Пример где би ово могло бити корисно је када тражите ново гнездо, у ком случају само неколико десетина Истраживачи су послати да пронађу довољно велики простор, а не целу колонију од стотина или хиљада мрави.
Препоручени видео снимци
Ова дуго проучавана способност је предмет а Нови папир истраживачи из Лабораторије за рачунарске науке и вештачку интелигенцију МИТ-а (ЦСАИЛ). Направили су алгоритам који реплицира понашање у рачунару и доказује да може бити изузетно прецизан начин предвиђања густине насељености мреже.
„У компјутерској науци постоји интуитивни смисао да су биолошки алгоритми супер робусни и динамични,“ Цамерон Мусцо, дипломирани студент електротехнике и рачунарства на МИТ-у и коаутор рада, каже за Дигитал Трендс. „Желели смо да погледамо један од тих система - колонију мрава, у овом случају - и сазнамо тачно зашто они могу да раде тако ефикасно, упркос томе што су тако сложени и отпорни. То је било оно што нас је заинтересовало.”
Зашто би неко желео ово да уради? Како Муско објашњава, рад би могао бити од практичне користи у областима попут анализе великих података - као што је процена састава једне одређене политичке склоности међу корисницима друштвених медија. „Традиционално, ако је укључено Фејсбук хтели бисте да процените број републиканаца [на пример], насумично бисте узорковали подскуп корисника и пребројали број републиканаца“, наставља Мусцо. „Али то не можете учинити – не постоји главна листа корисника са којих можете да узоркујете. Дакле, оно што показујемо је да може бити скоро једнако добро само насумично „шетати“ између корисника – тј. почети од једног корисника, прећи до пријатеља, затим до пријатеља пријатеља, итд. - и узоркујте на овај начин."
У раду се показало да су ова такозвана истраживања „случајног хода“ скоро једнако брза за одређивање густине насељености као и етаблиранији метод узорковања.
„Овај рад има две сврхе“, наставља Мусцо. „С једне стране, то нам даје неке занимљиве идеје о узимању биолошких система и њиховом коришћењу за оптимизацију рачунарских мрежа, што видите са биолошки инспирисаним концептима као што су неуронске мреже. У исто време, можемо да користимо компјутерске науке да помогнемо биолозима да реше неке проблеме које имају. Људи почињу да раде овај други све више и више, и то је заиста корисно - јер уместо да гледамо на понашање, фокусирани смо на уочавање алгоритама. То је другачији начин размишљања о стварима."
Надоградите свој животни стилДигитални трендови помажу читаоцима да прате убрзани свет технологије са свим најновијим вестима, забавним рецензијама производа, проницљивим уводницима и јединственим кратким прегледима.