福利彩票快乐十分|彩票开奖排列三试机号
返回列表 回复 发帖

协作:集群的智慧

走进养蝗虫的牛津实验室,伊恩·库赞被一股气味狠狠冲击,那气味像是堆满干草的旧谷仓。而后蝗虫扑面而来。这些昆虫老是从笼子里逃走,往科学家和实验室技术员的?#25104;献病7考?#37324;又潮又热,两万只昆虫持续骚动,昆虫外壳黑压压的一片。为避免不断恶化的严重过敏,许多工作人员只?#20040;?#19978;了防毒面具。“这不是一个适合研究科学研究的地方。”库赞说。
然而,在本世纪头十年中期,库赞想做的研究,世界上没有第二个实验室能做。其实,库赞关心的不是蝗虫,而是集群行为。那是有关于蜂群,鸟群,鱼群,菌落……任何个体行为转变为集体行为的研究。生物学家早已深入探究了蝗虫的构造,对它们从出生时绿色无翅若虫到黑黄相间成虫过程进行了详细描述。但就算你把它们一只只地解剖了,也搞不懂它们为什么能造成黑压压一片的蝗灾。自二十世纪六十年代起,很少有人亲眼看?#20132;?#28798;的形成。说白了,那实在?#35757;?#19968;见。所以,这小小一群混乱的愚蠢昆虫是怎样目的一致地集结起来、召集数百万之众汇聚成一片乌云的??#34647;?#30693;道。
库赞把几组幼虫放进一个草帽形表演场 ,每组120只。他把这个草帽形表演场叫做蝗虫加速器。他让幼虫沿着加速器边缘?#34647;?#22280;地走,一天走8小时,用头顶的摄像机将他们的行为拍摄下来,再用软件标出它们的位置和方向。渐渐地,他发现了一直在寻找的东西:在一定密度下,昆虫将会转变成?#24515;?#32858;力、整齐划一的集群。另一个重点则是,集群会成为一只方向一致的进军部?#21360;?#26222;通集体行为取代了原本随意的个体乱转——这是他们转变成黑黄色成虫的前奏。
这样的事在大自然里经常发生,但是?#34647;?#22312;实验室诱发出这种转变——至少在动物中没?#23567;?995年,一位名叫陶马什·维切克的匈牙利物理学家和他的同事设计了一种模型,可以用减至最简的条件来解释集群行为:在一定的半径范围内,每个?#20154;?#31227;动的个体?#21152;?#37051;近的个体进行方向匹配。如果这种假设中的集群行为被放大,就会由无序的群体转化成有秩序的集群,就像库赞的蝗虫那样。这是一种相变,就像水凝固成冰一样。个体事先并无计划。也并不遵循什么指引。但如果运用合适的“如果-则”规则,秩序就会随之产生。
库赞想知道,是什么“如果--则”规则在生物体中创造了类似行为。“我们猜,可能是挨得近的个体会进行信息传递。”库赞说。但它们并没有以可观测到的方式交流。一定是有别的机制在发挥作用。
最后的结果很可怕。每天上午库赞都会数放在加速器里的蝗虫。每天晚上,他同事杰尔姆·布尔把它们拿出来?#24065;不?#20877;数一次。但是布尔发现他数到的个数比库赞说的少。“我觉得快要疯了。”库赞说。“要是连蝗虫数量都数不清,我的可信度就岌岌可危了。”
他重播录像的连续镜头,并放大观看,看?#20132;?#34411;如果彼此靠的很近,就会互相撕咬。有些倒?#26500;?#29978;至被整个吞?#22330;?#37027;就是问题问题关键所在。调整群落的力量在于嗜食同类,而不是互相合作。对这一理论,库赞给出了缜密的证明:“把蝗虫腹部的神经切断,它们就感受不到后方的撕咬,从而完全丧失集群能力。”他说。
库赞的发现是一种现象的例证,这种现象激发了全球研究者的想象。一百多年来,人们一直想搞清楚个体是如何集结成群的。这个迹象非常吸引人——动物无意识生成的?#26377;?#36319;物理学家在统计学模型里看到的图案一模一样。一定有什么潜在的共性。集群的秘密暗示着观察世界的全新方式。
然而这个秘密几十年来都无人知晓。一般来说,科学更擅长将复杂事物拆分为许多小部分,而不是反过来。科学想要研?#22771;?#26970;集群行为,但研究集群行为的技术手段和数学方法在当?#34987;?#24182;不存在。
现在,得益于新的观察技术、得力的软件和统?#21697;?#27861;,集群行为的机理得以揭示。确实,参与这个项目的物理学家、生物学家和工程师已经够多了,而这项研究?#26087;?#20284;乎发生了转变——由研究者密度触发的转变。尽管既没有明确的领导者,也没有高瞻远瞩的计划,这个痴迷于研究群体的群体却发现,于局部冲突之中创造巨大凝聚力的规则,在从神经元到人类的一切事物中?#21152;?#25152;体现。大家认为,看起来无比复杂的行为就建立在最简单的基础之上。而且,?#24433;?#32454;胞扩散到大脑工作,再?#20132;?#22120;驾驶的车队在高速路上行驶,全都能用这些规则解释。现实中,个体之间的合作比独立工作更加重要。
亚里士多德头一个指出,整体大于局部之和。自此,哲学家,物理学家,化学家和生物学家也一次又一次地发现这个道理。但只有到了?#25169;?#26426;时代,我们才有了将简单规则迭代数百万次的能力,这个模糊的?#25293;?#20063;才得到密切关注。
在20世纪的大部分时间里,生物学家和物理学家沿着平行却各自独立的途径来探寻这一?#25293;睢?#29983;物学家们认识到生物的集群行为——这一点很难忽略——但是这些生物如何形成集群行为尚无定论。?#35757;?#22312;于,在人们搞清楚集群如何形成前,得有人想出办法进行观察。在群落中,牛羚、细菌、椋鸟?#20154;?#26377;生物个体看起来极为相似。而且,它们在三维空间中快速运动。“得到正确的数据是极为困难的事情,”布里斯托尔大学生物学家奈杰尔·弗兰克斯说,他同时是库赞的论文导师。“我们得同时着眼于每一部分和完整的整体。”
集群的产生
从神经元、癌细胞到鸟和鱼,一组个体总能转化成一个群体,而这些群体的移动方式是可以预测的。但不同的群体由混?#19968;?#20026;有序的方?#25509;?#25152;区别。下面是一些在行为层面上引起集群的原因。——凯蒂·M·帕尔梅

