Starens sorl bildas när dagsljuset bleknar över deras rastplatser. Shutterstock / Albert Beukhof

Ordet svärm har ofta negativa konnotationer – tänk på bibliska gräsplågor eller stora gator fulla av sista minuten-shoppare under julruschen. Men svärmning är avgörande för många djurkollektivs överlevnad. Och nu har forskning om svärmning potential att förändra saker för människor också.

Bin svärmar för att göra sina söka efter nya kolonier mer effektivt. Flockar av starar använder bländande sorl för att undvika och förvirra rovdjur. Detta är bara två exempel från naturen men svärmande kan ses i nästan varje hörn av djurriket.

Forskning från matematiker, biologer och samhällsvetare hjälper oss att förstå svärmning och utnyttja dess kraft. Den används redan till publik kontroll, trafikledning och att förstå spridning av infektionssjukdomar. På senare tid har det börjat forma hur vi använder data för sjukvård, använder drönare i militära konflikter och har använts för att slå nästan oöverstigliga odds i sportevenemang.

En svärm är ett system som är större än summan av dess delar. Precis som många neuroner bildar en hjärna som kan tänka, minne och känslor, kan grupper av djur agera unisont för att bilda en "superhjärna", som visar ett mycket komplext beteende som inte syns hos enskilda djur.

Experten på artificiellt liv, Craig Reynolds, revolutionerade studiet av svärmning 1986 med publiceringen av Boids modell datorsimulering. Boids-modellen bryter ner svärmning i en enkel uppsättning regler.

Boids (fågel-oider) i simuleringen, liksom avatarer eller karaktärer i ett videospel, instrueras att röra sig i samma riktning som sina grannar, röra sig mot sina grannars genomsnittliga position och undvika kollisioner med andra boids.

Boids-simuleringar är slående exakta jämfört med riktiga svärmar.

Boids-modellen antyder att svärmning inte behöver ledare för att samordna beteendet – som fotgängare i en stadskärna snarare än en guidad museumstur. Det komplexa beteendet vi ser hos svärmar uppstår från interaktioner mellan individer som följer samma enkla regler parallellt. På fysikens språk är detta fenomen känt som uppkomst.

Hive sinnet

2016, amerikanska teknikföretag Enstemmig AI använde kraften i svärmintelligens till vinna Kentucky Derby "superfecta"-satsningen, framgångsrikt förutsäga ryttarna på första, andra, tredje och fjärde plats i den berömda amerikanska hästkapplöpningen.

Branschexperter och konventionella maskininlärningsalgoritmer gjort mängder av felaktiga förutsägelser. Men amatörracingentusiaster rekryterade av Unanimous AI slog ihop sina kunskaper för att slå 541/1 odds.

 Förhoppningsfulla tippare satsar miljontals dollar på Kentucky Derby varje år. Shutterstock / Cheryl Ann Quigley

Volontärernas framgång låg i det sätt på vilket deras förutsägelser genererades. Istället för att rösta på ryttare och sammanställa deras val, använde volontärerna Unanimous AI:s svärmintelligensplattform att delta i en digital dragkamp i realtid, inspirerad av svärmar av fåglar och bin.

Alla volontärer drog samtidigt en ratt mot sina respektive val. Detta gjorde det möjligt för människor att ändra sina preferenser som svar på andras handlingar (till exempel kan en person ha gått över till att dra mot sitt andra val, B, snarare än sitt första val, C, om de såg att A och B var de klara favoriterna ).

Genom att svara på varandra i realtid kunde Unanimous AI:s volontärer kollektivt överträffa välinformerade individer.

Vad mer, hade de vanligaste individuella valen av frivilliga bestämt beställningen, bara 2016 vinnare och bookmakers favorit, Nyquist, skulle ha placerats korrekt.

Hälsoproblem

Liknande svärmningstekniker är också av ökande intresse för hälso-och sjukvård sektor, var tala om en AI-revolution är manande ökad oro kring patienternas integritet.

Som beroendet av datadrivna tekniker inom vården ökar, så också efterfrågan på omfattande patientuppsättningar. Ett sätt att möta dessa krav är att samla information mellan institutioner och i vissa fall länder.

Överföring av patientuppgifter är dock ofta föremål för stränga dataskyddsbestämmelser. En lösning på detta problem är att endast använda interna data, även om detta ofta sker på bekostnad av diagnostisk noggrannhet.

Ett alternativ ligger i svärmning. Forskare tror att svärmintelligens kan bevara diagnostisk noggrannhet utan behov av utbyte av rådata mellan institutioner.

Förstudier har visat att decentralisera datalagring till ett nätverk av interagerande noder kan ge institutioner fördelen av delad visdom. Det betyder att det inte finns ett centralt nav som samordnar informationsflödet och att institutioner inte kan komma åt varandras privata patientdata.

Centraliserad maskininlärning använder data som laddas upp till en delad hubb där maskininlärning sker med all tillgänglig data. I decentraliserade system lagrar varje institution separat sina data i sin egen nod. Maskininlärningen sker lokalt vid varje nod (med endast intern data), men resultaten av maskininlärning delas mellan nätverket, till fördel för alla noder. Denna process säkerställer att rå patientdata inte utbyts mellan institutioner, vilket bevarar patientens integritet.
Svärmar av drönare kan snart befolka slagfältet. Shutterstock / Andy Dean Photography

Svärmar och krigföring

Drönarteknik används allt mer i frontlinjestrider, på senare tid framför allt av Ukrainska styrkor i den pågående konflikten mellan Ryssland och Ukraina. Men som det ser ut kräver konventionell drönarteknik en-till-en tillsyn.

Aktuell försvarsforskning syftar till att underlätta kommunikationen mellan drönare, vilket gör det möjligt för en kontrollenhet att styra svärmar av drönare. Utvecklingen av sådan teknik lovar att avsevärt förbättra skalbarhet, erkännande och slående kapacitet hos stridsdrönare genom att tillåta kontinuerlig informationsrelä inom grupper av drönare.

När forskningen fördjupar sig djupare i svärmning, finner vi en värld där kollektiva handlingar skapar komplexitet, anpassningsförmåga och effektivitet. I takt med att tekniken utvecklas kommer rollen som svärmintelligens att växa och fläta samman vår värld med svärmarnas fascinerande dynamik.

Om författaren

Samuel Johnson, DPhil-kandidat i matematisk biologi, University of Oxford

Denna artikel publiceras från Avlyssningen under en Creative Commons licens. Läs ursprungliga artikeln.