Wetenschappers hebben een mogelijke drijvende kracht achter enkele van de mooiste displays van de natuur ontdekt die de weg vrijmaakt voor complexere en autonomere AI.

Onderzoekers wilden de basismechanismen nabootsen achter enkele van de meest georganiseerde patronen in het dierenrijk, zoals enorme wervelende spreeuwgeluiden en immense kronkelende haringscholen.

Zulke groepen, bestaande in vele gevallen uit honderdduizenden individuele dieren, lijken te bewegen alsof ze worden gedwongen door een collectieve intelligentie, zei hoofdauteur Dr. Marco Mazza, docent Toegepaste Wiskunde, aan de Loughborough-universiteit.

Maar in werkelijkheid, kan te maken hebben met basale overlevingsinstincten.

"De schoonheid van de natuur heeft kunstenaars geïnspireerd, filosofen, en wetenschappers zolang we ons kunnen herinneren, " zei dr. Mazza.

"De schijnbaar moeiteloze harmonie in de collectieve beweging van trekvogels, of scholenvis tart elke verklaring.

"Ons doel was om een ​​minimaal model te verkrijgen voor algemene kenmerken van zelforganisatie in de natuurlijke, of dier, wereld.

"Het principe van 'maximaliseer uw opties' - een eenvoudig, bijna triviale ambitie – produceert complexe organisatiepatronen, bekend als de Goldstone-modus, een concept dat bekend is bij natuurkundigen die werken aan levenloze materie.

"Deze Goldstone-modus is, in simpele termen, hoe een gigantische zwerm spreeuwen plotseling collectief van richting kan veranderen alsof er een centraal brein is.

"Maar in werkelijkheid, er is geen kernintelligentie die het gedrag stuurt."

Dr. Mazza en zijn co-auteurs, Hannes Hornischer en professor Stephan Herminghaus, eenvoudige computersimulaties van groepen deeltjes opzetten - die die in de natuurlijke wereld nabootsen.

Ze onthulden dat complexe patronen, en het verschijnen van gesynchroniseerd groepsgedrag, werden gemaakt door elk individu in de groep die op een eenvoudige manier reageerde op kleine invloeden van zijn naaste buren.

In het model, elke agent (individueel) kreeg één doel:het maximaliseren van de toekomstige mogelijkheden die voor hemzelf beschikbaar waren.

De resulterende golf van informatie vormde de beweging en het schijnbare 'gedrag' van de groep.

Toen de groep zich reorganiseerde in complexere formaties, volgens nieuwe informatie, het heeft zichzelf opnieuw beoordeeld.

Het ging door met het verzamelen en uitwisselen van informatie, en dan reorganiseren, totdat het doel van het maximaliseren van de ruimte rond elk deeltje was bereikt.

Dit proces, niet eerder waargenomen, zou kunnen zijn wat het collectieve gedrag van grote groepen dieren drijft, vissen en zelfs mensen.

In de natuur, deze focus op één doel - bijvoorbeeld verdedigen tegen roofdieren - is te vinden in bijna alle wezens.

Meer leren over hoe levende organismen hun omgeving verwerken en erop reageren, kan de kunstmatige intelligentie helpen verbeteren door AI-systemen cognitieve basisvaardigheden te geven, waardoor ze minder afhankelijk zijn van menselijk ingrijpen.

Dr. Mazza zei:"Het huidige paradigma van AI vertrouwt te veel op grote hoeveelheden gegevens - grote neurale netwerken, bijvoorbeeld, zijn gretig naar trainingsgegevens.

"Zo'n strategie vertoont misschien al enkele beperkingen. Wanneer we geconfronteerd worden met een nieuwe situatie, de huidige AI-benaderingen vereisen omscholing en specifieke menselijke tussenkomst die tijd en geld kosten.

"Een veelbelovende manier om het te verbeteren is om methoden te ontwikkelen die nieuwe informatie kunnen verwerken, net zoals organismen met hersenen dat doen.

"De eerste stap zou dan zijn om manieren te identificeren om informatie te verwerken die openstaat voor nieuwe input en die gemakkelijk kan worden aangepast.

"De aanpak in deze publicatie heeft dit potentieel omdat het is geïnspireerd op organismen die zich hebben aangepast om nieuwe uitdagingen te verwerken en op te lossen gedurende miljoenen jaren van hun evolutie."