Gli scienziati hanno scoperto una possibile forza trainante dietro alcuni dei display più belli della natura, aprendo la strada a un'IA più complessa e autonoma.

I ricercatori volevano replicare i meccanismi di base dietro alcuni dei modelli più altamente organizzati visti nel regno animale, come enormi mormorii di storni vorticosi e immensi banchi di aringhe che si attorcigliano.

Gruppi come questi, consistente in molti casi di centinaia di migliaia di singoli animali, sembrano muoversi come spinti da un'intelligenza collettiva, ha detto l'autore principale Dr. Marco Mazza, un Docente di Matematica Applicata, alla Loughborough University.

Ma in realtà, potrebbe dipendere da istinti di sopravvivenza di base.

"La bellezza della natura ha ispirato artisti, filosofi, e scienziati per tutto il tempo che possiamo ricordare, " disse il dottor Mazza.

"L'armonia apparentemente senza sforzo nel movimento collettivo degli uccelli migratori, o il pesce di branco sfida le spiegazioni.

"Il nostro obiettivo era ottenere un modello minimo per le caratteristiche generali dell'auto-organizzazione nel naturale, o animale, mondo.

"Il principio di 'massimizza le tue opzioni' – un semplice, ambizione quasi banale:produce schemi organizzativi complessi, nota come modalità Goldstone, un concetto familiare ai fisici che lavorano sulla materia inanimata.

"Questa modalità Goldstone è, in parole povere, come un gigantesco stormo di storni può improvvisamente cambiare direzione collettivamente come se ci fosse un cervello centrale.

"Ma in realtà, non c'è un'intelligenza centrale che guidi il comportamento."

Il dottor Mazza e i suoi coautori, Hannes Hornischer e il professor Stephan Herminghaus, impostare semplici simulazioni al computer di gruppi di particelle, imitando quelle che si trovano nel mondo naturale.

Hanno rivelato che modelli complessi, e la comparsa di comportamenti di gruppo sincronizzati, sono stati creati da ogni individuo del gruppo rispondendo in modo semplice alle piccole influenze dei suoi vicini più prossimi.

Nel modello, a ciascun agente (individuo) è stato assegnato un obiettivo:massimizzare le possibilità future a sua disposizione.

L'ondata risultante di informazioni ha modellato il movimento e l'apparente "comportamento" del gruppo.

Quando il gruppo si riorganizzò in formazioni più complesse, secondo nuove informazioni, si è rivalutato.

Ha continuato a raccogliere e scambiare informazioni, e poi riorganizzando, fino a raggiungere l'obiettivo di massimizzare lo spazio attorno a ciascuna particella.

Questo processo, non osservato prima, potrebbe essere ciò che guida il comportamento collettivo di grandi gruppi di animali, pesci e persino umani.

In natura, questo obiettivo unico, ad esempio la difesa dai predatori, si trova in quasi tutte le creature.

Imparare di più su come gli organismi viventi elaborano e reagiscono al loro ambiente potrebbe aiutare a migliorare l'intelligenza artificiale fornendo ai sistemi di intelligenza artificiale abilità cognitive di base, rendendoli meno dipendenti dall'intervento umano.

Il dott. Mazza ha dichiarato:"L'attuale paradigma dell'intelligenza artificiale si basa troppo su grandi quantità di dati:grandi reti neurali, Per esempio, sono avidi di dati di formazione.

"Una tale strategia potrebbe già mostrare alcuni limiti. Di fronte a una nuova situazione, Gli attuali approcci di IA richiedono una riqualificazione e un intervento umano specifico che costa tempo e denaro.

"Un modo promettente per migliorarlo è sviluppare metodi in grado di elaborare nuove informazioni proprio come fanno gli organismi dotati di cervello.

"Il primo passo sarebbe quindi identificare modalità di elaborazione delle informazioni che siano aperte a nuovi input e possano adattarsi facilmente.

"L'approccio in questa pubblicazione ha questo potenziale perché è ispirato da organismi che si sono adattati per elaborare e risolvere nuove sfide per milioni di anni della loro evoluzione".