Νοημοσύνη σμήνους

Νοημοσύνη σμήνους

Χρησιμοποιώντας μυρμήγκια και άλλα κοινωνικά έντομα σαν μοντέλα, οι επιστήμονες κατασκευάζουν εικονικά έντομα (παράγοντες λογισμικού), που συνεργάζονται για να λύσουν πολυσύνθετα προβλήματα. 

Τα έντομα που ζουν σε αποικίες (μυρμήγκια, μέλισσες, σφήκες, τερμίτες κτλ.) ήταν πάντα αντικείμενο θαυμασμού για τον άνθρωπο. Από πού πηγάζουν και πώς αναπτύσσονται οι οργανωμένες συμπεριφορές των κοινωνικών εντόμων; Κάθε έντομο σε μια αποικία φαίνεται να έχει τη δική του ημερήσια διάταξη και όμως σαν σύνολο δείχνουν μια υψηλού επιπέδου οργάνωση.

Προφανώς αυτή η αόρατη ολοκλήρωση των μεμονωμένων δραστηριοτήτων δεν απαιτεί κάποια εποπτεία. Μάλιστα, οι επιστήμονες που μελετούν τη συμπεριφορά των κοινωνικών εντόμων ανακάλυψαν ότι η συνεργασία σε επίπεδο αποικίας είναι σε μεγάλο βαθμό αυτοοργανωνόμενη: στη μεγάλη πλειοψηφία των περιπτώσεων προκύπτει από αλληλεπιδράσεις μεταξύ των μεμονωμένων ατόμων. Αν και αυτές οι αλληλεπιδράσεις μπορεί να είναι απλές (π.χ. ένα μυρμήγκι απλώς ακολουθεί το μονοπάτι που χάραξε ένα άλλο), όλες μαζί μπορούν να λύσουν δύσκολα προβλήματα (όπως η εξεύρεση του συντομότερου δρόμου ανάμεσα σε αμέτρητες δυνατές διαδρομές προς την τροφή). Αυτή η συλλογική συμπεριφορά που προκύπτει από μια ομάδα κοινωνικών εντόμων ονομάστηκε «νοημοσύνη σμήνους».

Τον τελευταίο καιρό, μια διαρκώς αυξανόμενη κοινότητα ερευνητών, εφευρίσκει τρόπους για την εφαρμογή της νοημοσύνης σμήνους σε ποικιλία προβλημάτων. Η αναζήτηση τροφής από τα μυρμήγκια έχει οδηγήσει σε μια νέα μέθοδο για την αναδρομολόγηση της κυκλοφορίας στα σύγχρονα τηλεπικοινωνιακά δίκτυα. Η συνεργατική αλληλεπίδραση των μυρμηγκιών που προσπαθούν να μεταφέρουν ένα μεγάλο κομμάτι τροφής μπορεί να οδηγήσει σε πιο αποτελεσματικούς αλγορίθμους για χρήση σε ρομπότ. Και ο καταμερισμός εργασίας ανάμεσα στις μέλισσες ίσως βοηθήσει σε αποτελεσματικότερες διαδικασίες στις βιομηχανίες με αλυσίδα συναρμολόγησης.

Μια από τις πρώιμες μελέτες της νοημοσύνης σμήνους ασχολήθηκε με την αναζήτηση τροφής από τα μυρμήγκια. Απέδειξε, ότι οι γραμμές μυρμηγκιών που βλέπουμε συχνά στη φύση ή στην κουζίνα μας είναι αποτέλεσμα της έκκρισης από τα μυρμήγκια μιας χημικής ουσίας που προσελκύει τα άλλα μυρμήγκια, της φερορμόνης. Η μελέτη επισήμανε, επίσης, ότι η διαδικασία της έκκρισης φερορμόνης για τη δημιουργία ενός μονοπατιού, που μπορούν να ακολουθήσουν τα άλλα έντομα, είναι μια καλή στρατηγική για την εύρεση της συντομότερης διαδρομής ανάμεσα στη φωλιά και στην τροφή.

Στα σχετικά πειράματα τοποθετήθηκε ανάμεσα στη φωλιά και την τροφή των μυρμηγκιών μια γέφυρα με δύο κλάδους, από τους οποίους ο ένας είχε διπλάσιο μήκος από τον άλλο. Μέσα σε μερικά λεπτά η αποικία συνήθως επέλεγε το συντομότερο δρόμο. Τα πρώτα μυρμήγκια που επέστρεφαν στη φωλιά από την τοποθεσία της τροφής ήταν εκείνα που είχαν ακολουθήσει το σύντομο δρόμο τόσο στον πηγεμό, όσο και στο γυρισμό. Επειδή αυτή η διαδρομή ήταν η πρώτη που είχε διπλό ίχνος φερορμόνης, τα άλλα μυρμήγκια την προτιμούσαν, με αποτέλεσμα να ενισχυθεί κι άλλο και να γίνει η οδός πρόσβασης προς την τροφή.

