Svärm intelligens

Svärmintelligens ( SI ) är det kollektiva beteendet hos decentraliserade , självorganiserade system, naturliga eller artificiella. Konceptet används i arbetet med artificiell intelligens . Uttrycket introducerades av Gerardo Beni och Jing Wang 1989, i samband med cellulära robotsystem.

SI-system består typiskt av en population av enkla medel eller kroppar som interagerar lokalt med varandra och med sin miljö. Inspirationen kommer ofta från naturen, särskilt biologiska system. Agenterna följer mycket enkla regler, och även om det inte finns någon centraliserad kontrollstruktur som dikterar hur enskilda agenter ska bete sig, lokalt och till en viss grad slumpmässigt, leder interaktioner mellan sådana agenter till uppkomsten av "intelligent" globalt beteende, okänt för individen agenter. Exempel på svärmintelligens i naturliga system inkluderar myrkolonier , bisamhällen , fågelflockning , hökjakt , djurvallning , bakterietillväxt , fiskstim och mikrobiell intelligens .

Tillämpningen av svärmprinciper på robotar kallas svärmrobotik medan svärmintelligens hänvisar till den mer allmänna uppsättningen algoritmer. Svärmprediktion har använts i samband med prognosproblem. Liknande tillvägagångssätt som de som föreslås för svärmrobotik övervägs för genetiskt modifierade organismer i syntetisk kollektiv intelligens.

Modeller av svärmbeteende

Se även: Svärmbeteende

Boids (Reynolds 1987)

Huvudartikel: Boids

Boids är ett artificiellt livsprogram , utvecklat av Craig Reynolds 1986, som simulerar flockning och publicerades 1987 under konferensen ACM SIGGRAPH . Namnet "boid" motsvarar en förkortad version av "fågelliknande föremål", som syftar på ett fågelliknande föremål.

Som med de flesta konstgjorda livssimuleringar är Boids ett exempel på framväxande beteende; det vill säga komplexiteten hos Boids uppstår från interaktionen mellan enskilda agenter (boids, i detta fall) som följer en uppsättning enkla regler. Reglerna som tillämpas i den enklaste Boids-världen är följande:

  • separation : styr för att undvika att tränga ihop lokala flockkamrater
  • anpassning : styr mot medelkursen för lokala flockkamrater
  • sammanhållning : styr för att flytta mot medelpositionen (massacentrum) för lokala flockkamrater

Mer komplexa regler kan läggas till, såsom undvikande av hinder och målsökning.

Självgående partiklar (Vicsek et al . 1995)

Huvudartikel: Självgående partiklar

Självgående partiklar (SPP), även kallad Vicsek-modellen , introducerades 1995 av Vicsek et al. som ett specialfall av boids -modellen som introducerades 1986 av Reynolds . En svärm modelleras i SPP av en samling partiklar som rör sig med en konstant hastighet men som svarar på en slumpmässig störning genom att vid varje steg anta den genomsnittliga rörelseriktningen för de andra partiklarna i deras lokala grannskap. SPP-modeller förutspår att svärmande djur delar vissa egenskaper på gruppnivå, oavsett vilken typ av djur som finns i svärmen. Svärmande system ger upphov till framväxande beteenden som förekommer i många olika skalor, av vilka några visar sig vara både universella och robusta. Det har blivit en utmaning inom teoretisk fysik att hitta minimala statistiska modeller som fångar dessa beteenden.

Metahuristik

Se även: Lista över metaforbaserad metaheuristik

Evolutionära algoritmer (EA), partikelsvärmoptimering (PSO), differentiell evolution (DE), myrkolonioptimering (ACO) och deras varianter dominerar området naturinspirerad metaheuristik . Denna lista inkluderar algoritmer publicerade fram till cirka år 2000. Ett stort antal nyare metaforinspirerade metaforer har börjat dra till sig kritik i forskarvärlden för att de döljer sin brist på nyhet bakom en utarbetad metafor. För algoritmer publicerade sedan den tiden, se Lista över metaforbaserad metaheuristik .

Metaheuristik saknar förtroende för en lösning. När lämpliga parametrar bestäms, och när tillräckligt konvergenssteg uppnås, hittar de ofta en lösning som är optimal, eller nära nära optimal – men om man inte vet den optimala lösningen i förväg är kvaliteten på en lösning inte känd. Trots denna uppenbara nackdel har det visat sig att dessa typer av algoritmer fungerar bra i praktiken och har undersökts och utvecklats i stor omfattning. Å andra sidan är det möjligt att undvika denna nackdel genom att beräkna lösningskvaliteten för ett specialfall där sådan beräkning är möjlig, och efter en sådan körning är det känt att varje lösning som är minst lika bra som den lösning ett specialfall hade, har åtminstone en lösning förtroende ett specialfall haft. Ett sådant exempel är Ant- inspirerad Monte Carlo-algoritm för Minimum Feedback Arc Set där detta har uppnåtts sannolikt via hybridisering av Monte Carlo-algoritmen med Ant Colony Optimization- teknik.

