이것이 유용할 수 있는 예는 새 둥지를 검색할 때입니다. 이 경우에는 수십 개만 있으면 됩니다. 탐험가들은 수백, 수천 명의 식민지 전체가 아닌 충분히 큰 공간을 찾기 위해 파견됩니다. 개미.
추천 동영상
오랫동안 연구된 이 능력은 새 종이 MIT 컴퓨터과학 및 인공지능연구소(CSAIL) 연구진이 작성한 내용입니다. 그들은 컴퓨터의 동작을 복제하고 그것이 네트워크의 인구 밀도를 예측하는 매우 정확한 방법이 될 수 있음을 입증하는 알고리즘을 만들었습니다.
"컴퓨터 과학에는 생물학적 알고리즘이 매우 강력하고 역동적이라는 직관적인 감각이 있습니다." 카메론 무스코MIT 전기 공학 및 컴퓨터 과학 대학원생이자 논문의 공동 저자인 는 Digital Trends에 전합니다. “우리는 이러한 시스템 중 하나(이 경우에는 개미 군집)를 살펴보고 시스템이 그렇게 복잡하고 탄력적임에도 불구하고 왜 효율적으로 운영할 수 있는지 정확히 알아내고 싶었습니다. 그것이 우리의 관심을 끌었던 이유입니다.”
왜 누군가가 이것을하고 싶어할까요? Musco가 설명했듯이, 이 작업은 소셜 미디어 사용자들 사이의 특정 정치적 성향의 구성을 추정하는 것과 같은 빅 데이터 분석과 같은 영역에서 실용적으로 사용될 수 있습니다. “전통적으로 켜져 있으면 페이스북 예를 들어 공화당원의 수를 추정하려면 사용자의 하위 집합을 무작위로 샘플링하여 공화당원의 수를 계산해야 합니다.”라고 Musco는 계속합니다. “하지만 그렇게 할 수는 없습니다. 샘플링할 수 있는 사용자의 마스터 목록이 없습니다. 그래서 우리가 보여주는 것은 사용자들 사이를 무작위로 '걷는' 것이 거의 좋을 수 있다는 것입니다. 즉, 한 사용자에서 시작하여 친구로 이동한 다음 친구의 친구로 이동하는 등입니다. — 그리고 이런 식으로 샘플을 채취합니다.”
논문에서 이러한 소위 "랜덤 워크(random walk)" 탐색은 인구 밀도를 결정하는 데 있어 보다 확립된 샘플링 방법만큼 빠른 것으로 나타났습니다.
"이 작업은 두 가지 목적을 제공합니다"라고 Musco는 계속합니다. “한편으로는 생물학적 시스템을 선택하고 이를 사용하여 컴퓨터 네트워크를 최적화하는 것에 대한 흥미로운 아이디어를 제공합니다. 이는 생물학적으로 영감을 받은 개념에서 볼 수 있는 것입니다. 신경망. 동시에 우리는 컴퓨터 과학을 사용하여 생물학자들이 직면한 몇 가지 문제를 해결하도록 도울 수 있습니다. 사람들은 이 두 번째 작업을 점점 더 많이 시작하고 있으며 이는 정말 유용합니다. 왜냐하면 행동을 관찰하는 대신 알고리즘을 찾아내는 데 중점을 두기 때문입니다. 사물에 대해 생각하는 방식이 다릅니다.”
당신의 라이프스타일을 업그레이드하세요Digital Trends는 독자들이 모든 최신 뉴스, 재미있는 제품 리뷰, 통찰력 있는 사설 및 독특한 미리보기를 통해 빠르게 변화하는 기술 세계를 계속해서 살펴볼 수 있도록 도와줍니다.
