生物学には、見慣れた空間と時間の次元に沿って発生するため、簡単に確認できる集団行動のパターンが多数あります。ムクドリのつぶやきを考えてみてください。または、自分の体を橋につなげて林床の隙間にまたがる軍のアリ。捕食者が現れると、狭い群れにスナップする浅瀬の魚の緩いグループ。
次に、進化生物学者のジェシカ・フラックが理解しようとしているような、あまり明白でないパターンがあります。 2006 年、エモリー大学での彼女の卒業研究は、少数の恐るべき外見の戦闘員が、弱いサル同士の乱闘に介入することで、マカクのグループ全体を安定させる方法を示しました。失う。しかし、フラックが警察の何人かを解任したとき、グループ全体がバラバラになり、混沌とした状態になりました。
フロッキングやスクーリングのように、ポリシング動作は個々の相互作用から生じ、アンサンブル全体に巨視的な効果をもたらします。しかし、それはより微妙で、視覚化して測定するのがおそらく難しい.または、フラックがマカク社会と彼女が研究している他の多くのシステムについて語っているように、「彼らのメトリック空間は社会座標空間です。ユークリッドではありません。」
フラックは現在、サンタフェ研究所の教授であり、ウィスコンシン大学マディソン校での勤務を除いて、大学院でのキャリアのすべてをそこで過ごしてきました。彼女の共同研究者である David Krakauer と共同で運営している彼女の「集団計算」グループ C4 は、マカクザルだけでなく、ニューロン、粘菌、インターネットを調べて、各モデルの根底にある規則と、それらすべての根底にある一般規則を調べています。 .
フラックは、彼女の仕事を 3 つの相互に関連する質問の調査であると説明しています。彼女は、集合的に働くように見える生物学の現象学的規則が、微視的なグラウンド トゥルースからどのように現れるかを理解したいと考えています。彼女は、グループがどのように問題を解決し、意思決定に至るかを理解したいと考えています。そして彼女は、社会の接着剤として機能する独自の警察部隊を持つサルのように、複雑なシステムがショックに直面しても堅牢であり続ける方法を知りたがっています.
ただし、Flack の根本的な焦点は情報にあります。具体的には、さまざまなエラーを起こしやすいアクターのグループが、情報を一緒に処理する際にさまざまな成功と失敗をどのように行うかについてです。 「生物学的システムを見ると、それらが集合的であることがわかります」と彼女は言いました. 「それらはすべて、部分的に重複する関心を持つ相互作用するコンポーネントで構成されており、ノイズの多い信号を処理するノイズの多い情報処理プロセッサです。」
電話、スカイプ、電子メール Quanta Magazine で フラックに追いつき、C4 の現在のプロジェクト、彼女自身のキャリア パス、および彼女の仕事の背後にある包括的な哲学について尋ねました。以下は、私たちの会話を編集して要約したものです。
どのようにして自然界の問題解決の研究を始めたのですか?どのようにしてサンタフェ研究所にたどり着きましたか?
私はいつも、自然がどのように問題を解決するのか、パターンはどこから来るのか、そして利益相反の可能性が非常に多いにもかかわらず、なぜすべてがこれほど組織化されているように見えるのかに興味を持っていました.この種の質問は、私が本当に小さい頃からありました。
コーネル大学では、進化生物学のクラスを受講していましたが、これらの問題を実際に扱っている教材はありませんでした。私は多くの時間を Mann Library で過ごしました。ここには優れた生物学の本がすべてありました。それで、私はほこりっぽい薄暗い積み重ねの床に座って、私の周りにこの本の山を置いていました。そのようにして、進化生物学のこれらの問題に取り組んでいる人々のコミュニティがあり、私がより興味深いと感じたことを発見しました.
彼らは主流ではありませんでした。これらの人々の多くの本拠地となった主要な場所の 1 つは、サンタフェ研究所でした。これは90年代初頭から半ばのことでした。私はサンタフェ研究所に電子メールを送り、40 のワーキング ペーパーのようなものを要求しました。私は本当に迷惑な大学生でした。そして、誰かが私にそれらを郵送しました！彼らは実際にこれらの論文を 40 通も郵送してきましたが、私は興奮してすべてを読みました。
ここまでたどり着いたところで、あなたの C4 研究グループが「集団計算」によって何を意味するのかを分析していただけますか?
