Een voorbeeld waarbij dit nuttig kan zijn, is bij het zoeken naar een nieuw nest, in welk geval slechts enkele tientallen ontdekkingsreizigers worden eropuit gestuurd om een ruimte te vinden die groot genoeg is, in plaats van de hele kolonie van honderden of duizenden mieren.
Aanbevolen video's
Dit lang bestudeerde vermogen is het onderwerp van een nieuw papier door onderzoekers van het Computer Science and Artificial Intelligence Laboratory (CSAIL) van MIT. Ze hebben een algoritme gemaakt dat het gedrag van een computer repliceert en bewijst dat het een opmerkelijk nauwkeurige manier kan zijn om de bevolkingsdichtheid van een netwerk te voorspellen.
“In de computerwetenschap heerst het intuïtieve gevoel dat biologische algoritmen superrobuust en dynamisch zijn,” Cameron Musco, een MIT-afgestudeerde student elektrotechniek en computerwetenschappen en co-auteur van het artikel, vertelt Digital Trends. “We wilden naar een van die systemen kijken – in dit geval een mierenkolonie – en erachter komen waarom ze dat efficiënt kunnen doen, ondanks dat ze zo complex en veerkrachtig zijn. Dat was wat ons interesseerde.”
Waarom zou iemand dit willen doen? Zoals Musco uitlegt, zou het werk van praktisch nut kunnen zijn op gebieden als big data-analyse – zoals het inschatten van de samenstelling van een bepaalde politieke voorkeur onder gebruikers van sociale media. “Traditioneel, als het aanstaat Facebook je wilde bijvoorbeeld het aantal Republikeinen schatten, je zou willekeurig een subgroep van gebruikers selecteren en het aantal Republikeinen tellen”, vervolgt Musco. “Maar dat kun je niet doen: er is geen hoofdlijst met gebruikers waaruit je kunt samplen. Wat we dus laten zien, is dat het bijna net zo goed kan zijn om willekeurig tussen gebruikers te ‘lopen’ – dat wil zeggen: begin bij één gebruiker, ga naar een vriend, dan naar een vriend van een vriend, enz. – en op deze manier monsters nemen.”
In het artikel wordt aangetoond dat deze zogenaamde ‘random walk’-verkenningen bijna net zo snel zijn voor het bepalen van de bevolkingsdichtheid als de meer gevestigde steekproefmethode.
“Dit werk dient twee doelen”, vervolgt Musco. “Aan de ene kant geeft het ons een aantal interessante ideeën over het gebruik van biologische systemen om computernetwerken te optimaliseren, wat je ziet bij biologisch geïnspireerde concepten als neurale netwerken. Tegelijkertijd kunnen we computerwetenschap gebruiken om biologen te helpen een aantal van de problemen waarmee ze kampen op te lossen. Mensen beginnen dit tweede steeds vaker te doen, en het is erg nuttig, want in plaats van naar gedrag te kijken, concentreren we ons op het opsporen van algoritmen. Het is een andere manier om over dingen na te denken.”
Upgrade uw levensstijlMet Digital Trends kunnen lezers de snelle technische wereld in de gaten houden met het laatste nieuws, leuke productrecensies, inzichtelijke redactionele artikelen en unieke sneak peeks.