Прикладом того, де це може бути корисним, є пошук нового гнізда, у цьому випадку лише кілька десятків Дослідників відправляють шукати досить великий простір, а не цілу колонію з сотень чи тисяч мурахи.
Рекомендовані відео
Ця довго вивчена здатність є предметом дослідження a новий папір дослідниками Лабораторії комп’ютерних наук і штучного інтелекту Массачусетського технологічного інституту (CSAIL). Вони створили алгоритм, який повторює поведінку в комп’ютері та доводить, що це може бути надзвичайно точним способом прогнозування щільності населення мережі.
«В інформатиці існує інтуїтивне відчуття, що біологічні алгоритми надзвичайно надійні та динамічні», Кемерон Маско
, аспірант Массачусетського технологічного інституту з електротехніки та інформатики та співавтор статті, розповідає Digital Trends. «Ми хотіли розглянути одну з цих систем — у цьому випадку мурашину колонію — і точно з’ясувати, чому вони здатні працювати так ефективно, незважаючи на те, що вони настільки складні та стійкі. Це те, що нас зацікавило».Чому хтось хоче це зробити? Як пояснює Муско, ця робота може мати практичну користь у таких сферах, як аналітика великих даних — наприклад, оцінка складу певних політичних ухилів серед користувачів соціальних мереж. “Традиційно, якщо на Facebook якщо ви хочете оцінити кількість республіканців [наприклад], ви б випадково відібрали підмножину користувачів і підрахували кількість республіканців», — продовжує Маско. «Але ви не можете цього зробити — немає головного списку користувачів, з яких можна взяти вибірку. Отже, ми показуємо, що можна майже так само добре просто випадково «ходити» між користувачами — тобто починати з одного користувача, переходити до друга, потім до друга друга тощо. — і пробуйте таким чином».
У статті показано, що ці так звані дослідження «випадкового блукання» майже такі ж швидкі для визначення щільності населення, як і більш усталений метод вибірки.
«Ця робота служить двом цілям, — продовжує Муско. «З одного боку, це дає нам кілька цікавих ідей про те, як взяти біологічні системи та використовувати їх для оптимізації комп’ютерних мереж, що ви бачите в таких біологічних концепціях, як нейронні мережі. У той же час ми можемо використовувати інформатику, щоб допомогти біологам вирішити деякі проблеми, які вони мають. Люди починають робити цей другий дедалі частіше, і він справді корисний, тому що замість того, щоб розглядати поведінку, ми зосереджені на виявленні алгоритмів. Це інший спосіб думати про речі».
Оновіть свій спосіб життяDigital Trends допомагає читачам стежити за динамічним світом технологій завдяки всім останнім новинам, цікавим оглядам продуктів, проникливим редакційним статтям і унікальним у своєму роді коротким оглядам.
