Как колонии муравьев могут преподать нам урок анализа больших данных

муравьи-мутанты социальное поведение муравьев
Джейкоб Филич/Flickr CC
Все, кто смотрел прошлым летом Человек-муравей Фильм знает, что муравьи обладают довольно крутыми «сверхспособностями». Однако на встречах по сценарию в Голливуде не было отмечено то, что муравьи обладают способностью оценивать плотность своей популяции на основе того, как часто они сталкиваются друг с другом, исследуя свою территорию. окружение.

Примером того, где это может быть полезно, является поиск нового гнезда, и в этом случае всего несколько десятков исследователи отправляются искать достаточно большое пространство, а не целую колонию из сотен или тысяч муравьи.

Рекомендуемые видео

Эта давно изученная способность является предметом новая бумага исследователи из Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института (CSAIL). Они создали алгоритм, который воспроизводит поведение компьютера и доказывает, что он может быть удивительно точным способом прогнозирования плотности населения сети.

«В информатике существует интуитивное ощущение, что биологические алгоритмы сверхнадежны и динамичны»,

Кэмерон Муско, аспирант Массачусетского технологического института в области электротехники и информатики и соавтор статьи, рассказывает Digital Trends. «Мы хотели взглянуть на одну из этих систем — в данном случае на колонию муравьев — и выяснить, почему они могут работать так эффективно, несмотря на то, что они такие сложные и устойчивые. Именно это нас и заинтересовало».

Зачем кому-то это делать? Как объясняет Муско, эта работа может иметь практическое применение в таких областях, как анализ больших данных, например, оценка состава одного конкретного политического пристрастия среди пользователей социальных сетей. «Традиционно, если на Фейсбук Если вы хотите оценить количество республиканцев [например], вы случайным образом выбираете подмножество пользователей и подсчитываете количество республиканцев», — продолжает Маско. «Но вы не можете этого сделать — не существует основного списка пользователей, из которого вы могли бы брать образцы. Итак, мы показываем, что почти так же полезно просто случайно «ходить» между пользователями — т. е. начать с одного пользователя, перейти к другу, затем к другу друга и т. д. — и пробуйте таким образом».

В статье показано, что эти так называемые исследования «случайного блуждания» почти так же быстры для определения плотности населения, как и более устоявшийся метод отбора проб.

«Эта работа служит двум целям», — продолжает Маско. «С одной стороны, это дает нам некоторые интересные идеи о том, как взять биологические системы и использовать их для оптимизации компьютерных сетей, что вы и видите в таких биологических концепциях, как нейронные сети. В то же время мы можем использовать информатику, чтобы помочь биологам решить некоторые проблемы, с которыми они сталкиваются. Люди начинают делать это все чаще и чаще, и это действительно полезно — потому что вместо того, чтобы смотреть на поведение, мы концентрируемся на обнаружении алгоритмов. Это другой способ думать о вещах».

Обновите свой образ жизниDigital Trends помогает читателям быть в курсе быстро меняющегося мира технологий благодаря всем последним новостям, забавным обзорам продуктов, содержательным редакционным статьям и уникальным кратким обзорам.