集団計算とは、適応システムが問題を解決する方法に関するものです。すべてのシステムは、エネルギーを抽出して仕事をするためのものであり、特に物理的なシステムはそれに関するものです。適応システムに移行すると、情報処理の追加の影響が得られます。これにより、情報処理を行うために少し余分なエネルギーを消費する必要がある場合でも、システムはより効率的にエネルギーを抽出できると考えられます。適応システムの構成要素は世界に目を向け、規則性を発見しようとします。うるさいプロセスです。
コンピューター サイエンスではプログラムを作成し、目的の出力を生成する必要がありますが、適応システムでは、これは進化または学習の時間をかけて洗練されたプロセスです。システムはアウトプットを生成しますが、それは環境にとって良いアウトプットであるかもしれませんし、そうでないかもしれません。そして、時間の経過とともに、うまくいけばますます良くなります.
私たちが C4 で行っているのは、厄介で概念的に難しい問題を取り上げ、それらを厳密なものに変えることです。私たちは非常に哲学的な方向性を持っていますが、特に自然が集団計算を通じて情報処理の主観性をどのように克服できるかについて考える際には、非常に定量的でもあります。これらの質問に対する答えを得るには、統計物理学、理論的コンピューター サイエンス、情報理論、進化生物学、認知科学からの洞察を組み合わせる必要があると考えています。
例を挙げていただけますか?最近の論文で、あなたのグループはマカクザルの脳内のニューロン間のコミュニケーションに注目しました.
人間の脳には約 860 億個のニューロンが含まれており、私たちの脳は究極の集合体になっています。私たちが下すすべての決定は、ニューラル集団計算の結果と考えることができます。私の同僚であるブライアン・ダニエルズが率いた私たちの研究の場合、私たちが分析したデータは、スタンフォード大学のビル・ニューサムのグループによる実験中に収集されたもので、マカクは画面上を移動するドットのグループが左に移動しているか、左に移動しているかを判断しなければなりませんでした。右。サルがこのタスクを実行している間に、神経発火パターンに関するデータが記録されました。サルが最初にデータを処理するとき、いくつかの単一ニューロンが、決定がどうあるべきかについて強い意見を持っていることがわかりました。しかし、これだけでは十分ではありません。サルが何を決定するかを予測するには、サルの決定を適切に予測するために多くのニューロンを調査する必要があります。その後、決定点が近づくと、このパターンは変化します。ニューロンは一致し始め、最終的にそれぞれのニューロンが最大の予測力を発揮します。
これらの 2 つのフェーズを含むように見えるこの集合的計算の原則があります。ニューロンは外に出て、ノイズの多い入力に関する情報を半独立して収集します。これは、ニューラル クラウドソーシングのようなものです。その後、彼らは集まり、決定がどうあるべきかについて何らかの合意に達します。そして、この情報蓄積とコンセンサスの原則は、いくつかのサル社会にも当てはまります。サルは半独立して誰が戦いに勝てるかを判断し、特別な信号を交換することでこの情報を統合します。次に、これらの信号のネットワークは、戦闘で武力を行使する個人の能力について、グループ内にどれだけのコンセンサスがあるかをエンコードします。
別の最近の論文が、ジョージア州ローレンスビルにあるヤーキーズ国立霊長類研究センターでの卒業研究で作成したものと同じマカクのデータ セットを使用していることに気付きました。このシステムについて考え直したとき、何を見つけましたか?
私たちは、社会システムやその他の生物学的システムがどのように状態 A から状態 B に移行するのかを理解したいと考えていました。魚の群れがどのように群れをなして群れを成すようになるのか、または社会システムが少数の超強力な動物からどのようにして環境に移行するのかを理解したいと考えました。不平等が少ない。 このような異なる状態間の切り替えを容易にすることが知られているメカニズムの 1 つは、システムが臨界点または転換点と呼ばれるものの近くに留まることです。私たちは、生物学的に意味のある用語で、システムが臨界点からどれだけ離れているかを測定する方法を見つけることに着手しました.機械的に意味のある単位を思いつくことができるでしょうか?