金体?#20048;?#40138;鱼


行为:避光
我们设想,鳊鱼避光是为了免受攻击。但对于可能引导其移动方向的光强变化,它们其实是感受不到的。它们遵循的是一条简单的指令:光线消失时就慢点游。结果就是,鱼群在黑暗的池塘里聚成一堆,一动不动。
蚂蚁


行为:随着节奏工作
如果一?#33268;?#34433;群体内部太?#23548;貳?#23481;易撞到对方,它们就每20分钟暂停一次活动。活动潮协调良好,一波波地进?#23567;?/i>

人类

行为:从众
缺乏正常交流的人类会像羊群一样容易领导。一群行人里,只要有一个人按照指示向着某个目标前进,就算其他人并不知道目标是什么,甚至不知道?#24515;?#26631;的存在,这一群人最后?#19981;故?#20250;逐步被带往目标方向。

蝗虫

行为?#21644;?#31867;相食
如果很多蝗虫挤在一起,并从身后被咬,就会为躲避危险而逃离。为了不被?#32536;簦?#34647;虫群体渐渐地排成了康加舞[注2]?#26377;巍?#23427;们还会产生信息素,吸引更多蝗虫加入。集群就这样产生了。
欧椋鸟


行为:效仿邻近同类
欧椋鸟只与最近的六个同伴匹配速?#32676;?#26041;向,无论群体有多?#23548;范?#29031;做不误。这样的相互影响已经足以将整个群体引向同一方向。
蜜蜂


