Algorytmy świata zwierząt

W aspirującej do miana królowej nauk stosowanych informatyce od lat wykorzystuje się algorytmy (czyli zbiory następujących po sobie krótkich instrukcji, których wykonanie prowadzi do rozwiązania konkretnego problemu) inspirowane naturą. Bardzo dobre wyniki daje podpatrywanie i naśladowanie zachowania niektórych gatunków owadów (mrówek, pszczół, termitów, świetlików) i ptaków. Opracowywane algorytmy pozwalają na poszukiwanie w obszarze wielu możliwych rozwiązań danego problemu najlepszego spośród nich.

Kapitalnym przykładem są mrówki, nazywane „owadzimi geniuszami komunikacji chemicznej”. Wyróżnia się aż 12 funkcjonalnych kategorii komunikatów o charakterze chemicznym. Bazuje na tym algorytm mrówkowy opracowany na początku lat 90. Podstawą algorytmu mrówkowego jest mechanizm, w którym mrówki znaczą wybierane przez siebie drogi śladami chemicznymi w postaci feromonu. Na ścieżkach częściej wykorzystywanych ten ślad jest silniejszy, co zwiększa prawdopodobieństwo ich wyboru przez inne osobniki. Natomiast ze ścieżek nieużywanych feromon odparowuje i prawdopodobieństwo ich wyboru zanika. Na najkrótszej ścieżce od mrowiska do źródła pokarmu poziom feromonu jest największy z powodu jej wyboru przez największą liczbę mrówek. W naszym świecie algorytm mrówkowy wykorzystywany jest podczas planowania układu komunikacyjnego osiedli miejskich, gdzie rolę ścieżek odgrywają chodniki i jezdnie, a pokarmu – sklepy i przystanki komunikacji miejskiej. Znalazł on również szerokie zastosowanie w transporcie przy znajdowaniu najlepszej trasy przejazdu pojazdów.

Również powtarzające się wzorce zachowania ptaków przyciągają uwagę informatyków. Ciekawy jest algorytm kukułki, inspirowany jej pasożytnictwem w składaniu jaj do gniazd innych ptaków. Algorytm opiera się na założeniu, że powodzenie w strategii rozrodu kukułki zależy od podobieństwa jaj kukułczych do jaj gospodarza gniazda. Większe podobieństwo powoduje, że prawdopodobieństwo wykrycia jaja kukułki jest mniejsze. Jakość rozwiązania problemu jest proporcjonalna do różnicy między jajami. Z kolei orzeł stał się źródłem inspiracji dla algorytmu Aquila. Model, na którym się on opiera, naśladuje cztery etapy lotu i polowania orła. Wysoki lot orła z pionowym nurkowaniem odpowiada rozszerzonemu procesowi poszukiwania rozwiązania jakiegoś problemu. Lot ślizgowy na niskiej wysokości stanowi zawężenie poszukiwań. Powolne opadanie nad ofiarą odzwierciedla sprawdzenie najlepszych rozwiązań. Chwytanie ofiary stanowi końcowy etap znalezienia optymalnego rozwiązania.

Oczywiście opisane zasady zachowania są ubierane przez naukowców w odpowiednie formuły matematyczne. Ich rozwiązanie pozwala na maksymalizację zysku przy ograniczonych zasobach. Zyskiem może być zmniejszenie złożoności jakiegoś systemu, obniżenie kosztów czy też skrócenie czasu wykonania zadania.

Każdy z nas wielokrotnie podziwiał ruch stada ptaków. Szczególnie spektakularna jest murmurancja, będąca złożonym, podobnym do tańca ruchem tysięcy ptaków, które poruszają się synchronicznie, dynamicznie zmieniając kierunek ruchu przy zmieniającym się kształcie stada przypominającego chmurę. Prawa rządzące harmonijnym ruchem stada ptaków opisuje algorytm roju cząstek. Ruch tysięcy ptaków, który wydaje się bardzo trudny do całościowego opanowania i sterowania, sprowadza się do trzech prostych zasad: unikania kolizji z sąsiadami, dążenia do zajęcia miejsca w środku stada oraz dopasowania prędkości i kierunku ruchu do sąsiadów. Zastosowanie algorytmu roju cząstek pozwala na sprawne zarządzanie funkcjonowaniem złożonych systemów bez centralnego sterowania. Stosuje się go do sterowania rojami dronów, pojazdów autonomicznych, zarządzania pracą sieci czujników Internetu Rzeczy, przepływu energii w sieciach elektroenergetycznych.

W przeciwieństwie do ludzi zwierzęta nie uczą się złożonych wzorców zachowania, znają je a priori. Bardzo złożone oprogramowanie zostaje wprowadzone do ich prostych sieci neuronów w momencie urodzenia. Źródło koncepcji i informacji leżących u podstaw algorytmów zachowania zwierząt pozostaje zagadką. Nie wiemy, skąd biorą się tak złożone, jakby „zaprogramowane” zachowania, zwłaszcza u gatunków społecznych. Kto jest ich autorem? Czy stoją za nimi wyłącznie procesy ślepej ewolucji opartej na selekcji, replikacji i mutacji, czy też mamy do czynienia z Inteligentnym Projektantem-Programistą? Pytanie pozostaje otwarte.