Kako bi nas kolonije mravelj lahko naučile lekcijo o analitiki velikih podatkov

mutant mravlje družbeno vedenje ant
Jacob Filich/Flickr CC
Vsi, ki ste gledali prejšnje poletje Ant-Man film ve, da imajo mravlje nekaj zelo kul "supermoči". Tisti, ki se na hollywoodskih scenarističnih sestankih ni uvrstil, pa je ta mravlje imajo moč oceniti lastno gostoto naseljenosti glede na to, kako pogosto se med raziskovanjem zaletijo druga v drugo okolici.

Primer, kjer bi to lahko bilo koristno, je iskanje novega gnezda, v tem primeru le nekaj deset raziskovalci so poslani, da najdejo dovolj velik prostor, namesto celotne kolonije stotin ali tisočev mravlje.

Priporočeni videoposnetki

Ta dolgo proučevana sposobnost je predmet a nov papir raziskovalci Laboratorija za računalništvo in umetno inteligenco MIT (CSAIL). Ustvarili so algoritem, ki posnema vedenje v računalniku in dokazuje, da je lahko izjemno natančen način za napovedovanje gostote naseljenosti omrežja.

"V računalništvu obstaja ta intuitiven občutek, da so biološki algoritmi super robustni in dinamični," Cameron Musco, podiplomski študent elektrotehnike in računalništva MIT ter soavtor prispevka, pravi za Digital Trends. »Želeli smo si ogledati enega od teh sistemov – v tem primeru kolonijo mravelj – in natančno ugotoviti, zakaj lahko delujejo tako učinkovito, kljub temu, da so tako zapleteni in odporni. To je tisto, kar nas je zanimalo.”

Zakaj bi kdo želel to narediti? Kot pojasnjuje Musco, bi lahko bilo delo praktično uporabno na področjih, kot je analitika velikih podatkov - kot je ocenjevanje sestave določenega političnega nagnjenja med uporabniki družbenih medijev. »Tradicionalno, če je na Facebook če bi želeli oceniti število republikancev [na primer], bi naključno vzorčili podmnožico uporabnikov in prešteli število republikancev,« nadaljuje Musco. »Ampak tega ne morete storiti – ni glavnega seznama uporabnikov, iz katerega bi lahko vzorčili. Torej, kar prikazujemo, je, da je lahko skoraj tako dobro, če se samo naključno 'sprehodimo' med uporabniki - tj. začnemo pri enem uporabniku, se premaknemo k prijatelju, nato k prijatelju prijatelja itd. — in vzorčite na ta način.«

V članku je prikazano, da so te tako imenovane raziskave "naključnega sprehoda" skoraj tako hitre za določanje gostote prebivalstva kot bolj uveljavljena metoda vzorčenja.

"To delo ima dva namena," nadaljuje Musco. »Po eni strani nam daje nekaj zanimivih idej o uporabi bioloških sistemov za optimizacijo računalniških omrežij, kar vidite pri biološko navdihnjenih konceptih, kot je nevronske mreže. Hkrati lahko uporabimo računalništvo, da pomagamo biologom rešiti nekatere težave, ki jih imajo. Ljudje začenjajo to drugo izvajati vse pogosteje in je res uporabno – saj smo namesto na opazovanje vedenja osredotočeni na odkrivanje algoritmov. To je drugačen način razmišljanja o stvareh."

Nadgradite svoj življenjski slogDigitalni trendi bralcem pomagajo slediti hitremu svetu tehnologije z vsemi najnovejšimi novicami, zabavnimi ocenami izdelkov, pronicljivimi uvodniki in enkratnimi vpogledi v vsebine.