行为:撞头
要是蜜蜂找到了新的蜂巢,会以特定的方式飞舞,表明蜂巢地点。但如果蜂巢不止一个,蜜蜂就会用脑袋使劲撞向别的飞舞的蜜蜂,来向同伴提议自己的选择。要是被撞的次数够多,它就不会继续飞舞了。最终,新的蜂巢地点只会剩下一个选择。
而另一方面,物理学家遇到了另一难题。通常生物学家研究的集群,其包含的个体数量从几个到几千个不等;而物理学家?#25169;?#30340;集群,其中的个体数量却难以数计。那些像液体一样进行相变的集群,其包含的个体单位的数?#32771;?#26159;10的两位数次幂。从统计学的角度讲,物理学和数学基?#26087;习?#36825;些群落视为无穷大。所以这再次?#24471;鰨?#25105;们不可能以任何有意义的方式直接观察这些个体。但是我们可以给它们建模。
1970年,这一领域迎来了巨大的?#40644;疲?#24403;时一位名?#24615;己病?#24247;韦的数学家发明了一款游戏,取名为游戏人生。康韦虚构了一个黑白棋板,黑白棋板上的游戏棋子在黑白之间翻转变化。棋子的状态——棋子也?#39057;?#20803;格——?#19978;?#37051;单元格的状态决定。如果一个黑色单元格,附近没有或者只有一个黑色单元格,那么它会因孤独而“死去?#20445;?#21464;成?#21672;?#21333;元格。如果有两个,则没有变化。如果增至三个,那么这个单元格会“复活”——?#24433;咨?#21464;为黑色。如果增?#20102;?#20010;,这个单元格就会因?#23548;?#32780;死去——变回?#21672;?#36825;样,黑白棋板就成了一块不断变化的马赛克。
康韦可以在真实的板子上玩转这些规则,但是,当他和其他程序员对游戏进行数?#21482;?#27169;拟时,生命游戏变得相当复?#21360;?#28216;戏的运行速度更高、棋盘更大,能够产生惊人的图案并不断变化。根据不同的起始条件,程序员得到了像火车一样能发出阵阵烟雾,或像机枪一样能发射出小滑块的单元格队列。当时大部分软件都需要复杂的规则来产生简单的行为,生命游戏却反其道而行之。康韦做出了一个涌现模型——让那些黑白小精灵们?#24515;?#21147;自我组织并生成新物。
十六年后,电脑动画师克雷格·?#30528;?#20857;开始寻找?#25345;址?#24335;使大规模集群的动画运动自动化——即一种能够节约处理时间和资金的更高效算法。?#30528;?#20857;开发出了软件Boids,这款软件生成了模拟一群鸟儿的虚拟主体。软件中包含了?#20064;?#22238;避和飞行物理原理,但Boids的核心只有三条简单的规则:?#19978;?#37051;近鸟儿的平均位置,与邻近鸟儿保持一定的距离,与邻近鸟儿的平均飞行方向相匹配(方向匹配描述个体与它邻近个体的移动方向的相似度)。规则仅此而已。
Boids和类似软件彻底改变了90年代早期的好莱坞动画,这使得《蝙蝠侠再战风云?#20998;?#30340;企鹅动画和蝙蝠动画成为可能。其后来者包括Massive?#28909;?#20214;,Massive曾为指环王三?#22771;?#20013;的宏大?#25581;?#35774;计动作。这一切已足够令人惊叹,但是Boids生成的鸟群表明,现实世界的动物集群也可能生成自同样的机制——并?#21069;?#29031;自上而下的命令、有序鸟群的心智模板或者心电感应(由一些生物学家郑重提出);而是如同亚里士多德预想的那样,复杂性可能是自下而上产生的。
这一领域才刚刚起步,并开?#32487;?#39134;。1995年,匈牙利物理学家维切克开始模拟鸟群。到了20世纪90年代末,德国物理学家迪尔克·黑尔宾编写了仿真程序,其中,当数?#21482;?#30340;模拟人类逃离类似于火灾之类的危险时,它们会不由自主地在?#23548;?#22823;大街上形成狭窄的人流,并且你拥我挤导致致命的堵塞?#22270;费埂?#22914;同真实的人类一样。黑尔宾只利用简单的“社会力量?#26412;?#27169;拟了这一现象。他要做的仅仅是告知虚拟人类:以自然步速向着同一个目标进发,与墙壁和其他模拟人类保持距离,同时与邻近者的方向保持一致。于是乎,这些模拟人类?#24067;?#34562;拥而入,简直令人惊叹!
到了21世纪初期,生物学和物理学的集群研究出现了交叉领域。摄影?#22270;扑?#26426;成像技术可以?#25925;?#20986;动物集群中的个体活动,这些模拟技术产生了越来越多?#26222;?#30340;图像。研究者开始提出关键性问题:生物集群所遵循的规则,是否也如生命游戏或者维切克的模型那样简单明了呢?如果答案是肯定的,那么它们又是如何做到的?
成形
改变简单参数的值就会对集群产生巨大影响。研究人员伊恩·库赞只控制虚拟群体的吸引、排斥、速度匹配(一个生物的移动方向与它邻近同伴方向的相似程度)三个值,便得到了群体三种不同的表现,这些表现与自然界中的现象极为相似。——凯蒂.M.帕尔梅


