これが役立つ例としては、新しい巣を探すときが挙げられます。この場合、巣は数十個しかありません。 探検家は、数百、数千のコロニー全体ではなく、十分な広さの空間を見つけるために送り出されます。 アリ。
おすすめ動画
長年研究されてきたこの能力は、 新しい用紙 MIT のコンピューター サイエンスおよび人工知能研究所 (CSAIL) の研究者によるものです。 彼らは、コンピュータ内でその動作を再現するアルゴリズムを作成し、それがネットワークの人口密度を驚くほど正確に予測できる方法であることを証明しました。
「コンピューターサイエンスには、生物学的アルゴリズムが非常に堅牢で動的であるという直感があります。」 キャメロン・ムスコ電気工学とコンピュータサイエンスを専攻するMITの大学院生で、論文の共著者でもある同氏はDigital Trendsに語った。 「私たちは、それらのシステムの 1 つ、この場合はアリのコロニーを調べて、非常に複雑で回復力があるにもかかわらず、なぜ効率的に運用できるのかを正確に知りたかったのです。 それが私たちが興味を持った理由です。」
なぜこれをやりたい人がいるでしょうか? ムスコ氏が説明するように、この研究は、ソーシャルメディアユーザーの特定の政治的傾向の構成を推定するなど、ビッグデータ分析などの分野で実用化できる可能性がある。 「伝統的に、オンの場合、 フェイスブック [たとえば]共和党員の数を推定したい場合は、ユーザーのサブセットをランダムにサンプリングして共和党員の数を数えることになります」とムスコ氏は続けます。 「しかし、それはできません。サンプリングできるユーザーのマスター リストはありません。 したがって、私たちが示しているのは、ユーザー間をランダムに「ウォーク」するだけでも、ほぼ同じくらい良い結果が得られるということです。つまり、1 人のユーザーから始めて、友人に移動し、次に友人の友人に移動するなどです。 —そしてこのようにサンプリングしてください。」
論文では、これらのいわゆる「ランダムウォーク」探索は、より確立されたサンプリング方法とほぼ同じくらい速く人口密度を決定できることが示されています。
「この仕事には 2 つの目的があります」とムスコは続けます。 「一方で、それは生物学的システムを取得し、それを使用してコンピューターネットワークを最適化することについて、いくつかの興味深いアイデアを与えてくれます。これは、次のような生物学にインスピレーションを得たコンセプトで見られるものです」 ニューラルネットワーク. 同時に、コンピューター サイエンスを利用して、生物学者が抱えている問題の一部を解決できるようになりました。 人々はこの 2 番目の方法をますます実行し始めていますが、これは非常に便利です。なぜなら、私たちは動作を観察する代わりに、アルゴリズムを発見することに重点を置いているからです。 物事についての考え方が違うんです。」
ライフスタイルをアップグレードするDigital Trends は、読者が最新ニュース、楽しい製品レビュー、洞察力に富んだ社説、ユニークなスニーク ピークをすべて提供して、ペースの速いテクノロジーの世界を監視するのに役立ちます。
