Um exemplo de onde isto pode ser útil é ao procurar um novo ninho, caso em que apenas algumas dezenas exploradores são enviados para encontrar um espaço grande o suficiente, em vez de toda a colônia de centenas ou milhares de formigas.
Vídeos recomendados
Essa habilidade há muito estudada é objeto de uma novo papel por pesquisadores do Laboratório de Ciência da Computação e Inteligência Artificial do MIT (CSAIL). Eles criaram um algoritmo que replica o comportamento de um computador e prova que pode ser uma forma extremamente precisa de prever a densidade populacional de uma rede.
“Existe uma sensação intuitiva na ciência da computação de que os algoritmos biológicos são superrobustos e dinâmicos”,
Cameron Musco, estudante de pós-graduação do MIT em engenharia elétrica e ciência da computação e coautor do artigo, disse ao Digital Trends. “Queríamos olhar para um desses sistemas – uma colônia de formigas, neste caso – e descobrir exatamente por que eles são capazes de operar com tanta eficiência, apesar de serem tão complexos e resilientes. Foi isso que nos interessou.”Por que alguém iria querer fazer isso? Como explica Musco, o trabalho pode ser útil em áreas como a análise de big data – como estimar a composição de uma inclinação política específica entre os utilizadores das redes sociais. “Tradicionalmente, se Facebook se você quisesse estimar o número de republicanos [por exemplo], faria uma amostragem aleatória de um subconjunto de usuários e contaria o número de republicanos”, continua Musco. “Mas você não pode fazer isso – não existe uma lista mestre de usuários da qual você possa fazer amostras. Então, o que estamos mostrando é que pode ser quase tão bom apenas “caminhar” aleatoriamente entre os usuários – ou seja, começar com um usuário, passar para um amigo, depois para um amigo de amigo, etc. – e experimente desta forma.”
No artigo, essas explorações chamadas de “caminhada aleatória” mostram-se quase tão rápidas para determinar densidades populacionais quanto o método de amostragem mais estabelecido.
“Este trabalho tem dois propósitos”, continua Musco. “Por um lado, isso nos dá algumas ideias interessantes sobre como pegar sistemas biológicos e usá-los para otimizar redes de computadores, que é o que você vê em conceitos de inspiração biológica, como redes neurais. Ao mesmo tempo, podemos usar a ciência da computação para ajudar os biólogos a resolver alguns dos problemas que enfrentam. As pessoas estão começando a fazer esse segundo cada vez mais, e é muito útil – porque em vez de observar o comportamento, estamos focados em detectar algoritmos. É uma maneira diferente de pensar sobre as coisas.”
Atualize seu estilo de vidaDigital Trends ajuda os leitores a manter o controle sobre o mundo acelerado da tecnologia com as últimas notícias, análises divertidas de produtos, editoriais criteriosos e prévias únicas.