无序:只与最近的邻居进行速度匹配,结果是……群体一片无序。

环面:提高速度匹配值,混乱的群体会旋成甜甜圈的形状,这个形状叫做环面。

群集:把群体的速度匹配值调到最大,环面会发生改变。所有个体都朝着一个方向移动。

在研究集群现象之前,库赞先是收集集群生物。在苏格兰长大的他想要养宠物,但由于?#20540;?#20204;?#21152;?#21508;种过敏症,库赞只能饲养最异类的宠物。他说:“我的床后面有蜗牛,橱柜里有蚜虫,学校的储物柜里还有黏糊糊的昆虫。”任何形成集群的东西都令他着迷。“我记得,有一次在电视上看到类似流体的鱼类,此后我一遍遍地反复看,简直着了魔。我觉得鱼类很无趣,但是它们?#21619;?#26102;形成的阵型——”库赞顿了一下,你几乎可以从他的眼中看?#25509;?#32676;在打着转儿;之后,他回过神儿来。“从此,我?#25237;?#38453;型感兴趣。”他简单地总结道。
1996年,库赞成了弗兰克?#25925;?#39564;室的一名研究生,因此他终于有机会研究集群现象。那时,弗兰克斯正尝试研究蚁群如何自我组织,库赞?#22270;?#20837;了进来。他给每只蚂蚁蘸上颜料,然后在录像中观察蚂蚁,他一遍又一遍地重播录像,观察不同的个体。他说:“那是非常艰苦的工作。”更糟糕的是,库赞怀疑这样做是否会有成效。那时,他认为肉眼观察不了蚁群中庞杂的相互交流。因此,他转向了仿真领域。他学会了电?#21592;?#31243;,以此来追踪蚂蚁个体——并最终模拟整个蚁群。也就是说,他的研究对象转为蚁群而非蚂蚁?#26087;懟?br /> 对于生物学家来说,这个领域很冷僻。“我曾经认为整间实验室都研究这个问题,”库赞说。“后来我惊讶地发现实际情况并非如此。”不过最后,他发现了Boids。2002年,库赞"破译"了这个软件,把重点放在了三要素上:对象间的吸引,对象间的排斥和对象的队列值。随后,他开始这方面的研究。打开吸引力和排斥力,关掉对象的队列值后,他的虚拟蜂群变得松散而无序。提高队列值后,蜂群合并成一个回旋的环,就像鲭鱼群那样。而在他把队列值升到最高后,原先形成的环瓦解,所有个体沿着一个方向飞,重新聚集在一起,就像一群迁徙的候鸟。换句话说,所有这些不同的阵型来?#20174;?#21516;样的算法。“从那时起,我就把模拟器当做我大脑的?#30001;歟?#24211;赞说“?#25169;?#26426;辅助我思考,因此,我可以培养对这些系统工作方式的?#26412;?#35748;识。”
2003年,库赞拿到拨款,在牛津大学研究蝗虫。这时,世界各地的实验室都低调地各自研究着其他生物集群。针对菌群、黏菌群、鱼群、鸟群等对象的广泛研究资料?#36866;馈?#32780;一些实验室率先把物理学和生物学的集群研究相结合,库赞的研究团队就是其中之一。在研究动物行为时,“我们过去依靠的是?#28508;事?#21644;其他文字记录,譬如‘大?#23578;?#25171;了小?#23578;傘!?维切克说。“而现在是一个?#24863;?#30340;时代——我们能在一秒钟内收集数百万字节的数据,然后用?#25169;?#26426;来分析这些数据。”
目前,39岁的库赞管理着普林斯顿大学的一个实验室。他脸?#28044;?#22823;,一头短发干净利落,黑框眼镜后投来的目光深邃。库赞领导的19人团队虽然隶属于生态学及进化生物学部?#29275;?#20294;是却也包含物理学家和数学家成员。他们有一个配有八台高端工作站的工作室——他们称这些工作站为“Hyron(克里特语中的蜂巢)?#20445;?#35813;工作室配有视频游戏显卡。
