群居昆蟲——螞蟻、蜜蜂、黃蜂、白蟻——長期以來一直讓從博物學家到藝術家在內的所有人著迷。比利時詩人莫里斯·梅特林克曾寫道：“是什麼在支配這裡？是什麼在發出命令，預見未來，制定計劃並保持平衡？” 這些確實是令人困惑的問題。
蟻群中的每隻昆蟲似乎都有自己的議程，但作為一個整體，群體卻顯得高度組織化。顯然，所有個體活動的無縫整合不需要任何監督。事實上，研究社會性昆蟲行為的科學家發現，群體層面的合作在很大程度上是自組織的：在許多情況下，協調產生於個體之間的互動。儘管這些互動可能很簡單（一隻螞蟻僅僅跟隨另一隻螞蟻留下的蹤跡），但它們可以共同解決難題（在無數條可能的路徑中找到通往食物來源的最短路線）。這種從社會性昆蟲群體中湧現出來的集體行為被稱為“群體智慧”。
越來越多的研究人員正在設計應用群體智慧來完成各種任務的新方法。螞蟻的覓食行為啟發了一種在繁忙的電信系統中重新路由網路流量的新方法。螞蟻合作建造巢穴的方式促成了更有效的機器人群控制演算法。昆蟲聚集同伴屍體和分類幼蟲的方式可以幫助分析銀行資料。而蜜蜂之間的勞動分工可能有助於簡化工廠的裝配線。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
[分隔符] 虛擬覓食
對群體智慧的早期研究之一調查了螞蟻的覓食行為。長期以來人們都知道，自然界（以及人們的廚房中）常見的螞蟻“高速公路”是由單個螞蟻沉積資訊素（一種化學引誘劑）鋪設的，這增加了其他螞蟻將跟隨同一條路徑到達食物來源的可能性。在 20 世紀 90 年代，比利時布魯塞爾自由大學的先驅讓-路易·德內堡表明，螞蟻的鋪路和循跡行為也是尋找巢穴和食物來源之間最短路徑的良好策略。
在對阿根廷螞蟻Linepithema humile的實驗中，德內堡和他的同事們建造了一座橋樑，橋樑有兩條分支，一條分支的長度是另一條分支的兩倍，將巢穴與食物來源隔開。在短短幾分鐘內，蟻群通常會選擇較短的分支。德內堡發現，螞蟻在覓食時會鋪設和跟隨資訊素蹤跡。第一批從食物來源返回巢穴的螞蟻是那些在巢穴到食物以及返回方向都走了較短路徑的螞蟻。由於這條路線是第一個被雙重標記資訊素的路線，因此巢穴中的同伴會被它吸引。
然而，如果在較長分支之後向蟻群展示較短分支，螞蟻將不會選擇它，因為較長分支已經被資訊素標記。但是，計算機科學家可以透過在人工系統中引入資訊素衰減來克服這個問題：當化學物質快速蒸發時，較長的路徑將難以維持穩定的資訊素蹤跡。然後，即使較短分支被延遲發現，軟體螞蟻也可以選擇它。此屬性非常理想，因為它可以防止系統收斂於平庸的解決方案。（在L. humile中，資訊素濃度確實會衰減，但速度非常慢。）
在資訊素蒸發的計算機模擬中[參見第 42 頁中間的插圖]，研究人員向人工蟻群展示了到巢穴距離不同的相同食物來源。起初，虛擬螞蟻隨機探索它們的環境。然後，它們建立了連線所有食物來源到巢穴的蹤跡。接下來，它們僅維護距離巢穴最近的來源的蹤跡，從而導致對這些供應的利用。隨著食物的耗盡，軟體螞蟻開始襲擊更遠的來源。
擴充套件這個螞蟻模型，布魯塞爾自由大學的計算機科學家馬可·多里戈和他的同事們設計了一種解決著名的“旅行推銷員問題”的方法[參見前頁的方框]。該問題要求找到恰好經過給定數量城市一次的最短路線。這個測試很有吸引力，因為它很容易表述，但卻極其難以解決。它是“NP 完全”的：解決方案需要的計算步驟的數量增長速度比城市數量的任何有限次方都快（NP 代表nondeterministic polynomial）。對於此類問題，人們通常嘗試找到一個足夠好但不一定是最佳的答案（即，一條足夠短但可能不是最短的路線）。多里戈表明，他可以透過使用經過調整的人工螞蟻來獲得接近最優的路線，這些螞蟻沉積的資訊素濃度會隨著它們行進的總距離而變化。