Stokastisk diffusionssökning (Bishop 1989)

Huvudartikel: Stokastisk diffusionssökning

Först publicerad 1989 Stokastisk diffusionssökning (SDS) var den första Swarm Intelligence-metaeuristiken. SDS är en agentbaserad probabilistisk global sök- och optimeringsteknik som är bäst lämpad för problem där den objektiva funktionen kan delas upp i flera oberoende delfunktioner. Varje agent upprätthåller en hypotes som testas iterativt genom att utvärdera en slumpmässigt vald partiell objektiv funktion parametriserad av agentens aktuella hypotes. I standardversionen av SDS är sådana partiella funktionsutvärderingar binära, vilket resulterar i att varje agent blir aktiv eller inaktiv. Information om hypoteser sprids över befolkningen via kommunikation mellan agenter. Till skillnad från den stigmergiska kommunikationen som används i ACO, kommunicerar agenter hos SDS hypoteser via en en-till-en kommunikationsstrategi analog med tandemkörningsproceduren som observeras i Leptothorax acervorum . En positiv återkopplingsmekanism säkerställer att en population av agenter över tid stabiliserar sig kring den globalt bästa lösningen. SDS är en både effektiv och robust global sök- och optimeringsalgoritm, som har beskrivits utförligt matematiskt. Det senaste arbetet har involverat att slå samman de globala sökegenskaperna hos SDS med andra svärmintelligensalgoritmer.

Myrkolonioptimering (Dorigo 1992)

Huvudartikel: Myrkolonioptimering

Myrkolonioptimering (ACO), som introducerades av Dorigo i sin doktorsavhandling, är en klass av optimeringsalgoritmer som bygger på en myrkolonis handlingar . ACO är en probabilistisk teknik användbar i problem som handlar om att hitta bättre vägar genom grafer. Konstgjorda "myror" - simuleringsmedel - lokaliserar optimala lösningar genom att röra sig genom ett parameterutrymme som representerar alla möjliga lösningar. Naturliga myror lägger ner feromoner som leder varandra till resurser samtidigt som de utforskar sin miljö. De simulerade "myrorna" registrerar på samma sätt sina positioner och kvaliteten på sina lösningar, så att i senare simuleringsiterationer hittar fler myror för bättre lösningar.

Partikelsvärmoptimering (Kennedy, Eberhart & Shi 1995)

Huvudartikel: Partikelsvärmoptimering

Partikelsvärmsoptimering (PSO) är en global optimeringsalgoritm för att hantera problem där en bästa lösning kan representeras som en punkt eller yta i ett n-dimensionellt utrymme. Hypoteser plottas i detta utrymme och seedas med en initial hastighet , såväl som en kommunikationskanal mellan partiklarna. Partiklar rör sig sedan genom lösningsutrymmet och utvärderas enligt något konditionskriterium efter varje tidssteg. Med tiden accelereras partiklar mot de partiklar inom sin kommunikationsgrupp som har bättre konditionsvärden. Den största fördelen med ett sådant tillvägagångssätt jämfört med andra globala minimeringsstrategier som simulerad glödgning är att det stora antalet medlemmar som utgör partikelsvärmen gör tekniken imponerande motståndskraftig mot problemet med lokala minima .

Artificiell svärmintelligens (2015)

Artificiell svärmintelligens (ASI) är en metod för att förstärka den kollektiva intelligensen hos nätverksanslutna mänskliga grupper med hjälp av kontrollalgoritmer modellerade efter naturliga svärmar. Ibland kallad Human Swarming eller Swarm AI, tekniken kopplar samman grupper av mänskliga deltagare till realtidssystem som överväger och konvergerar lösningar som dynamiska svärmar när de samtidigt presenteras med en fråga som ASI har använts för ett brett spektrum av applikationer, från att möjliggöra affärsteam för att generera mycket exakta finansiella prognoser för att göra det möjligt för sportfans att överträffa Vegas vadslagningsmarknader. ASI har också använts för att grupper av läkare ska kunna generera diagnoser med betydligt högre noggrannhet än traditionella metoder. ASI har använts av FN :s livsmedels- och jordbruksorganisation (FAO) för att hjälpa till att förutse hungersnöd i hotspots runt om i världen. [ bättre källa behövs ]