因为蝗虫易逃?#36873;?#21361;害农作物,所以美国禁止用蝗虫做研究。因此,当库赞2007年来到普林斯顿大学时,他就意识到要换种新动物来研究了。库赞曾经研究过鱼群,因此这一次,他又拿着渔网,穿着高筒靴,带着一群兴致勃勃的人朝附近的湖走去。数小时后,他们只捉到了几条鱼,捕鱼行动就这样可笑地以失败告终,他向附近的几位渔夫走去。“我以为他们知道哪儿有鱼群,可是当我走上前去,却发现他们的鱼筐里只有成群的小鱼在疯狂地游来游去。”这些金色的小鱼——只有2-3英尺长,长得毫不起眼。“?#20219;?#24819;象中的更迟钝。”库赞说道。这些鱼非常便宜,他只花了70美元就买下了足足1000条。
库赞走进放鱼的?#32771;洌?#30475;到这些?#21364;?#25237;食的小鱼们聚集在水箱正面,不再是有序集群的样子。但是,库赞把它们?#22363;?#26469;放进附近一个更大的水池里之后,它们聚集在一起,就像赛车一般在跑道上你追我赶。库赞实验室的研究人员在鱼小小的?#27249;⑸献?#23556;了彩色液体和胶凝液,这两种物质混在一起凝结成色彩明丽的塑料,这样研究人员从水池上方观察时,小鱼会非常显眼。当鱼儿在水池中?#21619;?#26102;,光线照亮?#27249;?#19978;塑料,照相机就可以记?#21152;?#20799;的运动轨迹了。库赞利用这些?#26469;?#30340;小鱼的运动进行研究,焦点不再放在集群如何形成,而转向研究鱼群能够达成何种目标,即这些小鱼通过集群获得了何种能力。
例如,当库赞用手电筒照亮鱼群,它们会一致游到相对阴暗的地方,大概是因为鱼类只能靠“逃跑”来保护自己,所以只有黑暗才能给它?#21069;?#20840;感。类似行为可以用1964年提出的?#25353;?#35823;平衡原则”来解释。根据这种理论,每条鱼的个体游向不可准确预期,但由于鱼群聚集并相互影响,平衡了这些略微错误的预期,使群体能保持最佳方向。这个?#25293;睿?#21487;以看做是新闻媒体人詹姆斯·索罗维基[注1]所推广的“群体的智慧”。
但是库赞实验室观察研究了鱼群,发现这个理论是错误的。群体无法平衡不完美的预期,因为个体们根本就无法判断哪个地方更黑暗。相反,它们只遵循一个简单的原则:在阴影处游得更慢。当无序的鱼群游到?#30331;?#26102;,边缘的鱼就会减速,使整个群体旋转进入?#30331;?#19968;旦逃?#34460;?#21306;,所有的鱼?#22270;?#36895;,聚集在一起,就像汽车被堵在高速公路上。“这?#30475;?#26159;一种涌现特征。”库赞说。“只有在群体层面上才存在感知能力。?#34987;?#21477;话说,没有一条鱼?#24515;?#30340;性地?#21619;?#29983;物群体并没有聚集的智慧。
集群领域的其他研究人员也发现了群体智慧带来的其他相似效果,其中一些就发生在现实世界的集体?#23567;?#27599;到春天,蜜蜂都会离开原有的聚集区去构建新巢。侦查蜂回到蜂巢后,通过摆动尾部、跳八字舞告诉同伴们理想蜂巢的位置。复杂的舞步包含了距离和方位等重要信息,但是更重要的是,这些舞蹈激励了其他侦查蜂。
?#30340;味?#22823;学的行为生物学家?#26032;?#26031;·西利用彩色颜料标记去往不同目的地的蜜蜂,发现主张在某个地点筑巢的蜜蜂,会用头部撞击那些摇着尾部主张另一地点的同伴。一只跳着舞的蜜蜂如果受到足够多的撞击,就会停止舞蹈。头部撞击在蜜蜂世界相当于投反对票。当一?#20132;?#24471;的支持超过了特定的临界值,整个蜂群就会一致?#19978;?#36825;一方所主张的方向。
