Dekodierung der bemerkenswerten Algorithmen von Ameisen

Von Quanta Magazine (Hier finden Sie die Originalgeschichte).

Ameisen sind zu bemerkenswerten Koordinationsleistungen fähig. Sie können komplexe Pfade durch den Dschungel schmieden, ausgefeilte Strukturen aufbauen und Futtersuchmuster an ihre Umgebung anpassen, ohne dass dies von einer zentralen Quelle angeordnet wird. Deborah GordonDer Biologe an der Stanford University hofft, die einfachen Regeln aufzudecken, die aus einfachen Einzelaktionen komplexe Muster erzeugen.

Insbesondere Ameisen zeichnen sich durch kollektive Suche aus und passen ihre Suchstrategie automatisch an, um große Bodenflächen effizient abzudecken. Gordon hat Parallelen zwischen den Algorithmen gefunden, die Ameisenkolonien für die Nahrungssuche verwenden, und den künstlichen Algorithmen, die dem Internet zugrunde liegen. Angesichts der Tatsache, wie lange Ameisen diese Art von Problemen gelöst haben, hofft Gordon, dass sie neue Algorithmen aufdecken wird, die große Computernetzwerke letztendlich billiger und effizienter machen.

Quanta traf sich mit Gordon auf einer Konferenz über soziale Insekten in Cold Spring Harbor, New York, kurz bevor sie nach Mexiko ging, um Routing-Algorithmen bei Baumameisen zu studieren. Es folgt eine bearbeitete und komprimierte Version des Gesprächs.

QUANTA MAGAZIN: Wie sind Sie zum ersten Mal auf Ameisen aufmerksam geworden?

DEBORAH GORDON: Ich interessierte mich ursprünglich für Entwicklungsbiologie und das Verständnis, wie sich ein Embryo ohne zentrale Kontrolle entwickelt. Ich suchte nach einem System wie einem Embryo, nur einem, in dem ich alles sehen kann – es ist viel einfacher für mich, Dinge zu verstehen, die ich sehen kann. Aus diesem Grund habe ich Ameisen gewählt. Heutzutage kann man in einem sich entwickelnden Embryo viel sehen. Aber das stimmte nicht, als ich anfing.

Sie studieren seit 30 Jahren dieselben Ameisenkolonien in Arizona. War das von Anfang an deine Absicht?

Nein. Als ich anfing, war ich an Variationen zwischen den Kolonien interessiert, also habe ich Kolonien markiert, um zu wissen, wann ich im folgenden Jahr dieselbe betrachtete. Ich bemerkte, dass einige Kolonien von Jahr zu Jahr größer wurden, also lernte ich, wie eine Kolonie wächst. Zu diesem Zeitpunkt wusste niemand, wie lange eine Mähdrescherameisenkolonie leben könnte. Ich ging jedes Jahr zurück, um die Kolonien zu überprüfen – fünf Jahre vergingen, dann zehn. Dann hatte ich keine andere Wahl, als fortzufahren.

Was hat dich an Ameisen am meisten beeindruckt?

Ich bin beeindruckt vom Kontrast zwischen den koordinierten Reaktionen der Kolonien und den ineffektiven und unvollständigen Aktionen einzelner Ameisen. Mit anderen Worten, Kolonien leisten viel, aber keine Ameise ist für sich allein sehr kompetent.

Zum Beispiel sind Ameisen wirklich gut in der kollektiven Suche; Eine Gruppe von Ameisen kann den Suchbereich ohne zentrale Kontrolle gründlich abdecken. Sie tun dies durch einfache Interaktionen, indem sie nur die Antennen berühren. Wenn sich viele Ameisen auf kleinem Raum befinden, treffen sie sich häufig und neigen dazu, einen verschlungenen Weg einzuschlagen, der sie an einem Ort festhält. Wenn sich nur wenige Ameisen auf einem großen Raum befinden, treffen sie sich nicht so oft. Sie strecken ihre Wege aus und bedecken mehr Boden.

Bei Mähdrescherameisen haben wir erfahren, dass eine Ameise entscheidet, ob sie das Nest verlässt und mit dem Futter sucht Rate, mit der es Ameisen trifft, die mit Nahrung hereinkommen. Es ist eine Form von positivem Feedback. Je schneller Ameisen mit Futter hereinkommen, desto mehr Ameisen gehen aus. Jede Ameise entscheidet nur, wenn ihre Interaktionsrate hoch genug ist, um auszugehen. Insgesamt ermöglicht dieses System der Kolonie, die Nahrungssuche so zu regulieren, dass die Ameisen nur dann ausgehen, wenn genügend Futter vorhanden ist, damit es sich lohnt.

