解密不凡的蚁群算法
没有中央化的构造，蚁群何以举行高效地征采呢？生物学家 Deborah Gordon揭开了此中的奥密，大概能改良盘算机网络的才能。本文是《量子杂志》对她的采访。
蚁群和谐才能不凡。它们能筑起穿过丛林的繁复小路，搭建精良巢穴，以及依据所处情况调停寻食形式，一切这些都无需中央指挥。蚂蚁简便的一局部举动产生出繁复的举动形式，斯坦福大学的生物学家 Deborah Gordon渴望揭开这眼前的简便端正。
蚁群特别善于团队搜刮，能主动依据周围情况情况调停搜刮战略，从而高效占领大面积地表。Gordon发觉这些蚁群的搜刮算法和互联网眼前的人工制造算法有相似之处。Gordon渴望能从蚁群处理此类成绩的纪律中找到一种新算法，从基本上低落大范围盘算网络的本钱，提升其功能。
在纽约州冷泉港的社会性昆虫聚会会议上，我们碰到了Gordon，稍后她立刻动身前去墨西哥持续研讨树蚁寻路算法。以下是我们对话的精简版。
Gordon：我最初的兴致是发育生物学，研讨在没有任何中央控制的情况下，胚胎怎样发育起来。事先，我正在寻觅一品种似胚胎的体系，仅有经过这个体系我才干察看到统统——了解能察看取得的目标要更容易些。因此，我选择了蚁群。如今，你可以看到很多发育中的胚胎。我当时可不是如此。
你研讨亚利桑那州的同一个蚁群以前有三十多年了。你从一开头就注意到它们了吗？
Gordon：没有。研讨之初，我对蚁群之间的差别很感兴致，以是给蚁群做了暗号以便来年持续察看。后果，我发觉一些蚁群一年比一年强壮，以是我想搞清晰缘故。当时，没人晓得一个劳绩蚁群能活多久。我每年都回过头去重新反省蚁群——五年已往了，然后十年。我没有选择，仅有持续研讨。
什么让你印象最为深入？
Gordon：我印象最深的是蚁群的和谐性举动和单只蚂蚁的低效、不完备举动构成光显比力。易言之，蚁群可以完成很多事情，但是，不存在无能的一局部蚂蚁。
好比，蚁群真的很善于团队搜刮事情；一群蚂蚁能在没有中央指挥的情况下彻底搜刮整片地区。它们经过碰一下对方触角举行简便互动。当很多蚂蚁挤在一个小空间,会常常遇见，也倾向于铺条羊肠小道，各位都挤在一同。当宽广空间里仅有几只蚂蚁时，不常常碰面，蚂蚁们也会把路放开点，掩盖更多地表。
就劳绩蚁群来说，我们以前晓得蚂蚁会算出另有多久才会碰到携带食品归来回头的蚂蚁，据此决定对否分开蚁穴。这是一种正反应情势；蚂蚁带回食品的速率越快，分开蚁穴的蚂蚁就越多。仅当交互频率（rate of interaction）够高时，蚂蚁才会决定分开蚁穴。整一局部系协助蚁群办理寻食举动，除非有充足多的食品值得出去一趟，不然它们不会分开蚁穴。
为什么你将劳绩蚁群的算法称为「anternet」？
Gordon：我和斯坦福的同事 Balaji Prabhakar一同事情，目标就是搞清晰劳绩蚁群用来办理寻食的算法。他指出，算法和传输控制协议相似，后者是用来办理网络数据交通，确保在有充足带宽的情况下，数据不会丧失。两个体系都使用了简便的当地反应来和谐举动。我以为，我们约莫找出蚂蚁用来处理工程成绩的其他算法，这些算法现在还不为人所知。我对这个看法很感兴致：提高约莫会在不同体系中创造出用来处理相反成绩的不同算法。
但是，多亏提高产生了有助于蚁群的算法，提高必需在团队层面，而不是一局部层面发扬作用。
Gordon：从提高角度来看，蚁群才是真正的一局部，是蚁群在繁衍，蚂蚁没有制造出更多的蚂蚁，但是蚁群制造出更多的蚁群。假如我们想了解蚂蚁举动提高之道，我们就必需察看蚁群。
单个蚂蚁做出的决定是怎样改动整个蚁群的举动的？
Gordon：在戈壁中，水是极度仅限的。蚂蚁肢体中的水分会因其外出和到处匍匐而被斲丧，但能从它们的食品——种子中取得增补，以是它们不得不经过斲丧水分（寻食）来增补水分（进食）。没有哪只蚂蚁会为了保存水分决定呆在巢穴内。但是，蚂蚁之间互动的弱小差别累加起来，就会构成蚁群寻食举动上的宏大差别，也会影响蚁群后代数目。我们发觉天然会倾向于选择那些浪费水资源的蚁群。我称之为「克制的嘉奖」。我以为这是首个可以追踪一个生物种会萃体举动提高的研讨。一个简便的肢体局部举措之以是被选为蚂蚁相遇时的互动办法，是整个蚁群提高的产物。