寻找新巢的蜜蜂的群体具备蜂群思维,这种思维是由不同个体组成的。这个暗喻并非不值一提。20世纪80年代,认知科学家就开?#25216;?#23450;人类认知?#26087;?#20063;是个涌现的过程。在我们的大脑中,思维是这样形成的:在我们的大脑中,思维是这样形成的:脑部不同的神经元选择不同的偏好,这些神经元如同摆动尾巴的蜜蜂一样,刺激一些相邻神经元活跃起来;也如同那些撞头的蜜蜂一般,抑制其他相邻神经元兴奋。这样的竞争不断增强直至?#25345;?#20915;策涌现出来。如此,大脑可以发出一致的指令,让人们“右转?#34987;?#32773;“吃这块饼干”。
在椋鸟中我们也可以发现相同的动态变化:晴朗的冬?#30651;?#26202;,叽叽喳喳的小黑鸟们聚集在罗马黄昏时分的天空,如同?#25104;?#20316;响的黑?#23478;话?#26059;转起来。鸟群一旦遭遇鹰袭,所有的椋鸟都能迅速躲避,就算那些位于鸟群边缘、并未直接感受到危险的椋鸟也是如此。这该如何解释?意大利物理学家安德?#24050;?#8226;卡瓦尼亚利用三台摄像机,从一个博物馆寒冷的屋顶上拍摄了数千?#23130;?#40479;的运动过程,然后用电脑重构了这些椋鸟的三维运动,从而揭开了这一秘密。在大多数个体之间信息传递的系?#25345;校?#20449;息的质量会逐渐衰减并受到破坏——就像传话游戏一样。但卡瓦尼亚发现,椋鸟的运动是?#38405;持幀?#26080;标准”的方式统一的。一只转弯,其他的?#20960;?#30528;转弯;一只加速,其他的?#20960;?#30528;加速。其中的道理很简单——?#20174;?#38468;近六只鸟的动作保持一致且不撞到它们。但因为鸟群内信息传递其质?#20811;?#20943;远比预想?#26032;?#24471;多,所以任意一?#23130;?#40479;的感知传递到鸟群边缘时,整个鸟群就开?#23478;?#21160;。
所有的相似之处似乎都指向了大一统集群理论——一种包含了各个方面集群行为的超级算法。在一篇论文中,维切克和他的同事们想知道,是否存在“一些简单基础的自然定律(?#28909;?#28909;力学定律)?#20445;?#20174;而推导出我们所观察到的各种现象。
库赞也考虑过同样的问题。“为什么我们总能看到这些现象?”他说。“这背后一定有一些更深层、更本质的东西。”生物学家非常熟悉趋同进化,?#28909;?#28023;豚和鲨鱼都具有流线型体型,或者蝙蝠和鲸鱼的回声定位——不同谱系的动物产生相似的?#35270;?#24615;。但算法的趋同进化又是怎样的?是各个集群表现出不同行为——蜜蜂撞头、椋鸟效仿邻近同类、鲦鱼避光——而这些不同行为产生了相同结果,?#25925;?#26377;一些基本规则隐藏在这现象背后、而群体的行为只是规则通向集群的?#24085;海?br /> ?#36820;?#33452;•沃尔弗拉姆很可能会同意上文后一观点。这位英国数学家、必备软件Mathematica发明者在2000年出版了一本足足有1200页厚的著作——《新科学》。书中假设,群体所呈现的涌现性质来自于简单的程序。而正是这简单程序,造就?#25628;?#33457;、贝壳、大?#38405;?#33267;宇宙?#26087;?#30340;复?#21360;?#27779;尔弗拉姆?#20449;?#33258;己的著作会引领发掘此算法,可实际上这一?#20449;?#24182;未兑现。