類似的方法已在許多其他最佳化任務中獲得成功。例如，人工螞蟻為經典的二次分配問題提供了最佳解決方案，在該問題中，必須將多種商品的生產分配給不同的工廠，以最大程度地減少物品在設施之間運輸的總距離。在一個相關的應用中，英國聯合利華的戴維·格雷格和新墨西哥州聖達菲生物集團的文森特·達利報告說，他們開發了一種基於螞蟻的方法，用於減少在大型聯合利華工廠中執行給定工作量所需的時間。該系統必須有效地排程各種儲罐、化學混合器、包裝線和其他裝置。
除了解決基本上是靜態或不變的最佳化問題外，類螞蟻代理還可以應對故障和動態環境——例如，機器發生故障的工廠。透過維護資訊素蹤跡並不斷探索新路徑，螞蟻會意外地建立備份計劃，從而為應對環境變化做好準備。這種特性可能解釋了真實螞蟻的生態成功，對於許多應用至關重要。
考慮電話網路的動態不可預測性。從 A 到 B 的電話通常必須經過多箇中間節點或交換站，這需要一種機制來告訴呼叫它接下來應該跳到哪裡以建立 A 到 B 的連線。顯然，此過程的演算法應避免擁塞區域以最大程度地減少延遲，並且當條件發生巨大變化時，備份路由變得尤其有價值。機場的惡劣天氣或電視上的電話競猜活動將導致網路流量的瞬時區域性激增，需要即時重新路由呼叫，使其透過系統中不那麼繁忙的部分。
為了處理這種情況，當時都在惠普公司位於英國布里斯托爾的研究實驗室的魯德·順德沃德和珍妮特·布魯頓，以及當時在西英格蘭大學的歐文·荷蘭，發明了一種路由技術，其中類螞蟻代理在網路節點處沉積資訊位或“虛擬資訊素”，以加強透過非擁塞區域的路徑。同時，蒸發機制調整節點資訊，以不利於透過繁忙區域的路徑。
具體來說，每個節點都維護一個路由表，該表根據電話呼叫的目的地告訴電話呼叫下一步去哪裡。類螞蟻代理不斷調整表條目或分數，以反映當前的網路狀況。如果代理由於通過了網路的高度擁塞部分而經歷了長時間的延遲，則它只會向表條目新增極少量的“資訊素”，這些條目會將呼叫傳送到該過載區域。用數學術語來說，相應節點的分數只會略微增加。另一方面，如果代理從一個節點快速移動到另一個節點，它將透過留下大量“資訊素”來加強該路徑的使用——即，透過大幅增加適當的分數。計算結果表明，即使繁忙的路徑根據定義可能有很多代理在其上行進，但它們的累積“資訊素”也將少於代理較少的非擁塞路徑。
該系統透過應用數學形式的蒸發來消除過時的解決方案：所有表條目都定期減少少量。此過程以及類螞蟻代理增加分數的方式旨在協同工作，以便繁忙的路線經歷的蒸發多於增強，而非擁塞的路線則恰恰相反。
蒸發和增強之間的任何平衡都可能很容易被破壞。當先前良好的路線變得擁塞時，跟隨它的代理會延遲，並且蒸發會克服增強。很快，該路線被放棄，代理發現（或重新發現）替代方案並加以利用。好處是雙重的：當電話呼叫透過網路的更好部分重新路由時，該過程不僅允許呼叫快速透過，而且還使擁塞區域能夠從過載中恢復。
幾家公司已經探索了這種方法來處理其網路上的流量。法國電信和英國電信在將基於螞蟻的路由方法應用於其系統方面處於領先地位。在美國，MCI WorldCom（現為 Verizon 的一部分）不僅調查了人工螞蟻以管理公司的電話網路，還調查了用於其他任務（如客戶計費）的人工螞蟻。然而，最終的應用可能是在網際網路上，那裡的流量尤其不可預測。