提高对否还产生了其他的算法？
Gordon：我和另一位盘算机封建家正在研讨蚂蚁使用的寻路网络。墨西哥树蚁巢穴和食品源之间的途径由于树木、滕条和其他植物的缠结而显得特别繁复。这条小路总会被打断，好比树枝忽然断裂，大概有生物穿过，但它又能容易地就被修复。它们怎样在云云短的时间——通常就数分钟——就在浩繁不同的选择中选择了这一条呢？我们以为它们的战略是：不选择最短的途径，而是选择可以敏捷重修和让蚁群规复正常活动的途径。某种水平上，它们为了弹性，捐躯了人类所谓的听从。现在我们已创建起一个故意义的模子，正在实地事情中测试这个模子。
在盘算方面，这会有多紧张？
Gordon：盘算中，信息数目和维护办理本钱之间会有一个均衡。我们对蚁群提高而来的处理方案很感兴致。我们有兴致将蚂蚁处理方案与机算机体系中的寻路算法——在寻求最直或最短途径时，必要多量的信息——举行类比。好比你在生疏场合开车，路口被堵了。假如带了舆图，你可以找到其他的路。但是，假如你没有任何路途信息、没有任何地点称呼，怎样办？
群体搜刮就面临着相似的困难。如今，机器人学研讨中，人们对使用最便宜的机器人——仅需尽约莫少的信息就能与人类协同事情——很感兴致。如此的体系会更具妥当性不容易崩溃。比拟差遣一个充足繁复的机器人去探究火星大概在着火大楼举行征采事情，差遣一组即使单个显现妨碍，团队仍能正常协作的便宜机器人更故意义。约莫蚁群还提超过很多人类未知的办法来处理相似成绩。我们所能做的就是持续察看。
蚁群怎样随着时间而厘革？
Gordon：随着群体越来越朽迈，范围越来越大，劳绩蚁群举动也会改动。群体举动的某些方面仅取决于团队范围轻重。就劳绩蚁而言，单个工蚁（除蚁后外）只能活一年，以是不是蚂蚁越来越老，越来越伶俐，而是整个蚁群。这个谜团促使我开头研讨交互网络，由于事先我正在寻觅某种事变，固然范围变大后的蚁群办法照旧会用老办法去做这件事，但会产生不同后果。好比，我是一只蚂蚁，依照着上述端正，在给定频率下碰到其他蚂蚁时，我会做的事变是X。在大蚁群中，我会碰到更多的蚂蚁。假如蚁群的范围变大了，依照着相反的端正（去做这件事变）约莫会产生不同的后果，由于与其他蚂蚁互动的频率产生了改动。
我们身处宏大的网络之中——互联网，人类大脑，我也因此对其他体系很感兴致。网络举动怎样随着网络范围扩展而厘革？
怎样厘革呢？
Gordon：我发觉，年长的蚁群比年轻的蚁群安定得多。假如你制造一个干扰，好比在他们正中制造一点骚乱——我放了一叠牙签——年长的蚁群最初无视了这个扰乱，重新开头寻食。我以为，在这些拥有更多寻食蚂蚁的蚁群中，蚁群会优先选择持续寻食而不是回应扰乱。
你也正在探究蚁群和神经元的相似之处。
Gordon：一只蚂蚁会积累近期互动信息，决定做什么，一个神经元也会积累来自其他神经元的近期兴奋，决定对否放电。现在，神经封建已有一个繁复模子框架来了解该体系运作原理。我正在与实际神经封建家互助，把这个框架使用到蚁群上。
你倡导了一个「人民封建方案（ citizen science project）」勉励群众研讨不同品种的蚁群，研讨新蚂蚁品种有什么利益呢？
Gordon：约莫14000种蚁群中，仅有50种被研讨过，研讨新品种有约莫会发觉新算法。我们为学生开发了一个小型东西箱来察看不同品种的蚁群怎样举行团队征采。当孩子们用东西实验察看不同蚂蚁品种时，他们约莫能从中发掘一些新东西。
机器之心，最专业的前沿科技媒体和产业办事平台，逐日提供优质产业资讯与深度思索，接待眷注微信群众号「机器之心」（almosthuman2014），或登录机器之心网站www.almosthuman.cn查察更多出色内容。
