アリは驚くべき調整の偉業を成し遂げることができます。彼らはジャングルを通る複雑な道を築き、洗練された構造を構築し、環境に合わせて採餌パターンを適応させることができます。スタンフォード大学の生物学者であるデボラ ゴードンは、個々の単純な行動から複雑なパターンを生み出す単純なルールを明らかにしたいと考えています。
特にアリは集団探索に優れており、広大な地面を効率的にカバーするように探索戦略を自動的に調整します。ゴードンは、アリのコロニーが採餌に使用するアルゴリズムと、インターネットの根底にある人工のアルゴリズムとの間に類似点があることを発見しました。アリがこの種の問題をどれだけ長く解決してきたかを考えると、Gordon は最終的に大規模なコンピューティング ネットワークをより安価で効率的にする新しいアルゴリズムを発見することを望んでいます.
量子 ゴードンは、樹上アリのルーティング アルゴリズムを研究するためにメキシコへ旅行する直前に、ニューヨーク州コールド スプリング ハーバーで開催された社会性昆虫会議でゴードンに会いました。会話の編集および要約版が続きます。
QUANTA MAGAZINE:アリに興味を持ったきっかけは?
DEBORAH GORDON:私はもともと発生生物学に興味があり、中央制御なしで胚がどのように発生するかを理解していました。私は胚のようなシステムを探していました。すべてを見ることができる唯一のシステムです。私が見ることができるものを理解するのははるかに簡単です.そんな理由でアリを選びました。今日では、発生中の胚の多くを見ることができます。しかし、私が始めたときはそうではありませんでした。
あなたはアリゾナで同じアリのコロニーを 30 年間研究してきました。最初からそのつもりだったのですか？
いいえ。私が最初に始めたとき、私はコロニー間の変化に興味があったので、次の年にいつ同じものを見ているかを知るためにコロニーに印を付けました。いくつかのコロニーが年々大きくなっていることに気づいたので、コロニーがどのように成長するかを学びました.その時点では、収穫アリのコロニーがどれくらい生きられるかは誰にもわかりませんでした。私は毎年コロニーをチェックするために戻ってきました.5年が経ち、それから10年が経ちました.その後、続行するしかありませんでした。
アリについて最も印象に残っていることは何ですか?
コロニーの協調的な反応と、個々のアリの効果的で不完全な行動との対比に感銘を受けました。言い換えれば、コロニーは多くのことを成し遂げますが、それ自体で非常に有能なアリはいません.
たとえば、アリは集団探索がとても得意です。アリのグループは、中央制御なしで検索エリアを完全にカバーできます。彼らはアンテナに触れるだけの単純な相互作用を通じてそれを行います。多くのアリが狭い空間にいると、頻繁に出会い、入り組んだ道をたどり、1 つの場所にとどまる傾向があります。広い空間に数匹のアリがいる場合、アリが頻繁に会うことはありません。彼らは道を広げ、より広い範囲をカバーします。
収穫アリの場合、アリは巣から出て採餌するかどうかを、エサを持って入ってくるアリとの遭遇率に基づいて決定することを学びました。これは正のフィードバックの一形態です。アリが食べ物を持って入ってくるのが早ければ早いほど、より多くのアリが出て行ってしまいます。それぞれのアリは、その相互作用率が十分に高くなって外出できるようになったときにのみ決定します。全体として、このシステムにより、コロニーは採餌活動を調整できるため、アリは十分な餌がない限り外出しません。
あなたは収穫アリのアルゴリズムを「アンテナネット」と呼んでいました。なぜ?
私は、スタンフォード大学の同僚である Balaji Prabhakar と協力して、収穫アリが採餌を制御するために使用しているアルゴリズムを解明しました。このアルゴリズムは、十分な帯域幅がない限りデータが送信されないようにインターネット上のデータ トラフィックを規制する Transmission Control Protocol に似ていると彼は指摘しました。どちらのシステムも、単純なローカル フィードバックを使用してアクティビティを調整します。私たちがまだ考えていないエンジニアリングの問題を解決するためにアリが使用する他のアルゴリズムを見つけることができるかもしれません。私は、進化が同じ問題を解決するために異なるシステムで異なるアルゴリズムを生成する可能性があるという考えに興味があります.
しかし、進化がコロニーを助けるアルゴリズムを生成するためには、進化は個人だけでなく、グループのレベルで機能する必要があります.
進化の観点から、コロニーは繁殖するコロニーであるため、実際には個体です。アリはより多くのアリを作るのではなく、コロニーがより多くのコロニーを作ります。したがって、アリの行動がどのように進化するかを考える場合、コロニーに注目する必要があります。
個々のアリが下した決定は、コロニー全体の行動をどのように変えますか?
