Un exemple de cas où cela pourrait être utile est lors de la recherche d'un nouveau nid, auquel cas quelques dizaines seulement les explorateurs sont envoyés pour trouver un espace suffisamment grand, plutôt que l'ensemble d'une colonie de centaines ou de milliers d'habitants. fourmis.
Vidéos recommandées
Cette capacité longuement étudiée fait l'objet d'un nouveau papier par des chercheurs du Laboratoire d’informatique et d’intelligence artificielle (CSAIL) du MIT. Ils ont créé un algorithme qui reproduit le comportement d’un ordinateur et prouve qu’il peut s’agir d’un moyen remarquablement précis de prédire la densité de population d’un réseau.
"Il y a ce sentiment intuitif en informatique que les algorithmes biologiques sont extrêmement robustes et dynamiques" Cameron Musco, étudiant diplômé du MIT en génie électrique et informatique et co-auteur de l'article, a déclaré à Digital Trends. « Nous voulions examiner l’un de ces systèmes – une colonie de fourmis, dans ce cas – et découvrir exactement pourquoi ils sont capables de fonctionner aussi efficacement, malgré leur complexité et leur résilience. C’est ce qui nous a intéressés. »
Pourquoi quelqu'un voudrait-il faire ça? Comme l'explique Musco, ces travaux pourraient être d'une utilité pratique dans des domaines tels que l'analyse des mégadonnées, par exemple pour estimer la composition d'une tendance politique particulière parmi les utilisateurs des médias sociaux. «Traditionnellement, si c'est le cas Facebook vous vouliez estimer le nombre de républicains [par exemple], vous échantillonniez au hasard un sous-ensemble d'utilisateurs et comptiez le nombre de républicains », poursuit Musco. « Mais vous ne pouvez pas faire cela: il n’existe pas de liste principale d’utilisateurs parmi lesquels vous pouvez échantillonner. Donc, ce que nous montrons, c'est qu'il peut être presque aussi efficace de simplement « parcourir » de manière aléatoire entre les utilisateurs: c'est-à-dire commencer par un utilisateur, passer à un ami, puis à l'ami d'un ami, etc. – et échantillonnez de cette façon.
Dans l’article, ces explorations dites « à pied aléatoire » se révèlent presque aussi rapides pour déterminer les densités de population que la méthode d’échantillonnage plus établie.
« Ce travail répond à deux objectifs », poursuit Musco. "D'une part, cela nous donne des idées intéressantes sur la façon de prendre des systèmes biologiques et de les utiliser pour optimiser les réseaux informatiques, ce que l'on voit avec des concepts d'inspiration biologique comme les réseaux de neurones. En même temps, nous pouvons utiliser l’informatique pour aider les biologistes à résoudre certains de leurs problèmes. Les gens commencent de plus en plus à faire cette deuxième méthode, et c'est vraiment utile, car au lieu d'examiner le comportement, nous nous concentrons sur les algorithmes de détection. C’est une autre façon de penser les choses.
Améliorez votre style de vieDigital Trends aide les lecteurs à garder un œil sur le monde en évolution rapide de la technologie avec toutes les dernières nouvelles, des critiques de produits amusantes, des éditoriaux perspicaces et des aperçus uniques.