Sie haben den Harvester-Ameisen-Algorithmus als “Antternet” bezeichnet. Warum?

ich arbeitete mit Balaji Prabhakar, ein Kollege in Stanford, um herauszufinden, mit welchem ​​Algorithmus die Mähdrescherameisen die Nahrungssuche regulieren. Er wies darauf hin, dass der Algorithmus dem Transmission Control Protocol ähnelt, das den Datenverkehr im Internet reguliert, um sicherzustellen, dass Daten nur dann ausgehen, wenn genügend Bandbreite vorhanden ist. Beide Systeme verwenden einfaches lokales Feedback, um die Aktivität zu regulieren. Ich denke, wir könnten andere Algorithmen finden, mit denen Ameisen technische Probleme lösen, an die wir noch nicht gedacht haben. Ich interessiere mich für die Idee, dass die Evolution unterschiedliche Algorithmen in unterschiedlichen Systemen erzeugen könnte, um dieselben Probleme zu lösen.

Damit die Evolution Algorithmen hervorbringt, die der Kolonie helfen, muss die Evolution auf der Ebene von Gruppen und nicht nur von Einzelpersonen funktionieren.

Aus der Perspektive der Evolution ist die Kolonie wirklich das Individuum, weil es die Kolonie ist, die sich reproduziert. Ameisen machen nicht mehr Ameisen, Kolonien machen mehr Kolonien. Wenn wir also darüber nachdenken, wie sich das Verhalten von Ameisen entwickelt, müssen wir uns Kolonien ansehen.

Wie verändern Entscheidungen einzelner Ameisen das Verhalten der gesamten Kolonie?

In der Wüste ist Wasser ein wichtiges Hindernis. Ameisen verlieren Wasser, wenn sie draußen sind und sich herum schlängeln. Aber sie beziehen ihr Wasser aus den Samen, die sie essen, und müssen Wasser ausgeben, um Wasser zu erhalten. Keine einzelne Ameise trifft die Entscheidung, Wasser zu sparen und zu Hause zu bleiben. Kleine Unterschiede in der Reaktion von Ameisen auf Interaktionen können jedoch zu großen Unterschieden in der Futteraufnahme der Kolonien führen, was sich wiederum auf die Anzahl der Nachkommenskolonien auswirkt. Wir fanden heraus, dass natürliche Selektion die Kolonien begünstigt, die Wasser sparen. I nenne es “die Belohnungen der Zurückhaltung. ” Ich denke, dies ist die erste Studie, die die Entwicklung des kollektiven Verhaltens in einer natürlichen Tierpopulation verfolgen konnte. Aufgrund des Ergebnisses für die gesamte Kolonie wird ein einfaches lokales Verhalten ausgewählt – wie Ameisen reagieren, wenn sich jemand trifft.

Hat die Evolution andere Algorithmen hervorgebracht?

Ich arbeite mit einem anderen Informatiker an den Routing-Netzwerken, die Ameisen verwenden. Baumameisenarten in Mexiko folgen sehr komplizierten Pfaden durch das Gewirr von Bäumen und Weinreben und anderer Vegetation, die Nester und Nahrungsquellen verbindet. Die Wege brechen die ganze Zeit, zum Beispiel wenn ein Zweig schnappt oder ein Tier den Weg kreuzt. Aber die Autobahn ist leicht zu reparieren. Wie finden sie so schnell eine neue Route – auf der Skala von Minuten -, wenn es so viele verschiedene Möglichkeiten gibt? Wir glauben, dass sie eine Strategie verwenden, die nicht den kürzesten Weg nimmt, sondern den Weg sehr schnell wieder herstellt und den Fluss am Laufen hält. In gewisser Weise haben sie das, was wir als Effizienz für Resilienz betrachten, geopfert. Wir denken, wir haben ein Modell, das Sinn macht, und wir testen es in der Feldarbeit.

Wie wichtig könnte dies beim Rechnen sein?

Beim Rechnen gibt es einen Kompromiss zwischen der Menge der verfügbaren Informationen und den Kosten für die Aufbewahrung und Organisation dieser Informationen. Wir sind daran interessiert, wie sich Ameisen entwickelt haben, um dieses Grundproblem zu lösen.

In diesem Fall interessiert uns die Analogie zu Routing-Algorithmen in Computersystemen, bei denen der geradeste oder kürzeste Weg möglicherweise viele Informationen erfordert. Angenommen, Sie fahren an einen unbekannten Ort und die Ausfahrt, die Sie nehmen möchten, ist blockiert. Sie können sich zurechtfinden, wenn Sie eine Karte haben. Aber wie würden Sie das ohne Informationen tun? Ohne Adresse?

