เสียงพึมพำของ Starling ก่อตัวขึ้นเมื่อแสงตะวันส่องผ่านจุดพักของพวกมัน Shutterstock / อัลเบิร์ต Beukhof

คำว่าฝูงมักมีความหมายเชิงลบ ลองนึกถึงโรคระบาดในพระคัมภีร์ไบเบิลเรื่องตั๊กแตนหรือท้องถนนที่เต็มไปด้วยนักจับจ่ายในนาทีสุดท้ายในช่วงเร่งรีบคริสต์มาส อย่างไรก็ตาม การจับกลุ่มเป็นสิ่งจำเป็นสำหรับการอยู่รอดของสัตว์หลายกลุ่ม และตอนนี้การวิจัยเกี่ยวกับการจับกลุ่มก็มีศักยภาพในการเปลี่ยนแปลงสิ่งต่าง ๆ สำหรับมนุษย์เช่นกัน

ผึ้งฝูงที่จะทำให้พวกเขา ค้นหาอาณานิคมใหม่ มีประสิทธิภาพมากขึ้น ฝูงนกกิ้งโครงใช้ เสียงพึมพำพราวเพื่อหลบเลี่ยงและสร้างความสับสนให้กับผู้ล่า. นี่เป็นเพียงสองตัวอย่างจากธรรมชาติ แต่สามารถพบเห็นฝูงสัตว์ได้ในเกือบทุกมุมของอาณาจักรสัตว์

งานวิจัยจากนักคณิตศาสตร์ นักชีววิทยา และนักสังคมศาสตร์กำลังช่วยให้เราเข้าใจการจับกลุ่มและใช้ประโยชน์จากพลังของมัน มันถูกใช้ไปแล้วสำหรับ การควบคุมฝูงชน, การจัดการจราจร และเพื่อทำความเข้าใจ การแพร่กระจายของโรคติดเชื้อ. เมื่อเร็ว ๆ นี้ มันเริ่มกำหนดวิธีที่เราใช้ข้อมูลสำหรับการดูแลสุขภาพ ใช้งานโดรนในความขัดแย้งทางทหาร และถูกนำมาใช้เพื่อเอาชนะการเดิมพันที่แทบจะเอาชนะไม่ได้ในการแข่งขันกีฬา

ฝูงเป็นระบบที่มากกว่าผลรวมของส่วนต่างๆ เช่นเดียวกับเซลล์ประสาทจำนวนมากที่สร้างสมองที่มีความสามารถในการคิด ความจำ และอารมณ์ กลุ่มของสัตว์สามารถทำงานพร้อมเพรียงกันเพื่อสร้าง "ซุปเปอร์สมอง" ซึ่งแสดงพฤติกรรมที่ซับซ้อนมากซึ่งไม่พบในสัตว์แต่ละชนิด

Craig Reynolds ผู้เชี่ยวชาญด้านชีวิตประดิษฐ์ได้ปฏิวัติการศึกษาเรื่องฝูงสัตว์ในปี 1986 ด้วยการตีพิมพ์ หุ่นจำลอง การจำลองด้วยคอมพิวเตอร์ โมเดล Boids แบ่งกลุ่มออกเป็นกฎง่ายๆ

Boids (bird-oids) ในการจำลอง เช่น อวตารหรือตัวละครในวิดีโอเกม ได้รับคำสั่งให้เคลื่อนที่ไปในทิศทางเดียวกับเพื่อนบ้าน เคลื่อนที่ไปยังตำแหน่งเฉลี่ยของเพื่อนบ้าน และหลีกเลี่ยงการชนกับ Boids ตัวอื่น

การจำลอง Boids มีความแม่นยำอย่างน่าทึ่งเมื่อเทียบกับฝูงจริง

แบบจำลอง Boids แนะนำว่าการจับกลุ่มกันไม่จำเป็นต้องมีผู้นำในการประสานพฤติกรรม เช่น คนเดินถนนในใจกลางเมือง แทนที่จะเป็นไกด์นำเที่ยวพิพิธภัณฑ์ พฤติกรรมที่ซับซ้อนที่เราเห็นเป็นฝูงเกิดจากการปฏิสัมพันธ์ระหว่างบุคคลตามกฎง่ายๆ เดียวกันควบคู่กันไป ในภาษาฟิสิกส์ ปรากฏการณ์นี้เรียกว่า ภาวะฉุกเฉิน.

