찌르레기의 읭읭 소리는 둥지 위로 일광이 어두워지면서 형성됩니다. Shutterstock / Albert Beukhof

떼라는 단어는 종종 부정적인 의미를 내포합니다. 성서에 나오는 메뚜기 떼나 성탄절 성수기의 막바지 쇼핑객으로 가득 찬 큰 거리를 생각해 보세요. 그러나 떼를 짓는 것은 많은 동물 집단의 생존에 필수적입니다. 그리고 이제 떼에 대한 연구는 인간의 상황도 변화시킬 수 있는 잠재력을 가지고 있습니다.

꿀벌은 자신의 새로운 식민지 탐색 더 효과적인. 찌르레기 떼 사용 포식자를 회피하고 혼란시키기 위한 눈부신 중얼거림. 이것은 자연의 두 가지 예일 뿐이지만 동물계의 거의 모든 곳에서 떼를 짓는 모습을 볼 수 있습니다.

수학자, 생물학자, 사회과학자들의 연구는 우리가 떼를 이해하고 그 힘을 활용하는 데 도움을 주고 있습니다. 이미 사용되고 있습니다. 군중 통제, 교통 관리 그리고 이해하기 전염병의 확산. 최근에는 의료용 데이터 사용 방법, 군사 충돌 시 드론 작동 방법, 스포츠 이벤트에서 거의 극복할 수 없는 베팅 확률을 극복하는 방법을 구체화하기 시작했습니다.

떼는 부분의 합보다 더 큰 시스템입니다. 많은 뉴런이 생각, 기억, 감정을 수행할 수 있는 뇌를 형성하는 것처럼, 동물 그룹도 일제히 행동하여 개별 동물에서는 볼 수 없는 매우 복잡한 행동을 보이는 "슈퍼 뇌"를 형성할 수 있습니다.

인공생명 전문가 크레이그 레이놀즈(Craig Reynolds)는 1986년에 다음과 같은 논문을 발표하여 군집 연구에 혁명을 일으켰습니다. 보이드 모델 컴퓨터 시뮬레이션. 보이즈 모델은 떼를 간단한 규칙 세트로 분류합니다.

비디오 게임의 아바타나 캐릭터와 같은 시뮬레이션의 보이드(새 모양)는 이웃과 같은 방향으로 이동하고, 이웃의 평균 위치를 향해 이동하며, 다른 보이드와의 충돌을 피하라는 지시를 받습니다.

보이드 시뮬레이션은 실제 떼와 비교할 때 놀라울 정도로 정확합니다.

보이즈(Boids) 모델은 군집이 가이드 박물관 투어가 아닌 시내 중심가의 보행자와 같은 행동을 조정하기 위해 리더가 필요하지 않음을 시사합니다. 우리가 떼에서 보는 복잡한 행동은 동일한 간단한 규칙을 동시에 따르는 개인 간의 상호 작용에서 발생합니다. 물리학의 언어로 이 현상은 다음과 같이 알려져 있습니다. 출현.

하이브 마인드

2016년 미국 기술 기업 만장일치 AI 집단 지능의 힘을 사용하여 Kentucky Derby "슈퍼펙타" 베팅에서 승리, 미국의 유명한 경마에서 XNUMX위, XNUMX위, XNUMX위, XNUMX위 라이더를 성공적으로 예측했습니다.

업계 전문가 과 기존 기계 학습 알고리즘 잘못된 예측을 많이 했다. 그러나 만장일치 AI가 모집한 아마추어 레이싱 애호가들은 지식을 모아 541/1 확률.

 희망적인 도박꾼들은 매년 켄터키 더비에 수백만 달러를 걸었습니다. Shutterstock / Cheryl Ann Quigley

지원자들의 성공은 그들의 예측이 생성된 방식에 있었습니다. 라이더에게 투표하고 선택 사항을 집계하는 대신 자원 봉사자는 다음을 사용했습니다. 만장일치 AI의 군집 지능 플랫폼 새와 벌 떼에서 영감을 얻은 실시간 디지털 줄다리기에 참여합니다.