Die kollektive Suche steht vor einem ähnlichen Problem. In der Robotik besteht mittlerweile großes Interesse daran, die billigsten Roboter einzusetzen, die so wenig Informationen wie möglich benötigen und zusammenarbeiten. Ein solches System ist robuster gegen Ausfälle. Anstatt einen wirklich komplexen Roboter zu schicken, um den Mars zu erkunden oder ein brennendes Gebäude zu durchsuchen, ist es sinnvoll, eine Gruppe billiger Roboter zu schicken, die auch dann noch als Gruppe funktionieren, wenn einer ausfällt. Es gibt wahrscheinlich viele neue Algorithmen, die Ameisen entwickelt haben, um Probleme wie diese zu lösen, an die wir noch nicht gedacht haben. Was wir tun müssen, ist einen Blick darauf zu werfen.

Wie verändern sich Ameisenkolonien im Laufe der Zeit?

Ich fand heraus, dass sich das Verhalten einer Mähdrescherameisenkolonie ändert, wenn sie älter und größer wird. Einige Aspekte des Netzwerkverhaltens hängen nur von der Größe ab. Bei Mähdrescherameisen leben einzelne Arbeiterameisen (außer der Königin) nur ein Jahr. Es sind also nicht die Ameisen, die älter und weiser werden, sondern die Kolonie. Das ist ein Rätsel, und ich habe über Interaktionsnetzwerke nachgedacht, weil ich nach etwas gesucht habe, das die Ameisen auf die gleiche Weise tun könnten, aber ein anderes Ergebnis erzielen würden, wenn es mehr Ameisen gäbe. Zum Beispiel bin ich eine Ameise und folge einer Regel, die besagt, dass ich es tue, wenn ich eine andere Ameise mit einer bestimmten Geschwindigkeit treffe x. In einer großen Kolonie könnte ich mehr Ameisen treffen. Dieselbe Regel kann zu einem anderen Ergebnis führen, wenn die Kolonie größer ist, da sich die Interaktionsrate ändern würde.

Wir sind von riesigen Netzwerken umgeben – dem Internet, unserem Gehirn – und das hat mich für andere Systeme interessiert. Wie skaliert das Verhalten eines Netzwerks, wenn es größer wird?

Wie skaliert es?

Ältere Ameisenkolonien sind viel stabiler als junge. Wenn Sie eine Störung verursachen, z. B. ein Durcheinander machen, damit sie aufräumen – ich lösche kleine Stapel Zahnstocher -, ignorieren die älteren Kolonien das Durcheinander schließlich und kehren zur Nahrungssuche zurück. Ich denke, dass in diesen Kolonien mit einer großen Anzahl von Häckslern die Prozesse, die sie zum Futter treiben, die Reaktion auf das Chaos außer Kraft setzen.

Sie untersuchen auch, wie Ameisen Neuronen ähneln.

Eine Ameise addiert ihre jüngsten Interaktionen, um zu entscheiden, was zu tun ist. Ein Neuron addiert seine jüngste Stimulation von anderen Neuronen, um zu entscheiden, ob es feuern soll. Die Neurowissenschaften verfügen bereits über ein ausgeklügeltes Modellierungsgerüst, um zu verstehen, wie ein solches System funktioniert. Ich arbeite mit theoretischen Neurowissenschaftlern zusammen, um diesen Rahmen auf Ameisen anzuwenden.

Sie haben eine Citizen Science-Projekt die Öffentlichkeit zu ermutigen, verschiedene Arten von Ameisen zu studieren. Was ist der Vorteil der Untersuchung neuer Ameisenarten?

Nur 50 der rund 14.000 Ameisenarten wurden jemals untersucht. Wenn wir neue Arten untersuchen, werden wir wahrscheinlich neue Algorithmen entdecken. Wir haben ein kleines Kit für Schüler entwickelt, um zu sehen, wie verschiedene Ameisenarten gemeinsam suchen. Wenn Kinder dies mit verschiedenen Arten versuchen, werden sie wahrscheinlich Entdeckungen über Arten machen, die noch niemand gesehen hat.

Nachdruck mit freundlicher Genehmigung des Quanta Magazine, Eine redaktionell unabhängige Abteilung von SimonsFoundation.org, deren Aufgabe es ist, das Verständnis der Öffentlichkeit für die Wissenschaft zu verbessern, indem Forschungsentwicklungen und -trends in den Bereichen Mathematik sowie Physik und Biowissenschaften behandelt werden.

.

Leave a Reply

Your email address will not be published. Required fields are marked *