Ansökningar

Swarm Intelligence-baserade tekniker kan användas i ett antal tillämpningar. Den amerikanska militären undersöker svärmtekniker för att kontrollera obemannade fordon. European Space Agency funderar på en orbital svärm för självmontering och interferometri. NASA undersöker användningen av svärmteknik för planetkartering. En artikel från 1992 av M. Anthony Lewis och George A. Bekey diskuterar möjligheten att använda svärmintelligens för att kontrollera nanobotar i kroppen i syfte att döda cancertumörer. Omvänt har al-Rifaie och Aber använt stokastisk diffusionssökning för att hjälpa till att lokalisera tumörer. Svärmintelligens har också använts för datautvinning och klusteranalys . Myrbaserade modeller är ytterligare föremål för modern managementteori.

Myrbaserad routing

Användningen av svärmintelligens i telekommunikationsnätverk har också undersökts, i form av myrbaserad routing . Detta var pionjärer separat av Dorigo et al. och Hewlett Packard i mitten av 1990-talet, med ett antal varianter som existerade. I grund och botten använder detta en probabilistisk routingtabell som belönar/förstärker rutten som framgångsrikt korsas av varje "myra" (ett litet kontrollpaket) som översvämmer nätverket. Förstärkning av rutten i riktning framåt, bakåt och båda har undersökts samtidigt: bakåtförstärkning kräver ett symmetriskt nätverk och kopplar samman de två riktningarna; framåt förstärkning belönar en rutt innan resultatet är känt (men då skulle man betala för bio innan man vet hur bra filmen är). Eftersom systemet beter sig stokastiskt och därför saknar repeterbarhet, finns det stora hinder för kommersiell implementering. Mobila medier och ny teknik har potential att ändra tröskeln för kollektiva åtgärder på grund av svärmintelligens (Rheingold: 2002, P175).

Placeringen av överföringsinfrastruktur för trådlösa kommunikationsnät är ett viktigt tekniskt problem som involverar konkurrerande mål. Ett minimalt urval av platser (eller platser) krävs förutsatt att användarna tillhandahåller adekvat områdestäckning. En mycket annorlunda myrinspirerad svärmintelligensalgoritm, stokastisk diffusionssökning (SDS), har framgångsrikt använts för att tillhandahålla en generell modell för detta problem, relaterad till cirkelpackning och settäckning. Det har visat sig att SDS kan användas för att identifiera lämpliga lösningar även för stora problem.

Flygbolag har också använt myrbaserad rutt för att tilldela flygplansinkomster till flygplatsportar. På Southwest Airlines använder ett program svärmteori, eller svärmintelligens – tanken att en koloni myror fungerar bättre än en ensam. Varje pilot fungerar som en myra som letar efter den bästa flygplatsporten. "Piloten lär sig av sin erfarenhet vad som är bäst för honom, och det visar sig att det är den bästa lösningen för flygbolaget", förklarar Douglas A. Lawson . Som ett resultat går "kolonin" av piloter alltid till grindar som de snabbt kan anlända till och avvika från. Programmet kan till och med varna en pilot om flygplansbackuper innan de inträffar. "Vi kan förutse att det kommer att hända, så vi kommer att ha en grind tillgänglig", säger Lawson.

Folkmassasimulering

Konstnärer använder svärmteknik som ett sätt att skapa komplexa interaktiva system eller simulera folkmassor . [ citat behövs ]

Instanser

Sagan om ringen- filmtrilogin använde sig av liknande teknik, känd som Massive (mjukvara) , under stridsscener. Svärmtekniken är särskilt attraktiv eftersom den är billig, robust och enkel.

Stanley och Stella i: Breaking the Ice var den första filmen som använde sig av svärmteknik för rendering, som realistiskt skildrade rörelser av grupper av fiskar och fåglar med hjälp av Boids-systemet. [ citat behövs ]

Tim Burtons Batman Returns använde sig också av svärmteknik för att visa rörelserna hos en grupp fladdermöss.

Flygbolag har använt svärmteori för att simulera passagerare som går ombord på ett plan. Southwest Airlines-forskaren Douglas A. Lawson använde en myrbaserad datorsimulering med endast sex interaktionsregler för att utvärdera ombordstigningstider med olika ombordstigningsmetoder.(Miller, 2010, xii-xviii).

