群居昆虫——蚂蚁、蜜蜂、黄蜂、白蚁——长期以来一直让从博物学家到艺术家在内的所有人着迷。比利时诗人莫里斯·梅特林克曾写道：“是什么在支配这里？是什么在发出命令，预见未来，制定计划并保持平衡？” 这些确实是令人困惑的问题。
蚁群中的每只昆虫似乎都有自己的议程，但作为一个整体，群体却显得高度组织化。显然，所有个体活动的无缝整合不需要任何监督。事实上，研究社会性昆虫行为的科学家发现，群体层面的合作在很大程度上是自组织的：在许多情况下，协调产生于个体之间的互动。尽管这些互动可能很简单（一只蚂蚁仅仅跟随另一只蚂蚁留下的踪迹），但它们可以共同解决难题（在无数条可能的路径中找到通往食物来源的最短路线）。这种从社会性昆虫群体中涌现出来的集体行为被称为“群体智慧”。
越来越多的研究人员正在设计应用群体智慧来完成各种任务的新方法。蚂蚁的觅食行为启发了一种在繁忙的电信系统中重新路由网络流量的新方法。蚂蚁合作建造巢穴的方式促成了更有效的机器人群控制算法。昆虫聚集同伴尸体和分类幼虫的方式可以帮助分析银行数据。而蜜蜂之间的劳动分工可能有助于简化工厂的装配线。
支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您正在帮助确保有关塑造我们当今世界的发现和想法的具有影响力的故事的未来。
[分隔符] 虚拟觅食
对群体智慧的早期研究之一调查了蚂蚁的觅食行为。长期以来人们都知道，自然界（以及人们的厨房中）常见的蚂蚁“高速公路”是由单个蚂蚁沉积信息素（一种化学引诱剂）铺设的，这增加了其他蚂蚁将跟随同一条路径到达食物来源的可能性。在 20 世纪 90 年代，比利时布鲁塞尔自由大学的先驱让-路易·德内堡表明，蚂蚁的铺路和循迹行为也是寻找巢穴和食物来源之间最短路径的良好策略。
在对阿根廷蚂蚁Linepithema humile的实验中，德内堡和他的同事们建造了一座桥梁，桥梁有两条分支，一条分支的长度是另一条分支的两倍，将巢穴与食物来源隔开。在短短几分钟内，蚁群通常会选择较短的分支。德内堡发现，蚂蚁在觅食时会铺设和跟随信息素踪迹。第一批从食物来源返回巢穴的蚂蚁是那些在巢穴到食物以及返回方向都走了较短路径的蚂蚁。由于这条路线是第一个被双重标记信息素的路线，因此巢穴中的同伴会被它吸引。
然而，如果在较长分支之后向蚁群展示较短分支，蚂蚁将不会选择它，因为较长分支已经被信息素标记。但是，计算机科学家可以通过在人工系统中引入信息素衰减来克服这个问题：当化学物质快速蒸发时，较长的路径将难以维持稳定的信息素踪迹。然后，即使较短分支被延迟发现，软件蚂蚁也可以选择它。此属性非常理想，因为它可以防止系统收敛于平庸的解决方案。（在L. humile中，信息素浓度确实会衰减，但速度非常慢。）
在信息素蒸发的计算机模拟中[参见第 42 页中间的插图]，研究人员向人工蚁群展示了到巢穴距离不同的相同食物来源。起初，虚拟蚂蚁随机探索它们的环境。然后，它们建立了连接所有食物来源到巢穴的踪迹。接下来，它们仅维护距离巢穴最近的来源的踪迹，从而导致对这些供应的利用。随着食物的耗尽，软件蚂蚁开始袭击更远的来源。
扩展这个蚂蚁模型，布鲁塞尔自由大学的计算机科学家马可·多里戈和他的同事们设计了一种解决著名的“旅行推销员问题”的方法[参见前页的方框]。该问题要求找到恰好经过给定数量城市一次的最短路线。这个测试很有吸引力，因为它很容易表述，但却极其难以解决。它是“NP 完全”的：解决方案需要的计算步骤的数量增长速度比城市数量的任何有限次方都快（NP 代表nondeterministic polynomial）。对于此类问题，人们通常尝试找到一个足够好但不一定是最佳的答案（即，一条足够短但可能不是最短的路线）。多里戈表明，他可以通过使用经过调整的人工蚂蚁来获得接近最优的路线，这些蚂蚁沉积的信息素浓度会随着它们行进的总距离而变化。
