Un esempio di dove ciò potrebbe essere utile è quando si cerca un nuovo nido, nel qual caso solo poche dozzine gli esploratori vengono inviati per trovare uno spazio abbastanza grande, piuttosto che l'intera colonia di centinaia o migliaia di individui formiche.
Video consigliati
Questa capacità a lungo studiata è oggetto di a nuova carta dai ricercatori del Computer Science and Artificial Intelligence Laboratory (CSAIL) del MIT. Hanno creato un algoritmo che replica il comportamento in un computer e dimostra che può essere un modo straordinariamente accurato per prevedere la densità di popolazione di una rete.
“C’è questa sensazione intuitiva nell’informatica secondo cui gli algoritmi biologici sono estremamente robusti e dinamici”, Cameron Musco, uno studente laureato del MIT in ingegneria elettrica e informatica e coautore dell'articolo, dice a Digital Trends. “Volevamo esaminare uno di questi sistemi – una colonia di formiche, in questo caso – e scoprire esattamente perché sono in grado di funzionare in modo così efficiente, nonostante siano così complessi e resilienti. Questo è ciò che ci ha interessato.
Perché qualcuno dovrebbe voler fare questo? Come spiega Musco, il lavoro potrebbe essere di utilità pratica in aree come l’analisi dei big data, come la stima della composizione di una particolare tendenza politica tra gli utenti dei social media. “Tradizionalmente, se acceso Facebook se volevi stimare il numero di repubblicani [ad esempio], campionavi casualmente un sottoinsieme di utenti e contavi il numero di repubblicani", continua Musco. “Ma non puoi farlo: non esiste un elenco principale di utenti da cui puoi campionare. Quindi quello che stiamo mostrando è che può essere altrettanto utile semplicemente "camminare" casualmente tra gli utenti, ad esempio iniziare da un utente, passare a un amico, quindi a un amico di amico, ecc. – e campionare in questo modo.”
Nel documento, queste cosiddette esplorazioni “random walk” si dimostrano essere quasi altrettanto veloci nel determinare la densità di popolazione quanto il metodo di campionamento più consolidato.
“Questo lavoro ha due scopi”, continua Musco. “Da un lato ci offre alcune idee interessanti su come prendere i sistemi biologici e usarli per ottimizzare le reti di computer, che è ciò che si vede con concetti di ispirazione biologica come reti neurali. Allo stesso tempo, siamo in grado di utilizzare l’informatica per aiutare i biologi a risolvere alcuni dei problemi che hanno. Le persone stanno iniziando a fare questo secondo sempre più spesso, ed è davvero utile, perché invece di guardare al comportamento, ci concentriamo sull’individuazione degli algoritmi. È un modo diverso di pensare alle cose”.
Migliora il tuo stile di vitaDigital Trends aiuta i lettori a tenere d'occhio il frenetico mondo della tecnologia con tutte le ultime notizie, divertenti recensioni di prodotti, editoriali approfonditi e anteprime uniche nel loro genere.