모든 자원봉사자는 동시에 각자의 선택을 향해 다이얼을 당겼습니다. 이를 통해 사람들은 다른 사람의 행동에 반응하여 자신의 선호도를 변경할 수 있었습니다. 예를 들어 A와 B가 확실히 마음에 드는 것으로 판단되면 첫 번째 선택인 C가 아닌 두 번째 선택인 B를 선택하도록 전환했을 수 있습니다. ).

실시간으로 서로에게 응답함으로써 만장일치 AI의 자원봉사자들은 총체적으로 능가할 수 있었습니다. 정보가 풍부한 개인.

게다가 가장 자주 선택한 지원자들이 순서를 결정했다면 2016 수상자 과 마권업자들이 가장 좋아하는, 나이키 스트, 올바르게 배치되었을 것입니다.

건강 문제

유사한 군집 기술에 대한 관심도 증가하고 있습니다. 건강 관리 섹터, 여기서 AI 혁명을 말하다 촉구하고 있다 환자 프라이버시에 대한 우려 증가.

의존하는 것으로 의료 분야의 데이터 기반 기술 증가함에 따라 광범위한 환자 데이터 세트에 대한 수요도 증가합니다. 이러한 요구 사항을 충족하는 한 가지 방법은 다음과 같습니다. 기관 및 경우에 따라 국가 간 정보 풀링.

그러나 환자 데이터의 전송은 종종 엄격한 데이터 보호 규정. 이 문제에 대한 해결책은 사내 데이터만 사용하는 것이지만 이는 진단 정확도를 희생하는 경우가 많습니다.

대안은 군집에 있습니다. 연구원들은 떼 지능이 할 수 있다고 믿습니다. 진단 정확도 유지 기관 간 원시 데이터 교환이 필요하지 않습니다.

예비 연구 데이터 저장소를 상호 작용하는 노드의 네트워크로 분산시키면 기관에 공유된 지혜의 이점을 제공할 수 있음을 보여주었습니다. 이는 정보 흐름을 조정하는 중앙 허브가 없으며 기관들이 서로의 개인 환자 데이터에 접근할 수 없음을 의미합니다.

중앙 집중식 기계 학습은 사용 가능한 모든 데이터를 사용하여 기계 학습이 이루어지는 공유 허브에 업로드된 데이터를 사용합니다. 분산형 시스템에서는 각 기관이 자체 노드에 데이터를 별도로 저장합니다. 기계 학습은 각 노드에서 로컬로 발생하지만(내부 데이터만 사용) 기계 학습 결과는 모든 노드의 이익을 위해 네트워크 간에 공유됩니다. 이 프로세스를 통해 원시 환자 데이터가 기관 간에 교환되지 않고 환자의 개인 정보가 보호됩니다.
드론 떼가 곧 전장을 가득 채울 수도 있습니다. Shutterstock / 앤디 딘 사진

떼와 전쟁

드론 기술은 최근 최전방 전투에서 점점 더 많이 사용되고 있습니다. 우크라이나 군대 FBI 증오 범죄 보고서 계속되는 러시아-우크라이나 분쟁. 그러나 기존의 드론 기술에는 일대일 감독.

현재 국방 연구 하나의 컨트롤러가 여러 드론을 조종할 수 있도록 드론 간의 통신을 용이하게 하는 것을 목표로 합니다. 이러한 기술의 개발은 크게 향상시킬 것을 약속합니다. 확장 성, 정찰 과 치는 드론 그룹 내에서 지속적인 정보 전달을 허용함으로써 전투 드론의 능력을 향상시킵니다.

연구를 통해 군집에 대해 더 깊이 파고들면서 우리는 집단 행동이 복잡성, 적응성 및 효율성을 창출하는 세상을 발견했습니다. 기술이 발전함에 따라 떼 지능의 역할이 커져 세상을 떼의 매혹적인 역학과 엮을 것입니다.

저자에 관하여

사무엘 존슨, 수리 생물학 박사 학위 후보자, 옥스퍼드 대학

이 기사는에서 다시 게시됩니다. 대화 크리에이티브 커먼즈 라이센스하에 읽기 원래 기사.