รังผึ้งใจ

ในปี 2016 บริษัทเทคโนโลยีของสหรัฐฯ เอกฉันท์ AI ใช้พลังของฝูงข่าวกรองเพื่อ ชนะการเดิมพัน Kentucky Derby “สุดยอด”ประสบความสำเร็จในการทำนายนักแข่งม้าที่หนึ่ง สอง สาม และสี่ในการแข่งม้าที่มีชื่อเสียงของสหรัฐอเมริกา

ผู้เชี่ยวชาญในอุตสาหกรรม และ อัลกอริทึมการเรียนรู้ของเครื่องทั่วไป ทำให้เกิดการคาดการณ์ที่ไม่ถูกต้อง อย่างไรก็ตาม ผู้ที่ชื่นชอบการแข่งรถมือสมัครเล่นที่คัดเลือกโดย AI ที่เป็นเอกฉันท์ได้รวบรวมความรู้เพื่อเอาชนะ 541/1 ราคาต่อรอง.

 นักพนันที่มีความหวังเดิมพันหลายล้านดอลลาร์ใน Kentucky Derby ในแต่ละปี Shutterstock / เชอรีล แอน ควิกลีย์

ความสำเร็จของอาสาสมัครขึ้นอยู่กับวิธีการสร้างการคาดการณ์ของพวกเขา แทนที่จะลงคะแนนให้ผู้ขับขี่และรวบรวมตัวเลือกของพวกเขา อาสาสมัครใช้ แพลตฟอร์มข่าวกรองฝูงของ AI ที่เป็นเอกฉันท์ เพื่อเข้าร่วมการแข่งขันชักเย่อดิจิทัลแบบเรียลไทม์ ซึ่งได้รับแรงบันดาลใจจากฝูงนกและผึ้ง

อาสาสมัครทุกคนดึงแป้นหมุนไปยังตัวเลือกของตนพร้อมกัน สิ่งนี้ทำให้ผู้คนเปลี่ยนการตั้งค่าตามการกระทำของผู้อื่น (เช่น บุคคลอาจเปลี่ยนไปเลือกตัวเลือกที่สอง B แทนตัวเลือกแรก C หากเห็นว่า A และ B เป็นตัวเลือกที่ชัดเจน ).

การตอบสนองซึ่งกันและกันแบบเรียลไทม์ทำให้อาสาสมัครของ AI ที่เป็นเอกฉันท์มีประสิทธิภาพเหนือกว่าโดยรวม บุคคลที่มีความรู้สูง.

ยิ่งไปกว่านั้น การเลือกอาสาสมัครแต่ละคนบ่อยที่สุดจะกำหนดลำดับเฉพาะ ผู้ชนะ 2016 และ เจ้ามือรับแทงม้าที่ชื่นชอบ, นิควิสต์จะได้วางถูก.

ความห่วงใยด้านสุขภาพ

เทคโนโลยีการจับกลุ่มที่คล้ายคลึงกันยังเป็นที่สนใจเพิ่มขึ้นใน การดูแลสุขภาพ ภาคที่ พูดถึงการปฏิวัติ AI กำลังกระตุ้น เพิ่มความกังวลเกี่ยวกับความเป็นส่วนตัวของผู้ป่วย.

เป็นที่พึ่งพิง เทคนิคการใช้ข้อมูลในการดูแลสุขภาพ เพิ่มขึ้น ความต้องการชุดข้อมูลผู้ป่วยจำนวนมากก็เพิ่มขึ้นเช่นกัน วิธีหนึ่งที่จะตอบสนองความต้องการเหล่านี้คือ รวบรวมข้อมูลระหว่างสถาบันและในบางกรณีรวมถึงประเทศต่างๆ.