类似的方法已在许多其他优化任务中获得成功。例如，人工蚂蚁为经典的二次分配问题提供了最佳解决方案，在该问题中，必须将多种商品的生产分配给不同的工厂，以最大程度地减少物品在设施之间运输的总距离。在一个相关的应用中，英国联合利华的戴维·格雷格和新墨西哥州圣达菲生物集团的文森特·达利报告说，他们开发了一种基于蚂蚁的方法，用于减少在大型联合利华工厂中执行给定工作量所需的时间。该系统必须有效地调度各种储罐、化学混合器、包装线和其他设备。
除了解决基本上是静态或不变的优化问题外，类蚂蚁代理还可以应对故障和动态环境——例如，机器发生故障的工厂。通过维护信息素踪迹并不断探索新路径，蚂蚁会意外地建立备份计划，从而为应对环境变化做好准备。这种特性可能解释了真实蚂蚁的生态成功，对于许多应用至关重要。
考虑电话网络的动态不可预测性。从 A 到 B 的电话通常必须经过多个中间节点或交换站，这需要一种机制来告诉呼叫它接下来应该跳到哪里以建立 A 到 B 的连接。显然，此过程的算法应避免拥塞区域以最大程度地减少延迟，并且当条件发生巨大变化时，备份路由变得尤其有价值。机场的恶劣天气或电视上的电话竞猜活动将导致网络流量的瞬时局部激增，需要即时重新路由呼叫，使其通过系统中不那么繁忙的部分。
为了处理这种情况，当时都在惠普公司位于英国布里斯托尔的研究实验室的鲁德·顺德沃德和珍妮特·布鲁顿，以及当时在西英格兰大学的欧文·荷兰，发明了一种路由技术，其中类蚂蚁代理在网络节点处沉积信息位或“虚拟信息素”，以加强通过非拥塞区域的路径。同时，蒸发机制调整节点信息，以不利于通过繁忙区域的路径。
具体来说，每个节点都维护一个路由表，该表根据电话呼叫的目的地告诉电话呼叫下一步去哪里。类蚂蚁代理不断调整表条目或分数，以反映当前的网络状况。如果代理由于通过了网络的高度拥塞部分而经历了长时间的延迟，则它只会向表条目添加极少量的“信息素”，这些条目会将呼叫发送到该过载区域。用数学术语来说，相应节点的分数只会略微增加。另一方面，如果代理从一个节点快速移动到另一个节点，它将通过留下大量“信息素”来加强该路径的使用——即，通过大幅增加适当的分数。计算结果表明，即使繁忙的路径根据定义可能有很多代理在其上行进，但它们的累积“信息素”也将少于代理较少的非拥塞路径。
该系统通过应用数学形式的蒸发来消除过时的解决方案：所有表条目都定期减少少量。此过程以及类蚂蚁代理增加分数的方式旨在协同工作，以便繁忙的路线经历的蒸发多于增强，而非拥塞的路线则恰恰相反。
蒸发和增强之间的任何平衡都可能很容易被破坏。当先前良好的路线变得拥塞时，跟随它的代理会延迟，并且蒸发会克服增强。很快，该路线被放弃，代理发现（或重新发现）替代方案并加以利用。好处是双重的：当电话呼叫通过网络的更好部分重新路由时，该过程不仅允许呼叫快速通过，而且还使拥塞区域能够从过载中恢复。
几家公司已经探索了这种方法来处理其网络上的流量。法国电信和英国电信在将基于蚂蚁的路由方法应用于其系统方面处于领先地位。在美国，MCI WorldCom（现为 Verizon 的一部分）不仅调查了人工蚂蚁以管理公司的电话网络，还调查了用于其他任务（如客户计费）的人工蚂蚁。然而，最终的应用可能是在互联网上，那里的流量尤其不可预测。