私たちが研究している猿の社会を、小さな喧嘩が多く、大きな喧嘩が少ないという現状から、大きな喧嘩が多い社会に変えられるかどうかに興味がありました。このサルのグループでのケンカは、2 人から 30 人程度の規模で行われ、小規模なケンカは一般的であり、大規模なケンカは非常にまれであることがわかりました。戦いに参加する意思決定に関して収集したデータを使用して社会をシミュレートすることにより、システムを臨界点に近づけるために戦いに参加する傾向を高める必要があるサルの数を測定できることがわかりました。
このシステムでは、システムを限界まで押し上げるのに約 3 人から 5 人が必要です。また、個人の行動がシステムにどの程度影響を与えるかは、個人によって異なることもわかりました。大きな貢献者が戦いに参加する可能性が高くなると、システムは非常に敏感になる臨界点に向かって移動します。この論文ではこれを調査していませんが、システムが劇的に変化することを意味するオールファイト状態が役立つ可能性があると推測しています。環境が既知から未知に変化している場合、臨界点に向かって移動し、グループを完全に再構成することは、あなたがやりたいことかもしれません.
サルはこれらの質問をするためのモデル システムとして機能しましたが、私たちが開発したアプローチが他の多くの異なる種類のデータに適用できることを願っています.
最近、人間社会も少し混沌としているように見えます。この種の考え方をその方向に適用したいと思ったことはありますか?
絶対。金融と経済学の友人たちの助けを借りて、私たちは研究で金融市場に少し動いています。これは、この種の集団計算に関する質問をするための素晴らしいモデル システムだと思います。今日の私の次の会議は、政治データまたは市場データのいずれかに、物理システムの問題のフェーズを見つけることができる新しい機械学習の結果と組み合わせて、クリティカリティ アプローチを適用する方法についてです。私たちの目標は、財務データに相転移や重要な現象の証拠があるかどうかに取り組み、市場を重要なポイントに近づける可能性のある行動プロセスを理解することです.
これらの種類の質問について心ゆくまでフォローアップできるようになったので、コーネル大学の図書館のスタックに戻って自分自身を訪ねることができるとしたら、何と答えますか?
ホルヘ・ルイス・ボルヘスは私のお気に入りの作家の 1 人で、「最悪の迷宮とは、私たちを永遠に閉じ込めることができる複雑な形ではなく、1 本の正確な直線である」というようなものを書いています。私の進む道は一直線ではありません。それは非常に興味深い、迷路のような道でしたが、それを恐れる必要はないと思います。何が必要になるのか、どのようなツールや概念が必要になるのかわかりません。肝心なのは、広く読み、常に学び続けることです。
生データの表から始めて、そこからこの種のグランドパターンを引き出すのはどのようなものか、少し話していただけますか?ひらめきの瞬間は 1 つだけですか、それともゆっくりと実現するだけですか?
通常、私たちはいくつかのアイデアを持ち、グループでそれについて議論し、その後、グループ ミーティングで数か月または数年にわたって、これらの問題について議論します。私たちはゆっくりとした思慮深い科学で大丈夫です。私たちは科学の端にある問題に取り組む傾向があり、私たちがしているのはそれらを形式化することです.多くの議論は次のようなものです:「核となる問題は何か、どのように単純化するか、正しい測定値は何か、正しい変数は何か、この問題を数学的に表現する正しい方法は何か?」常にデータ、これらの議論、ボード上の計算の組み合わせが、私たちに牽引力を与える問題の表現につながります。
サンタフェ研究所では、この議論がよくあります。 「結局のところ、すべては数学だ」と言う人もいます。そして、私はそれを信じていません。科学は、データ、議論、数学という 3 つの要素が交差するところにあると私は信じています。それが三角測量であり、それが科学です。そして、真の理解は、もしそのようなことがあるとすれば、世界を表現するこれらの 3 つの方法の間で翻訳を行うことができる場合にのみ得られます.
訂正:この記事は 2017 年 7 月 6 日に改訂され、ビデオのキャプションが訂正され、C4 での David Krakauer の専門的役割に関する声明が訂正されました。