อย่างไรก็ตาม การถ่ายโอนข้อมูลผู้ป่วยมักขึ้นอยู่กับ ข้อบังคับการปกป้องข้อมูลที่เข้มงวด. วิธีแก้ไขปัญหานี้คือการใช้ข้อมูลภายในองค์กรเท่านั้น แม้ว่าสิ่งนี้มักจะต้องแลกมาด้วยความแม่นยำในการวินิจฉัย

อีกทางเลือกหนึ่งคือการจับกลุ่ม นักวิจัยเชื่อว่าหน่วยสืบราชการลับของฝูงสามารถทำได้ รักษาความแม่นยำในการวินิจฉัย โดยไม่จำเป็นต้องแลกเปลี่ยนข้อมูลดิบระหว่างสถาบัน

การศึกษาเบื้องต้น ได้แสดงให้เห็นว่าการกระจายอำนาจการจัดเก็บข้อมูลไปยังเครือข่ายของโหนดที่มีปฏิสัมพันธ์สามารถให้สถาบันได้รับประโยชน์จากภูมิปัญญาที่ใช้ร่วมกัน ซึ่งหมายความว่าไม่มีศูนย์กลางที่ประสานงานการไหลของข้อมูล และสถาบันต่างๆ ไม่สามารถเข้าถึงข้อมูลส่วนตัวของผู้ป่วยของกันและกันได้

การเรียนรู้ของเครื่องแบบรวมศูนย์ใช้ข้อมูลที่อัปโหลดไปยังฮับที่ใช้ร่วมกันซึ่งการเรียนรู้ของเครื่องจะเกิดขึ้นโดยใช้ข้อมูลที่มีอยู่ทั้งหมด ในระบบกระจายศูนย์ แต่ละสถาบันจะจัดเก็บข้อมูลของตนในโหนดของตนเองแยกกัน การเรียนรู้ของเครื่องเกิดขึ้นภายในเครื่องที่แต่ละโหนด (โดยใช้ข้อมูลภายในองค์กรเท่านั้น) แต่ผลลัพธ์ของการเรียนรู้ของเครื่องจะถูกแชร์ระหว่างเครือข่ายเพื่อประโยชน์ของโหนดทั้งหมด กระบวนการนี้ทำให้มั่นใจได้ว่าข้อมูลดิบของผู้ป่วยจะไม่ถูกแลกเปลี่ยนระหว่างสถาบัน เพื่อรักษาความเป็นส่วนตัวของผู้ป่วย
ฝูงโดรนอาจเติมสนามรบในไม่ช้า Shutterstock / การถ่ายภาพ Andy Dean

ฝูงและสงคราม

เทคโนโลยีเสียงพึมพำถูกนำมาใช้มากขึ้นในการต่อสู้แนวหน้า โดยเฉพาะอย่างยิ่งในช่วงเวลาที่ผ่านมา กองกำลังยูเครน ใน ความขัดแย้งรัสเซีย-ยูเครนที่กำลังดำเนินอยู่. อย่างไรก็ตาม เทคโนโลยีโดรนแบบดั้งเดิมนั้นต้องการ การกำกับดูแลแบบตัวต่อตัว.

การวิจัยการป้องกันในปัจจุบัน มีจุดมุ่งหมายเพื่ออำนวยความสะดวกในการสื่อสารระหว่างโดรน โดยให้ผู้ควบคุมหนึ่งคนควบคุมฝูงโดรนได้ การพัฒนาเทคโนโลยีดังกล่าวสัญญาว่าจะปรับปรุงอย่างมาก scalability, การลาดตระเวน และ โดดเด่น ความสามารถของโดรนต่อสู้โดยอนุญาตให้มีการถ่ายทอดข้อมูลอย่างต่อเนื่องภายในกลุ่มโดรน

เมื่อการวิจัยเจาะลึกลงไปถึงการรวมกลุ่ม เราพบว่าโลกที่การกระทำร่วมกันสร้างความซับซ้อน ความสามารถในการปรับตัว และมีประสิทธิภาพ เมื่อเทคโนโลยีพัฒนาขึ้น บทบาทของฝูงอัจฉริยะก็เติบโตขึ้น เชื่อมโยงโลกของเราเข้ากับพลวัตอันน่าทึ่งของฝูง

เกี่ยวกับผู้เขียน

ซามูเอลจอห์นสัน, ผู้สมัคร DPhil สาขาชีววิทยาคณิตศาสตร์, University of Oxford

บทความนี้ตีพิมพ์ซ้ำจาก สนทนา ภายใต้ใบอนุญาตครีเอทีฟคอมมอนส์ อ่าน บทความต้นฉบับ.