为了应对互联网的苛刻条件，多里戈和他的同事吉安尼·迪卡罗（现任瑞士卢加诺达莱莫勒人工智能研究所）通过考虑其他几个因素（包括信息从其来源地到达目的地所需的总时间）提高了蚂蚁代理的复杂性。（电话网络的方法仅考虑从一个节点到另一个节点所需的时间，并且假设反向流量相同。）模拟结果表明，多里戈和迪卡罗的系统在最大化吞吐量和最小化延迟方面都优于所有其他路由方法。事实上，广泛的测试表明，基于蚂蚁的方法优于互联网当前使用的协议开放最短路径优先，在该协议中，节点必须不断地相互通知与其连接的链路的状态。
[分隔符] 群体应用
社会性昆虫的其他行为激发了各种研究工作。计算机科学家正在研究昆虫群体，以设计用于控制机器人群体的不同技术。正在研究的几个应用受到沿着信息素踪迹协调交通或蚂蚁群体中自组装链的形成的启发[参见第 44 页和 45 页的方框]。使用这种方法，工程师可以设计相对简单且廉价的机器人，这些机器人可以协同工作以执行越来越复杂的任务。在另一个项目中，最初引入的模型来解释蚂蚁如何聚集同伴尸体和分类幼虫，已成为分析金融数据的新方法的基础[参见对面页的方框]。而研究蜜蜂分配任务的灵活方式可能有助于为工厂中的作业调度提供更有效的方法[参见右侧的方框]。
其他例子不胜枚举。应用关于黄蜂如何建造巢穴的知识，当时在俄亥俄州代顿空军技术研究所的丹·彼得罗维奇设计了一群微小的移动卫星，这些卫星将自组装成一个更大的预定义结构。密歇根州安娜堡新向量公司的 H. 范·戴克·帕鲁纳克部署了各种类昆虫软件代理来解决制造问题——例如，调度工厂的复杂供应商网络。罗格斯大学的保罗·B·坎托开发了一种群体智能方法，用于在万维网和其他大型网络上查找信息。网络冲浪者如果属于用户“群体”，则可以访问由同伴在先前搜索中留下的数字信息素（本质上是评分）形式的信息。
的确，群体智慧的潜力是巨大的。它提供了一种设计系统的替代方法，这些系统传统上需要集中控制和广泛的预编程。相反，它以自主性和自给自足为豪，依靠简单个体代理之间的直接或间接互动。此类操作可能会导致系统能够快速适应快速波动的条件。
但该领域仍处于起步阶段。由于研究人员缺乏对昆虫群体内部运作的详细了解，因此识别这些群体中个体相互作用的规则一直是一个巨大的挑战，并且在没有此类信息的情况下，计算机科学家很难开发出合适的软件。此外，尽管群体智慧方法在执行许多优化和控制任务方面是有效的，但已开发的系统本质上是被动的，并且缺乏解决需要深入推理技术的问题的必要概览。此外，对该领域的一种批评是，使用自主的类昆虫代理将导致它们居住的计算机中出现不可预测的行为。然而，这种特性实际上可能最终成为一种优势，因为它可能使此类系统能够适应解决新的、不可预见的问题——这是传统软件通常缺乏的灵活性。
许多未来学家预测，芯片将很快嵌入到数千种普通物品中，从信封到垃圾桶再到生菜头。要使所有这些硅片以有意义的方式相互通信，将需要新的方法。正如高科技作家凯文·凯利所说，“愚笨的零件，适当连接成群，产生智能的结果。” 当然，诀窍在于所有零件的适当连接。
[分隔符] 作者
埃里克·博纳博和居伊·特罗拉兹研究社会性昆虫的行为以及这些行为在人工“群体智慧”系统设计中的应用。博纳博是马萨诸塞州剑桥市 Icosystem 公司的首席科学官。他获得了巴黎第十一大学（巴黎-南）的理论物理学博士学位以及计算机科学和应用数学高级学位。特罗拉兹是法国图卢兹保罗·萨巴蒂埃大学 CNRS 动物认知研究中心的科研主任。他获得了普罗旺斯大学的神经科学和动物行为学博士学位。