為了應對網際網路的苛刻條件，多里戈和他的同事吉安尼·迪卡羅（現任瑞士盧加諾達萊莫勒人工智慧研究所）透過考慮其他幾個因素（包括資訊從其來源地到達目的地所需的總時間）提高了螞蟻代理的複雜性。（電話網路的方法僅考慮從一個節點到另一個節點所需的時間，並且假設反向流量相同。）模擬結果表明，多里戈和迪卡羅的系統在最大化吞吐量和最小化延遲方面都優於所有其他路由方法。事實上，廣泛的測試表明，基於螞蟻的方法優於網際網路當前使用的協議開放最短路徑優先，在該協議中，節點必須不斷地相互通知與其連線的鏈路的狀態。
[分隔符] 群體應用
社會性昆蟲的其他行為激發了各種研究工作。計算機科學家正在研究昆蟲群體，以設計用於控制機器人群體的不同技術。正在研究的幾個應用受到沿著資訊素蹤跡協調交通或螞蟻群體中自組裝鏈的形成的啟發[參見第 44 頁和 45 頁的方框]。使用這種方法，工程師可以設計相對簡單且廉價的機器人，這些機器人可以協同工作以執行越來越複雜的任務。在另一個專案中，最初引入的模型來解釋螞蟻如何聚集同伴屍體和分類幼蟲，已成為分析金融資料的新方法的基礎[參見對面頁的方框]。而研究蜜蜂分配任務的靈活方式可能有助於為工廠中的作業排程提供更有效的方法[參見右側的方框]。
其他例子不勝列舉。應用關於黃蜂如何建造巢穴的知識，當時在俄亥俄州代頓空軍技術研究所的丹·彼得羅維奇設計了一群微小的移動衛星，這些衛星將自組裝成一個更大的預定義結構。密歇根州安娜堡新向量公司的 H. 範·戴克·帕魯納克部署了各種類昆蟲軟體代理來解決製造問題——例如，排程工廠的複雜供應商網路。羅格斯大學的保羅·B·坎託開發了一種群體智慧方法，用於在全球資訊網和其他大型網路上查詢資訊。網路衝浪者如果屬於使用者“群體”，則可以訪問由同伴在先前搜尋中留下的數字資訊素（本質上是評分）形式的資訊。
的確，群體智慧的潛力是巨大的。它提供了一種設計系統的替代方法，這些系統傳統上需要集中控制和廣泛的預程式設計。相反，它以自主性和自給自足為豪，依靠簡單個體代理之間的直接或間接互動。此類操作可能會導致系統能夠快速適應快速波動的條件。
但該領域仍處於起步階段。由於研究人員缺乏對昆蟲群體內部運作的詳細瞭解，因此識別這些群體中個體相互作用的規則一直是一個巨大的挑戰，並且在沒有此類資訊的情況下，計算機科學家很難開發出合適的軟體。此外，儘管群體智慧方法在執行許多最佳化和控制任務方面是有效的，但已開發的系統本質上是被動的，並且缺乏解決需要深入推理技術的問題的必要概覽。此外，對該領域的一種批評是，使用自主的類昆蟲代理將導致它們居住的計算機中出現不可預測的行為。然而，這種特性實際上可能最終成為一種優勢，因為它可能使此類系統能夠適應解決新的、不可預見的問題——這是傳統軟體通常缺乏的靈活性。
許多未來學家預測，晶片將很快嵌入到數千種普通物品中，從信封到垃圾桶再到生菜頭。要使所有這些矽片以有意義的方式相互通訊，將需要新的方法。正如高科技作家凱文·凱利所說，“愚笨的零件，適當連線成群，產生智慧的結果。” 當然，訣竅在於所有零件的適當連線。
[分隔符] 作者
埃裡克·博納博和居伊·特羅拉茲研究社會性昆蟲的行為以及這些行為在人工“群體智慧”系統設計中的應用。博納博是馬薩諸塞州劍橋市 Icosystem 公司的首席科學官。他獲得了巴黎第十一大學（巴黎-南）的理論物理學博士學位以及計算機科學和應用數學高階學位。特羅拉茲是法國圖盧茲保羅·薩巴蒂埃大學 CNRS 動物認知研究中心的科研主任。他獲得了普羅旺斯大學的神經科學和動物行為學博士學位。