砂漠では、水は重要な制約です。アリは外に出てうろついているだけで水分を失います。しかし、彼らは食べる種子から水を得るので、水を得るために水を消費しなければなりません.個々のアリは、水を節約して家にいるという決定を下していません。しかし、アリが相互作用にどのように反応するかの小さな違いが、コロニーの採餌方法に大きな違いをもたらす可能性があり、それが子孫のコロニーの数に影響を与えます。自然選択は、水を節約するコロニーを好むことがわかりました。私はそれを「抑制の報酬」と呼んでいます。これは、動物の自然個体群における集団行動の進化を追跡できた最初の研究だと思います。コロニー全体の結果を考慮して、アリが別のアリに遭遇したときにアリがどのように反応するかという、単純で局所的な行動が選択されています。
進化は他のアルゴリズムを生み出しましたか?
私は別のコンピューター科学者と一緒に、アリが使用するルーティング ネットワークについて研究しています。メキシコの樹上性アリ種は、巣と食料源をつなぐ木やブドウの木、その他の植生のもつれの中を非常に複雑な道をたどります。小枝が折れたり、動物が道を横切ったりすると、道は常に途切れます。しかし、高速道路は簡単に修復されます。非常に多くの異なる選択肢がある中で、どうやって新しいルートを数分単位ですばやく見つけることができるのでしょうか?彼らは、最短ルートをたどるのではなく、非常に迅速に経路を再確立し、流れを維持する戦略を使用していると考えられます。いくつかの点で、彼らは回復力のために私たちが考える効率性を犠牲にしています。私たちは理にかなったモデルを持っていると考えており、フィールドワークでそれをテストしています.
これはコンピューティングにおいてどのように重要でしょうか?
コンピューティングでは、利用可能な情報の量と、その情報を保持および整理するコストとの間にトレードオフがあります。この基本的な問題を解決するために、アリがどのように進化してきたかに興味があります。
この場合、最も直線的または最短のパスが多くの情報を必要とするコンピュータ システムのルーティング アルゴリズムとの類似性に関心があります。なじみのない場所を運転していて、行きたい出口がブロックされているとします。地図を持っていれば、道を見つけることができます。しかし、情報なしでどうやってそれを行うのでしょうか?住所がない場合
集団検索も同様の問題に直面しています。ロボット工学では、必要な情報ができるだけ少なく、連携して動作する安価なロボットの使用に多くの関心が寄せられています。このようなシステムは、障害に対してより堅牢です。火星を探索したり、燃えている建物を探したりするために、非常に複雑なロボットを 1 台送るのではなく、1 台が故障してもグループとして機能する安価なロボットのグループを送る方が理にかなっています。このような問題を解決するためにアリが進化させた、私たちが考えもしなかった多くの新しいアルゴリズムがおそらくあるでしょう。私たちがしなければならないことは、見に行くことです。
アリのコロニーは時間とともにどのように変化しますか?
私は、収穫アリのコロニーが年を取り、大きくなるにつれて行動が変化することを発見しました。ネットワークの動作のいくつかの側面は、サイズにのみ依存します。収穫アリでは、個々の働きアリ (女王アリを除く) は 1 年しか生きないため、年をとって賢くなるのはアリではなく、コロニーです。これはパズルであり、相互作用ネットワークについて考えるようになりました。なぜなら、アリが同じようにできることを探していたからですが、アリがもっといる場合は別の結果になるものを探していたからです。たとえば、私はアリで、ある一定の割合で別のアリに会ったら x するというルールに従っています。 .大きなコロニーでは、より多くのアリに出会うかもしれません。相互作用の割合が変化するため、コロニーが大きい場合、同じルールでも異なる結果になる可能性があります。
私たちは巨大なネットワーク (インターネット、私たちの脳) に囲まれているため、他のシステムに興味を持つようになりました。ネットワークの規模が大きくなるにつれて、ネットワークの動作はどのように変化しますか?
どのようにスケーリングしますか?
古いアリのコロニーは、若いアリのコロニーよりもはるかに安定しています。彼らが片付けるために散らかすなどの混乱を引き起こすと、古いコロニーは最終的に混乱を無視して採餌に戻ります.これらのコロニーでは、多数の採餌者がいて、彼らを採餌に駆り立てるプロセスが混乱への反応を無効にしていると思います.
また、アリがニューロンにどのように似ているかについても調べています。
アリは、最近のやり取りを合計して、何をすべきかを決定します。ニューロンは、他のニューロンからの最近の刺激を合計して、発火するかどうかを決定します。神経科学には、そのようなシステムがどのように機能するかを理解するための洗練されたモデリング フレームワークが既にあります。私は理論神経科学者と協力して、このフレームワークをアリに適用しています.
あなたは市民科学プロジェクトを立ち上げ、一般の人々にさまざまな種類のアリを研究するよう促しました。新種のアリを研究するメリットは何ですか?
約 14,000 種のアリのうち、これまでに研究されたのは 50 種だけです。新しい種を研究すれば、新しいアルゴリズムが明らかになる可能性があります。さまざまな種類のアリがどのように集団探索を行っているかを学生が確認できるように、小さなキットを開発しました。子供たちが別の種でこれを試してみると、おそらく誰も見たことのない種について発見するでしょう.
