- 無腹腹果蠅群落就像一個沒有等級制度的「液體大腦」。
- 探險家和採集者兩個關鍵角色根據資源進行調整。
- 基於接觸和運動的神經模型解釋了協調性。
- 這項發現啟發了多智能體機器人和搜尋演算法。
成千上萬隻螞蟻如何在沒有領導者的情況下組織起來 不再是一個謎：來自 CEAB-CSIC 的一個團隊已經證明，它的菌落就像一個“液體大腦”， 集體智慧源於接觸和運動，沒有中央命令。
研究重點是 Aphaenogaster senilis，地中海物種 它不主要依賴費洛蒙進行協調。其作用模式由觸角接觸和運動引導，使我們能夠清晰地觀察局部交互作用如何產生決策。 非常簡單.
液態大腦在蟻群中意味著什麼？
當研究者描述 “液體大腦” 指的是分散式系統，其中 每個個體都表現得像一個神經元：當接觸他人時，它會被啟動並發送信號， 並有助於即時重新配置網絡 隨著環境的變化。想要深入了解如何將分散式協調應用於機器人技術，您可以諮詢 螞蟻智慧對機器人技術的影響.
為了證明這一點，CEAB-CSIC 團隊設計了一個 具有高解析度記錄的蜂窩狀迷宮 模擬了接近自然棲息地的環境。他們分析了數百隻個體的運動情況，並測量了 資訊如何流動 它們之間。
與其他物種的關鍵區別 這些螞蟻 不要主要依賴化學痕跡，而是直接的互動：誰觸碰誰，觸碰多久，以及在迷宮的哪個位置。 動態連線 保持協調。
數據顯示，該菌落 設法保持連接和運行 即使每隻螞蟻只擁有本地資訊。 網路架構 變化很快，但保留了 空間和時間順序 足以避免混亂。
探險者與覓食者：兩種隨時適應的角色
該團隊確定並量化 兩種與食物相關的運動模式：探索新資源和利用已發現的資源。每隻螞蟻，依具體情況， 貢獻不同 到每個角色。
集體效率 這取決於探險者和採集者的比例。當已知資源豐富時，群體就會加強採集；如果資源稀缺， 增加探索的權重. 用數據衡量， 它是系統的自適應引擎.
研究人員強調 異質自主運動 每個人 允許靈活合作:: 沒有人需要「看見」整體；他們只需要根據與鄰居的接觸來調整自己的行為。
在這個地中海物種中通常 少數螞蟻致力於尋找食物，這給協調帶來了挑戰。即便如此，蜂群 找到最佳點 在沒有指揮中心的情況下，發現和利用之間。
從接觸到網路：解釋它的神經模型
為了理解這一現象，團隊應用了 神經模型 在這 每隻螞蟻根據接觸頻率被“激活” 與其他附近的生物一起。透過這個簡單的規則，迷宮中看到的圖案在個體和群體層面上都被重現了。
該模型表明 改變每個角色中個人的百分比 改變網路連線及其收集動態， 調節效率 對環境條件具有明顯的敏感度。
La 新興連通性 它是 結構化和動態化：它不斷變化，但保持空間和時間規律，從而實現快速協調 沒有全域訊號或層次結構。要深入了解這些網路如何類似於神經機制，請查看 透過分散式系統進行物種保護.
這種方法得到了以下機構的支持 經驗證據，提供一個 客觀標準 區分和衡量探索和發展運動，並將其與殖民地的最終表現聯繫起來。
下一步：可以利用它的應用程式和領域
這項發現的意義超越了生物學。 分散協調 可以轉移到多智能體機器人：無需人工幹預就能合作的機器人隊伍 中央控制器並根據任務調整自己的角色。
它也啟發了 最佳化和搜尋演算法其中，對新解決方案的探索與對已有前景的解決方案的利用相結合，就像殖民地透過平衡其兩個角色所做的那樣。
並行性本質上擴展到其他分散式系統，例如 免疫系統，剩下的 互聯高效 無需“導體”，透過局部訊號和分散訊息的整合進行交流。為了理解螞蟻的液態大腦如何激發新的互動形式，回顧 複雜系統中協調的研究.
總體而言，CEAB-CSIC 的工作勾勒出了一個強大的框架，用於研究 無等級制度的集體智慧，澄清什麼 指標和機制 維持其性能以及如何將其轉移到技術解決方案。
從蜂窩迷宮、運動分析和神經模型收集的證據都集中在同一個想法上： 效率源自於簡單、緊密連結的互動在哪裡 探索與利用之間的平衡 根據環境需求不斷調整
