Owce i psy pasterskie inspirują nowy algorytm roju. Z pomocą YouTube’a

👁 131 przeczytań

Małe stado owiec wymyka się spod kontroli psu pasterskiemu częściej niż ogromne, liczące pół setki sztuk. W tym paradoksie tkwi klucz do nowego algorytmu, który pewnego dnia może usprawnić pracę rojów dronów, autonomicznych samochodów, a nawet grup współpracujących agentów sztucznej inteligencji. Naukowcy, którzy spędzili długie godziny na „owczym YouTube”, odkryli, że rozwiązaniem jest… niezdecydowanie.

Chaos w miniaturowym stadzie

W trwających od stulecia zawodach psów pasterskich (tzw. sheepdog trials) czworonogi popisują się umiejętnością kontrolowania zaledwie czterech lub pięciu owiec. Paradoksalnie, mała grupa jest znacznie trudniejsza do opanowania niż ta licząca pięćdziesiąt czy więcej zwierząt. W dużym stadzie rządzi bezpieczeństwo zbiorowości - owce trzymają się razem i reagują głównie na ruch sąsiadów. Gdy osobników jest mniej, na pierwszy plan wychodzą indywidualne osobowości: jedne są bardziej płochliwe, inne powolne. W efekcie stado zachowuje się chaotycznie - owce bez ostrzeżenia przełączają się między ucieczką przed psem a podążaniem za pobratymcami.

Opublikowane w Science Advances badanie dowodzi, że właśnie ta nieprzewidywalność staje się atutem. Zespół inżynierów biomolekularnych i informatyków z Georgia Institute of Technology oraz Arizona State University przeanalizował nagrania z zawodów i rozmawiał z farmerami z Georgii, by zrozumieć, jak psy pasterskie radzą sobie z tak kapryśnym „hałasem”.

Taniec cierpliwości, który okiełznuje chaos

Naukowcy wyodrębnili dwuetapową strategię psa. Po pierwsze, czworonóg czeka, aż wszystkie owce przypadkowo odwrócą się w zamierzonym kierunku - ich chaotyczne ruchy powodują, że wcześniej czy później nastąpi moment pełnego ustawienia. Wtedy pies natychmiast rusza do przodu i popędza stado. Gdy jednak owce po chwili znów się rozproszą, zwierzę przystaje i ponownie odczekuje na właściwy układ. Saad Bhamla, biomolekularny inżynier z Georgia Tech, nazywa to „delikatnym tańcem”, a jego działanie porównuje do żeglugi na wietrznym akwenie - żagiel stawia się tylko wtedy, gdy podmuchy są sprzyjające. Dzięki opanowaniu i wyczuciu czasu pies wykorzystuje losowość owiec, zamiast z nią walczyć.

Ta obserwacja zburzyła inżynierskie przyzwyczajenie, by dążyć do maksymalnej przewidywalności. Okazuje się, że pewna dawka nieprzewidywalności czyni grupę bardziej plastyczną i łatwiejszą do sterowania z zewnątrz.

Niezdecydowany rój - od owiec do dronów

Zainspirowani zachowaniem owiec badacze opracowali „Algorytm Niezdecydowanego Roju” (Indecisive Swarm Algorithm). W jego ramach roboty nie trzymają się stale jednego źródła komend - przez większość czasu podążają za sąsiadem, ale w losowych momentach przełączają się na sygnał centralnego kontrolera. Takie „chwiejne” zachowanie przypomina właśnie owce wahające się między instynktem stadnym a odruchem ucieczki.

W testach algorytm okazał się skuteczniejszy od dwóch klasycznych podejść: ślepego podążania wyłącznie za sterownikiem (co prowadzi do chaosu, gdy część jednostek nie odbiera sygnału) oraz uśredniania ruchu wszystkich sąsiadów (w dużych grupach sygnał kontrolera szybko się rozmywa). Dzięki kontrolowanemu niezdecydowaniu grupa nie zakleszcza się i elastycznie reaguje na polecenia.

Hałas, który pomaga optymalizować systemy

„Mamy tendencję do postrzegania szumu jako problemu, który czyni systemy mniej przewidywalnymi i gorzej zoptymalizowanymi” - komentuje Raphaël Sarfati, fizyk z Goodfire AI, który nie brał udziału w badaniu. - „Tymczasem wszędzie widzimy, że odrobina hałasu, naprawdę niewielka, jest bardzo, bardzo dobra w prowadzeniu systemów ku lepszemu optimum”.

Ted Pavlic, informatyk z Arizona State University, dodaje: „Niezdecydowanie zapobiega zakleszczeniu grupy i czyni ją bardziej plastyczną”. Jego zdaniem algorytm może pomóc w unikaniu zatorów, z jakimi od czasu do czasu borykają się autonomiczne pojazdy. Hałas staje się tutaj smarem, który rozluźnia sztywne formacje i umożliwia szybkie dostosowanie się do zmiennych warunków.

Badacze już widzą perspektywiczne zastosowania swojego odkrycia: od koordynowania floty dronów dostawczych, przez płynniejszy ruch autonomicznych samochodów na skrzyżowaniach, po synchronizację wielu agentów AI pracujących nad wspólnym zadaniem. W każdym z tych przypadków algorytmiczna kalkulacja chaotycznej natury owiec może okazać się skuteczniejsza niż dążenie do idealnej synchronizacji. Owce i psy pasterskie po raz kolejny udowadniają, że natura w swojej pozornej niekonsekwencji kryje rozwiązania, które dopiero zaczynamy rozumieć.

// czytaj dalejDlaczego owce są lepszymi nauczycielami AI niż myślisz? Pasterski algorytm ujarzmia chaosNaukaJak wypromować konto na X? Poradnik na podstawie kodu źródłowego algorytmuArtykułyMiniaturki YouTube z Nano Banana 2 - tutorial i gotowe promptyNano Banana