Οταν, όμως, η συντομότερη διαδρομή παρουσιαζόταν στα μυρμήγκια μετά από τη μακρινή, τότε αυτά δεν την ακολουθούσαν, αφού η μακρινή διαδρομή είχε ήδη σημαδευτεί με το ίχνος φερορμόνης. Αυτό είναι ένα πρόβλημα που οι επιστήμονες μπορούν να αντιπαρέλθουν σε ένα εικονικό σύστημα φωλιάς - μυρμηγκιών - τροφής (προσομοίωση σε υπολογιστή) εισάγοντας την έννοια της εξάτμισης της φερορμόνης: όταν η εικονική χημική ουσία έχει την τάση να εξατμίζεται γρήγορα, τότε τα πιο μακρινά μονοπάτια δε διατηρούν για πολύ το ίχνος φερορμόνης. Τα εικονικά μυρμήγκια μπορούν έτσι να διαλέγουν το συντομότερο δρόμο ακόμα κι αν αυτός εμφανιστεί αργότερα από τον πιο μακρινό. Αυτή η ικανότητα είναι εξαιρετικής σημασίας, γιατί αποτρέπει το σύστημα από το να συγκλίνει σε ενδιάμεσες λύσεις, μόνο και μόνο επειδή δεν έτυχε να εξετάσει τις καλύτερες νωρίτερα. Να σημειωθεί ότι στη φύση, η φερορμόνη των μυρμηγκιών αποικοδομείται μεν, αλλά με πολύ αργό ρυθμό.

Σε μια προσομοίωση με υπολογιστή με την τεχνική της εξάτμισης της φερορμόνης, οι ερευνητές παρουσίασαν σε μια αποικία από εικονικά μυρμήγκια ίδιες πηγές τροφής, αλλά σε διαφορετική απόσταση από τη φωλιά τους. Στην αρχή, τα εικονικά μυρμήγκια εξερεύνησαν το γύρω χώρο με τυχαίο τρόπο. Στη συνέχεια αποκατέστησαν μονοπάτια που συνέδεαν όλες τις πηγές τροφής με τη φωλιά. Μετά διατήρησαν μόνο τα μονοπάτια προς τις πλησιέστερες πηγές τροφής, με αποτέλεσμα τη σταδιακή εξάντληση των πηγών αυτών. Οταν η τροφή εξαντλήθηκε, τα εικονικά μυρμήγκια άρχισαν να αξιοποιούν πιο μακρινές πηγές.

Επεκτείνοντας αυτό το μοντέλο, επιστήμονες στις Βρυξέλλες κατάφεραν να λύσουν το περίφημο «πρόβλημα του περιοδεύοντος πωλητή». Το πρόβλημα αφορά την εξεύρεση του συντομότερου δρόμου που περνά από ένα συγκεκριμένο αριθμό πόλεων μόνο μια φορά από την καθεμιά. Είναι ένα πρόβλημα που τα βήματα υπολογισμού για τη λύση του αυξάνουν πολύ πιο γρήγορα απ' ό,τι ο αριθμός των πόλεων. Ετσι, ακόμα και για 15 πόλεις, οι δυνατές διαδρομές είναι δισεκατομμύρια.

Για τέτοια προβλήματα ικανοποιούμαστε συνήθως αν βρούμε μια καλή λύση και όχι την καλύτερη δυνατή (τη διαδρομή με το μικρότερο δυνατό μήκος). Τα εικονικά μυρμήγκια έδωσαν μια τέτοια καλή λύση στο πρόβλημα. Χρειάστηκε μόνο μια τροποποίηση στο πρόγραμμα, έτσι ώστε τα μυρμήγκια να αφήνουν διαφορετική ποσότητα φερορμόνης ανάλογα με το συνολικό μήκος της διαδρομής που έκαναν. Ετσι, τα μυρμήγκια που έκαναν μικρότερη διαδρομή άφηναν περισσότερη φερορμόνη, με αποτέλεσμα η δική τους διαδρομή να είναι πιο ελκυστική για τα άλλα μυρμήγκια, που εξερευνούσαν στην πορεία εναλλακτικές υποδιαδρομές, βελτιώνοντας συνεχώς τη λύση.

Οι εφαρμογές που μπορεί να βρει η νοημοσύνη σμήνους είναι σημαντικές και αφορούν πολλούς τομείς. Αλλά η σχετική έρευνα βρίσκεται ακόμα στη βρεφική ηλικία. Οι επιστήμονες δεν ξέρουν όλες τις λεπτομέρειες των αλληλεπιδράσεων μέσα στα σμήνη κοινωνικών εντόμων και χωρίς αυτές τις πληροφορίες δεν μπορούν να κατασκευάσουν λογισμικό που να τις προσομοιώνει. Επιπλέον, η νοημοσύνη σμήνους στερείται μιας γενικής θεώρησης των πραγμάτων και έτσι δεν μπορεί να εφαρμοστεί σε προβλήματα που απαιτούν βαθιά συλλογιστική.

Επιμέλεια:
Σταύρος ΞΕΝΙΚΟΥΔΑΚΗΣ
Πηγή: «Scientific American»