Contoh kegunaannya adalah saat mencari sarang baru, yang jumlahnya hanya beberapa lusin penjelajah dikirim untuk mencari tempat yang cukup besar, bukan seluruh koloni yang berjumlah ratusan atau ribuan semut.
Video yang Direkomendasikan
Kemampuan yang telah lama dipelajari ini adalah pokok bahasan a kertas baru oleh para peneliti di Laboratorium Ilmu Komputer dan Kecerdasan Buatan (CSAIL) MIT. Mereka telah menciptakan algoritma yang mereplikasi perilaku di komputer dan membuktikan bahwa ini bisa menjadi cara yang sangat akurat untuk memprediksi kepadatan populasi suatu jaringan.
“Ada perasaan intuitif dalam ilmu komputer bahwa algoritma biologis sangat kuat dan dinamis,”
Cameron Musco, seorang mahasiswa pascasarjana MIT di bidang teknik elektro dan ilmu komputer dan salah satu penulis makalah ini, mengatakan kepada Digital Trends. “Kami ingin melihat salah satu sistem tersebut – dalam hal ini koloni semut – dan mencari tahu mengapa mereka dapat beroperasi seefisien itu, meskipun sangat kompleks dan tangguh. Itulah yang membuat kami tertarik.”Mengapa ada orang yang mau melakukan ini? Seperti yang dijelaskan oleh Musco, penelitian ini dapat berguna secara praktis di bidang-bidang seperti analisis big data – seperti memperkirakan kecenderungan politik tertentu di kalangan pengguna media sosial. “Secara tradisional kalau menyala Facebook Anda ingin memperkirakan jumlah anggota Partai Republik [misalnya], Anda akan secara acak mengambil sampel sebagian pengguna dan menghitung jumlah anggota Partai Republik,” lanjut Musco. “Tetapi Anda tidak dapat melakukan itu – tidak ada daftar utama pengguna yang dapat Anda jadikan sampel. Jadi apa yang kami tunjukkan adalah bahwa ‘berjalan’ secara acak antar pengguna bisa jadi sama baiknya — yaitu mulai dari satu pengguna, pindah ke teman, lalu ke teman dari teman, dll. — dan mengambil sampel dengan cara ini.”
Dalam makalah tersebut, apa yang disebut eksplorasi “jalan acak” (random walk) ini terbukti sama cepatnya dalam menentukan kepadatan populasi dibandingkan dengan metode pengambilan sampel yang lebih mapan.
“Pekerjaan ini memiliki dua tujuan,” lanjut Musco. “Di satu sisi, hal ini memberi kita beberapa ide menarik tentang penggunaan sistem biologis dan menggunakannya untuk mengoptimalkan jaringan komputer, seperti yang Anda lihat dalam konsep yang terinspirasi secara biologis seperti jaringan saraf. Pada saat yang sama, kita dapat menggunakan ilmu komputer untuk membantu para ahli biologi memecahkan beberapa masalah yang mereka hadapi. Orang-orang mulai melakukan hal ini lagi dan lagi, dan ini sangat berguna — karena alih-alih melihat perilaku, kami fokus pada mengenali algoritme. Ini adalah cara yang berbeda dalam memikirkan berbagai hal.”
Tingkatkan gaya hidup AndaTren Digital membantu pembaca mengawasi dunia teknologi yang bergerak cepat dengan semua berita terbaru, ulasan produk yang menyenangkan, editorial yang berwawasan luas, dan cuplikan unik.