Människan svärmar

Nätverk av distribuerade användare kan organiseras i "mänskliga svärmar" genom implementering av slutna styrsystem i realtid. Mänsklig svärmning gör att den kollektiva intelligensen hos sammankopplade grupper av människor online kan utnyttjas. Gruppens kollektiva intelligens överstiger ofta förmågan hos någon medlem i gruppen.

Stanford University School of Medicine publicerade 2018 en studie som visar att grupper av mänskliga läkare, när de är sammankopplade med svärmande algoritmer i realtid, kunde diagnostisera medicinska tillstånd med avsevärt högre noggrannhet än enskilda läkare eller grupper av läkare som arbetar tillsammans med traditionella crowd-sourcing-metoder . I en sådan studie fick svärmar av mänskliga radiologer sammankopplade i uppdrag att diagnostisera röntgenstrålar och visade en 33% minskning av diagnostiska fel jämfört med de traditionella mänskliga metoderna, och en 22% förbättring jämfört med traditionell maskininlärning.

University of California San Francisco (UCSF) School of Medicine släppte ett förtryck 2021 om diagnos av MRI-bilder av små grupper av samarbetande läkare. Studien visade en 23% ökning av diagnostisk noggrannhet vid användning av Artificial Swarm Intelligence (ASI) teknologi jämfört med majoritetsröstning.

Svärmgrammatik

Svärmgrammatik är svärmar av stokastiska grammatiker som kan utvecklas för att beskriva komplexa egenskaper som finns inom konst och arkitektur. Dessa grammatiker samverkar som agenter som beter sig enligt regler för svärmintelligens. Sådant beteende kan också antyda för djupinlärning , särskilt när kartläggning av sådana svärmar till neurala kretsar övervägs.

Svärmisk konst

I en serie verk har al-Rifaie et al. har framgångsrikt använt två svärmintelligensalgoritmer – en som efterliknar beteendet hos en art av myror ( Leptothorax acervorum ) som söker föda ( stokastisk diffusionssökning , SDS) och den andra algoritmen som efterliknar beteendet hos fåglar som flockas ( partikelsvärmsoptimering , PSO) – för att beskriva en ny integrationsstrategi som utnyttjar PSO:s lokala sökegenskaper med globalt SDS-beteende. Den resulterande hybridalgoritmen används för att skissa nya teckningar av en ingångsbild, och utnyttjar en konstnärlig spänning mellan det lokala beteendet hos "fåglarna som flockas" - när de försöker följa ingångsskissen - och det globala beteendet hos "myrorna som söker föda" - när de försöker uppmuntra flocken att utforska nya områden på duken. "Kreativiteten" i detta hybridsvärmsystem har analyserats under det filosofiska ljuset av "rhizomet" i samband med Deleuzes metafor "Orchid and Wasp".

Ett nyare arbete av al-Rifaie et al., "Swarmic Sketches and Attention Mechanism", introducerar ett nytt tillvägagångssätt som använder mekanismen för "uppmärksamhet" genom att anpassa SDS för att selektivt ta hand om detaljerade områden på en digital duk. När svärmens uppmärksamhet dras till en viss linje i duken, används PSO:s förmåga för att producera en "svärmisk skiss" av den bevakade linjen. Svärmarna rör sig genom hela den digitala duken i ett försök att tillfredsställa sina dynamiska roller – uppmärksamhet på områden med fler detaljer – förknippade med dem via deras fitnessfunktion. Efter att ha förknippat renderingsprocessen med begreppen uppmärksamhet, skapar de deltagande svärmarnas prestanda en unik, icke-identisk skiss varje gång "konstnärsvärmarna" ger sig i kast med att tolka de ingående linjeritningarna. I andra arbeten, medan PSO ansvarar för skissningsprocessen, kontrollerar SDS svärmens uppmärksamhet.

I ett liknande verk, "Swarmic Paintings and Color Attention", produceras icke-fotorealistiska bilder med hjälp av SDS-algoritmen som, inom ramen för detta arbete, ansvarar för färguppmärksamhet.

De ovan nämnda systemens " beräkningskreativitet " diskuteras genom de två förutsättningarna för kreativitet (dvs. frihet och begränsningar) inom svärmintelligensens två ökända faser av utforskning och exploatering.

Michael Theodore och Nikolaus Correll använder svärm intelligent konstinstallation för att utforska vad som krävs för att ha konstruerade system för att se verklighetstrogna ut.

Framstående forskare

Se även

Vidare läsning

externa länkar

Hämtad från " https://en.wikipedia.org/w/index.php?title=Swarm_intelligence&oldid=1144074383 "