Reč „roj“ često nosi negativne konotacije — pomislite na biblijske pošasti skakavaca ili na glavne ulice pune kupaca u poslednjem trenutku tokom božićne gužve. Međutim, rojenje je neophodno za opstanak mnogih životinjskih kolektiva. A sada istraživanje rojenja ima potencijal da promeni stvari i za ljude.
Pčele se roje da bi njihova potraga za novim kolonijama bila efikasnija. Jata čvoraka koriste zaslepljujuće mrmljanje da izbegnu i zbune predatore. Ovo su samo dva primera iz prirode, ali rojenje se može videti u skoro svakom uglu životinjskog carstva.
Istraživanja matematičara, biologa i društvenih naučnika pomažu nam da razumemo rojenje i iskoristimo njegovu moć. Već se koristi za kontrolu gužve, upravljanje saobraćajem i za razumevanje širenja zaraznih bolesti. U skorije vreme, počinje da oblikuje način na koji koristimo podatke za zdravstvenu zaštitu, upravljamo bespilotnim letelicama u vojnim sukobima i koristi se da pobedimo skoro nepremostive šanse za klađenje na sportskim događajima.
Roj je sistem koji je veći od zbira njegovih delova. Baš kao što mnogi neuroni formiraju mozak sposoban za razmišljanje, pamćenje i emocije, grupe životinja mogu delovati unisono da bi formirale „super mozak“, pokazujući veoma složeno ponašanje koje se ne vidi kod pojedinačnih životinja.
Stručnjak za veštački život Kreg Rejnolds napravio je revoluciju u proučavanju rojenja 1986. godine objavljivanjem kompjuterske simulacije Boidsovog modela. Boidsov model razlaže rojenje na jednostavan skup pravila.
Boidi (ptici-oidi) u simulaciji, poput avatara ili likova u video igrici, dobijaju instrukcije da se kreću u istom pravcu kao i njihovi susedi, da se kreću ka prosečnoj poziciji svojih suseda i izbegavaju sudare sa drugim boidima.
Simulacije boida su zapanjujuće precizne u poređenju sa stvarnim rojevima.
Boidsov model sugeriše da rojenju nisu potrebni lideri da bi koordinirali ponašanje – kao pešaci u centru grada, a ne obilazak muzeja sa vodičem. Složeno ponašanje koje vidimo u rojevima proizilazi iz interakcije između pojedinaca koji prate ista jednostavna pravila paralelno. Na jeziku fizike, ovaj fenomen je poznat kao pojavljivanje.
Um košnice. Zasluge: NatGeo
U 2016, američka tehnološka kompanija Unanimous AI iskoristila je moć inteligencije roja da dobije opkladu „superfecta“ u Derbiju Kentakija, uspešno predvidevši prvo, drugo, treće i četvrtoplasirane jahače u čuvenoj američkoj trci konja.
Stručnjaci iz industrije i konvencionalni algoritmi za mašinsko učenje napravili su niz netačnih predviđanja. Međutim, entuzijasti amaterskih trka koje je angažovao Unanimous AI udružili su svoje znanje kako bi pobedili kvotu 541/1.
Uspeh volontera ležao je u načinu na koji su generisana njihova predviđanja. Umesto da glasaju o jahačima i objedinjuju svoje izbore, volonteri su koristili platformu za inteligenciju rojeva Unanimous AI da učestvuju u digitalnom potezanju konopca u realnom vremenu, inspirisanom rojevima ptica i pčela.
Svi volonteri su istovremeno povukli točkić prema svom izboru. Ovo je omogućilo ljudima da promene svoje preferencije kao odgovor na postupke drugih (na primer, osoba je možda prešla na svoj drugi izbor, B, umesto svog prvog izbora, C, ako je videla da su A i B jasni favoriti ).
Reagovanje jedni drugima u realnom vremenu omogućilo je volonterima Unanimous AI da kolektivno nadmaše visoko informisane pojedince.
Štaviše, da su najčešći pojedinačni odabiri volontera odredili redosled, samo bi pobednik iz 2016. i favorit kladioničara, Najkvist, bio ispravno postavljen.
Slične tehnologije rojenja su takođe od sve većeg interesovanja u sektoru zdravstvene zaštite, gde govor o revoluciji veštačke inteligencije izaziva sve veću zabrinutost oko privatnosti pacijenata.
Kako se oslanjanje na tehnike zasnovane na podacima u zdravstvenoj zaštiti povećava, raste i potražnja za obimnim skupovima podataka o pacijentima. Jedan od načina da se zadovolje ovi zahtevi je objedinjavanje informacija između institucija i, u nekim slučajevima, zemalja.
Međutim, prenos podataka o pacijentima često podleže strogim propisima o zaštiti podataka. Rešenje ovog problema je korišćenje samo internih podataka, iako to često dolazi na štetu dijagnostičke tačnosti.
Alternativa leži u rojenju. Istraživači veruju da inteligencija roja može sačuvati dijagnostičku tačnost bez potrebe za razmjenom sirovih podataka između institucija.
Preliminarne studije su pokazale da decentralizacija skladištenja podataka u mrežu čvorova u interakciji može dati institucijama korist od zajedničke mudrosti. To znači da ne postoji centralno čvorište koje koordinira protok informacija, a institucije ne mogu da pristupe privatnim podacima o pacijentima jedne druge.
Centralizovano mašinsko učenje koristi podatke otpremljene u deljeno čvorište gde se mašinsko učenje odvija koristeći sve dostupne podatke. U decentralizovanim sistemima, svaka institucija posebno čuva svoje podatke u svom sopstvenom čvoru. Mašinsko učenje se odvija lokalno na svakom čvoru (koristeći samo interne podatke), ali rezultati mašinskog učenja se dele između mreže, u korist svih čvorova. Ovaj proces osigurava da se neobrađeni podaci o pacijentima ne razmenjuju između institucija, čuvajući privatnost pacijenata.
Tehnologija bespilotnih letelica se sve više koristi u borbama na frontu, u poslednje vreme najviše od strane ukrajinskih snaga u tekućem sukobu između Rusije i Ukrajine. Međutim, kako sada stoji, konvencionalna tehnologija dronova zahteva nadzor jedan na jedan.
Trenutna odbrambena istraživanja imaju za cilj da olakšaju komunikaciju između dronova, omogućavajući jednom kontroloru da upravlja rojevima dronova. Razvoj takve tehnologije obećava da će znatno poboljšati skalabilnost, izviđanje i udarne sposobnosti borbenih dronova omogućavanjem kontinuiranog prenosa informacija unutar grupa dronova.
Kako istraživanje ulazi dublje u rojenje, nalazimo svet u kome kolektivno delovanje stvara složenost, prilagodljivost i efikasnost. Kako tehnologija evoluira, uloga inteligencije rojeva će rasti, preplićući naš svet sa fascinantnom dinamikom rojeva.
