僅依賴300多個設(shè)定好的動作，加上每個單位被賦予的若干條規(guī)則，就獲得了最終數(shù)十萬軍隊的整體戰(zhàn)斗效果。 MASSIVE軟件之后被廣泛應(yīng)用于好萊塢和全世界的電影特效當(dāng)中。
電影動畫中所使用的群體模擬至今仍然以設(shè)定好的個體行為規(guī)則來作為驅(qū)動。 1992年，計算機(jī)科學(xué)家克里斯·沃特金斯提出了Q-learning理論，它可以讓群體中的個體執(zhí)行各種操作，并能夠根據(jù)從環(huán)境中獲得的獎勵或懲罰來優(yōu)化其行為，使用這種算法，伴隨著大量可能的行為和復(fù)雜的環(huán)境，個體將以現(xiàn)實和不可預(yù)測的方式行動，并形成更強(qiáng)大的集體意識。 Q-Learning至今仍是機(jī)器學(xué)習(xí)中的重要算法之一，通常稱作強(qiáng)化學(xué)習(xí)。
2011年，哈佛大學(xué)的拉德?？āぜ{泊爾和邁克爾魯賓斯坦開始開發(fā)微型的群體機(jī)器人kilobot，每個kilobot高3.3厘米，造價15美元，行為極為簡單：
kilobots可以上千個一起合作，你不需要對每個機(jī)器人進(jìn)行編程，而只要通過空中的紅外發(fā)射器向它們發(fā)送整體信息，就可以使機(jī)器人們組成各種圖形或者進(jìn)行有規(guī)律的閃爍，甚至可以模擬螞蟻尋找食物的路徑行為。 Kilobots介紹視頻：
2004年，兩位科學(xué)家Ayusman Sen和Thomas E. Mallouk制造出僅有4微米的納米馬達(dá)nanomotor，這些小家伙們可以一起進(jìn)入人體細(xì)胞內(nèi)運動。 Kilobots為了降低成本而沒有使用傳統(tǒng)的電機(jī)驅(qū)動行為，而在微觀領(lǐng)域也需要有更特殊的能量驅(qū)動方式。 納米馬達(dá)可以依賴超聲波共振來運動，或者自身與環(huán)境元素發(fā)生化學(xué)反應(yīng)進(jìn)行驅(qū)動，這種運動本質(zhì)是很像是人體細(xì)胞的ATP營養(yǎng)物質(zhì)，其化學(xué)反應(yīng)為細(xì)胞提供了動力。 納米馬達(dá)的行為能力往往非常簡單，但我們可以通過在外部釋放的磁場信號來對他們施加影響，讓他們在人體內(nèi)進(jìn)行有效的醫(yī)療治愈行為。最新一些的納米馬達(dá)具有光感知能力，通過外部光的照射來改變其行為。
細(xì)菌和植物也能夠以特殊的方式表現(xiàn)出群體智能行為。 培養(yǎng)皿中的枯草芽孢桿菌根據(jù)營養(yǎng)組合物和培養(yǎng)基的粘度，整個群體從中間向四周有規(guī)律的擴(kuò)散遷移，形成隨機(jī)但非常有規(guī)律的數(shù)值型狀。 而植物的根系作為一個集體，各個根尖之間存在某種通信，遵循范圍最大化且互相保持間隔的規(guī)律生長，進(jìn)而能夠最有效的利用空間吸收土壤中的養(yǎng)分。 群體智能Swarm Intelligence可以視為系統(tǒng)智能System Intelligence的一個特殊情況，更多的分析和匯總將在下一節(jié)中討論。 |
|
|