与此同时,库赞更为谨慎地宣称,他所研究的领域曾触碰到了生命、宇宙与万物的秘密。“对于暗示存在着能够解释股?#23567;?#31070;经系统和鱼群的基本理论,我本人是很谨慎的。”他说“这种想法很?#23383;傘?#19975;能公式的想法?#26087;?#23601;是很危险的,”物理学?#25169;?#20986;蝗虫之间的相互运动,但这?#21482;?#21046;是在同类相食之中呈现出来的。不是数学创造出生物,而是生物孕育了数学。
但是,几乎每个结合能量——动能、热能,等?#21462;?#30340;个体单位系统都会产生阵型。在震动的平台上跳动的金属棒形成了漩?#23567;?#22521;养皿里的肌肉蛋白在分子级马达的推动下做单向运动。肿瘤可以诱导产生大量癌细胞,它们可以转移,跟着开路细胞,与周围组织对齐并入?#21046;渲小?#36825;些肿瘤细胞就像移动的集群;分析出它的算法,也许我们就可?#21592;?#25252;重要器官免于?#25749;Γ?#25110;阻止肿瘤恶化。
这些规则同样?#35270;?#20110;我们研究更复杂的集群。视网膜是位于眼球壁内层的感光组织,联系眼神经和大脑。普林斯顿的神经学家迈克尔•贝里,将多片视网膜放置在电极上并对其播放录像带,以观察其电生理?#20174;Α?#22312;他的实验中,播放的影像与库赞实验用移动光源作用是一样的。贝里也发现了随着神经元增加而出现的涌?#20013;?#20026;——就像那些鱼一样。“不论这个多样性体现在方向、走向?#25925;?#34920;决方式,我们都可以从不同系?#25345;?#24402;纳出数学规律。”
在距离普林斯顿大学主校区?#35813;自?#30340;地方,有一间看起来像小?#22836;?#26426;库的实验室,里面悬挂着各种各样的潜水器。实验室?#33268;?#30528;刺鼻的氯气味道。气味?#20174;?#19968;个宽20英尺、高8英尺、容量20,000加仑的水箱。水箱里面有四个和猫咪差不多大的机器人,背部和尾部配?#26032;?#26059;桨,可以在三维空间中游?#23613;?br /> 这些机器人叫Belugas,是用来测试集群活动的模型。“我们正在研究的自然机制,我之前从未设想过要亲自设计。”工程师内奥米·伦纳德这样说道。她计划释放一个水下机器人吊舱,收集温度、水流、污?#38236;?#26356;多数据。她的机器人也可以追踪移动的变化、与其他机器人保持足够的距离从而避免收集冗余数据——理论上来说,只要有足够的编程,就可以解密这些复?#26377;?#20026;。
它们今天出了点问题。其中3个Belugas被拿出来修理。在水?#24515;?#19968;个是手动模式,用一根粗游戏摇?#30636;?#25511;着。控制的回应机制或许稍有延迟,但绝不会允许出格的操纵。
不过伦纳德有一段机器人合作的视频,这更具说服力。这些机器人在执行任务时遵循写入的?#34850;?#25511;?#25169;?#27861;程序,?#28909;?#22312;石?#25176;孤?#27169;型发现石油高度集中点,或者各自收集目标物然后集合。
