コンピュータすら能力を向上させる「アリの集合知」がすごい

artificial-intelligence

Credit:Ofer Feinerman
point
  • アリは集合知によって感知能力を向上させており、効率的に巣まで食料を運べる
  • アリの集合知を模倣することで、コンピュータの探索能力が向上した
  • アリは感知能力を向上させるだけでなく、そのために必要な探索範囲すら把握しているかもしれない

アリには「集合知」が見出せます。

「集合知」とは、多くの知識や能力が集まることによって、単一の個体よりも高度な知性が見いだせるものです。これは、集団的知性とも呼ばれています。

イスラエルのワイツマン科学研究所の主任研究員であるオファー・ファインマン氏ら研究チームは、アリが集合知を働かせることによって、食料を効率的に運搬できることを発見しました。

リアル迷路を解く方法

迷路を解くとき、正解ルートをどのように鉛筆でなぞりますか?

Credit:depositphotos

「片っ端からなぞっていき、行き止まりだったら引き返す」という方法もありますが、効率が悪いですよね。

多くの方は、分岐点に遭遇すると一旦鉛筆を止めて、目でその周辺を確認して最適なルートを探すのではないでしょうか。そして、最適ルートが分かればそのルートにそって再び鉛筆を走らせるのです。

このように、迷路解答法として効果的なのは、鉛筆の先だけを「部分的」に見るのではなく、「範囲を広げて」見ることでしょう。

しかし、身の丈以上の壁に囲まれた「リアル迷路」の中では、同じような方法は取れません。ふかん的な視点が得られないので、行き当たりばったりに行動するしかありません。

小さなアリたちにとっては、毎日が「リアル迷路」です。障害物が散在する自然界の中で、食料を巣まで運ばなければいけないからです。

では、アリたちはどのように効率的に迷路の正解ルートを見つけだしているのでしょうか?

研究チームは、その能力を明らかにするために、1つの実験を行ないました。

アリたちは集合の感知範囲をもつ

最初に研究者たちは、均等な大きさの立方体をランダムにばらまくことで、自然の環境を模した石だらけの迷路を作成。

次に、ターゲットであるロングホーン・クレイジーアリに食料を持たせて、迷路を通って巣まで運ぶようにセッティングしました。

途中のブロックが多ければ多いほど複雑な迷路になるので、ブロックの数に応じてアリたちの対応力を調べることができます。

Credit:Ofer Feinerman

実験の結果、のアリたちは、迷路が複雑になればなるほど、迷路を解くための時間が長くなりました。そして、ブロックの割合が55%までは何とか正解しましたが、60%になるとゴールにたどり着けなくなりました。

その後、研究チームは、アリのパフォーマンスとプログラムされた運動モデルを比較することにしました。

このコンピュータモデルは、ブロックに衝突することで進む方向が変化するようになっており、最終的にはゴールに到達できるようプログラムされています。いわゆる「行き当たりばったり」作戦ですね。

検証の結果、非常に単純な迷路を除いて、アリの方がコンピュータモデルよりも迷路をクリアする能力が高いと証明されました。

つまり、アリは迷路を「行き当たりばったり」ではなく、何らかの感知方法によってふかん的な視点を得ており、効率的な正解ルートを見出していたことになります。

では、アリたちの感知方法とはどんなものなのでしょうか?

集合による範囲感知

アリの集団行動は、周囲情報を感知するリーダーアリによって誘導されることが知られています。そして、このリーダーアリは荷物(食料)を運びません。

Credit:depositphotos

そのため、研究者たちは運搬係ではないアリたちに注目しました。

そうしたところ、そのアリたちが運搬係の集団から半径10㎝ほどの円形領域に広がっていることが分かりました。

ほんの数匹のアリしか遠くにはいませんでしたが、1匹のリーダーアリでさえ、グループを操縦し、障壁を回避するために10cmの距離をガイドすることができました。

また運搬アリが立ち往生した際には、リーダーアリが常に横断可能かもしれないルートを提示していたことも明らかになりました。

そして、障害物を迂回する道を見つけるまで、グループ全体が協力して、提示されたルートを探索することができるようになったのです。

このようにして、アリたちは自分たちの感知範囲を遠くまで広げており、障害物となり得る情報を得て、正解ルートを見出していたのです。

この「集団による感知方法」が迷路を解く鍵となるかどうかを確かめるために、研究チームは、アリと同様の「集団感知」をコンピュータに学習させ、迷路を解く能力が向上するかテストしました。

Credit:depositphotos

その結果、彼らの予想通り、コンピュータは感知能力を向上させ、アリと同じ解答パフォーマンスを示しました。

また、コンピュータの感知範囲をアリより広くしてもパフォーマンスが良くなることはありませんでした。

これは、アリが特定の迷路に最適な感知範囲を見つけ出していたことを示唆しています。

ファインマン氏によると、アリは集合知によって感知範囲を広げています。そして、この感知能力は、無秩序な環境を移動するための既知のコンピュータモデルより、移動時間の点で非常に優れているとのこと。

アリたちの集合知は、個のパフォーマンスを大きく凌駕します。この仕組みをコンピュータやインターネットとの相性が良いものです。まだまだ自然界に学ぶことはあり、それによって、コンピュータは集合知としてのさらなる能力を獲得するのかもしれません。

研究の詳細は5月12日、「eLife」に掲載されました。

reference: elifesciences / written by ナゾロジー編集部
あわせて読みたい

SHARE

TAG