建出了成功的机器人集群,?#24471;?#30740;究者们已经发现了一些基本原理。现在机器人群体已经产生,但大部分要么就是使用极为复杂的人工智能,要么就是依赖于人类控制或是中央?#25169;?#26426;发出的指令。在陶马什·维切克——发明早期群体仿真的物理学家——看来,这无异于作弊。他正试图制造出一种四轴飞行器,期望这种四轴飞行器仅凭毗邻飞行器的位置、方向和速度信息就能像真正的鸟类一样群聚。维切克想让这种四轴飞行器?#20998;?#21478;一架遥控飞行器,但迄今尚无进展。“如果只按我们和伊恩创建的简单规则来做,这东西是行不通的。”维切克说,“它们总是追过头,因为减速不够。”
另一组研究人员则用Boids里的一种模板引领遥控飞机的集群行为。Boids即是在此领域迈出第一步、进而引发星火燎原的那个?#25169;?#26426;动画软件。与此同时,这些研究人?#34987;故?#22270;对一群无人飞行器进行导航。这些飞行器利用缜密的网络理论相互交流——网络理论正是脸书上的人际关系所遵循的规律。还有一个团队想将集群行为在自动驾?#40644;?#36710;领域中加以运用——避免碰撞是产生集群所需的基础属性;万不可撞到人或另一辆车则是自动驾驶车辆的要务。
到目前为止,Belugas的最大?#20064;?#26159;工程。机器人对命令做出的?#20174;?#26377;延迟,它们外壳里微小的不对称会改变其他所有机器人的移动。最终,要使对集体的研究上升到新的层面,关键可能就在于解决这个难题。自从Boids那个时候,科学家们?#25237;?#21160;物如何相互影响做出了一个很大的假设。但动物远不止模型这么简单。它们会感知世界,会交流,会做出决策。这就是库赞想要探索的能力。“我一开始着眼于简单单元的相互影响,再将它们组成复杂的模式。这样做不错,但真正的动物没这么简单。”库赞说。他从书架上拿起一个塑料的乌鸦模型,“这是个相当复杂的生物。弄懂这个,就能够在自然界三维环?#25345;?#20998;析动物行为了。”第一步,可能会是在鸟笼里放一个便宜的微软Kinect游戏系?#24120;?#35753;红外线充满?#32771;洌?#25226;空间在地图里绘制出来。
第二步,是在现实世界里测量对应的数据。乌鸦群里的每一只都会戴上微型传感器记录下动作,以及它们身体里的化学物质、?#38405;?#27963;动,还有视网膜上的成像。库赞将会把每只鸟的细胞和神经元的活动与群体的行动汇合起来。这是加强版的蝗虫加速器——将现?#30340;?#22411;与技术相融合,得到关于生物的前无古人的看法。此前,生物向来被看作个体来研究,却从未被当成整体看待。“到那时,我们就能够真正理解动物是怎样从对方身上获取信息,相互交流,并做出决策的了。”库赞说。他不知道自?#33322;?#20250;发现什么,但这正是身处集群之美:即使?#38405;?#30340;地一无所知,最终也仍会到达。
Ed Yong([email protected])为《国家地理》写的博客《科学不难懂》(Not Exactly Rocket Science)
婚姻家庭咨询师曾考拉:为心灵点亮一?#24471;?#28783;,?#25214;?#38543;?#34987;?#23478;的路。
新?#30636;┛停篽ttp://blog.sina.com.cn/koalazeng
QQ:371689721
我反复看了多?#26891;?#22909;帖,得支持











京猫?#22363;?#22899;装  http://www.guangba.net/
返回列表
福利彩票快乐十分 体彩福建31选7第18221 辽宁快乐12玩法介绍及图片 北京赛车官网开奖记录历史结果 安徽快3在线开奖直播 亲朋棋牌游戏官网登陆 二八杠必赢技巧 在义乌放个抓娃娃机能赚钱么 看福彩微信 大乐透合买合同和说明 货拉拉拉货赚钱吗