人们常说蚂蚁和蜜蜂是非常聪明的昆虫,其实单只蚂蚁或蜜蜂并无聪明可言,聪明的是它们的群体。而对蜂群等集群智能(又称群体智慧)的研究,于人类解决一些系统管理问题有所启迪——

蚂蚁在爬行时看上去是那么地自信,似乎有自己的行动计划。否则,它们如何组织起蚂蚁社会的“高速公路”、建造起精致的巢穴和发动大规模的战争?

事实上,这种看法大错特错。蚂蚁并不是聪明的工程师、建筑师或者战士——至少对于单个蚂蚁来说是这样的,大多数蚂蚁对于下一步该做什么可以说是茫然无知的。斯坦福大学的生物学家黛博拉·M·戈登(Deborah M.Gordon)认为:如果观察单只蚂蚁尝试做成某件事的话,你就会发现它是多么地力不从心“。蚂蚁并不聪明,聪明的是蚂蚁群体。”

蚂蚁群体能够解决个体所无法解决的问题,如以最短的路径到达最丰富的食物源,给工蚁分派各种不同的任务,或者在外敌入侵时保卫自己的领土。作为个体,蚂蚁微小得不堪一击,但是作为群体,它们能够对环境做出迅速而有效的反应,其“武器”就是群体智能。

蚂蚁和蜜蜂的群体智能来自哪里?个体简单行为如何形成复杂的群体行为?如果许多个体不协调,成百上千的蜜蜂又怎么能做出某个重要决定?是什么让一群鲱鱼在一瞬间改变行动方向的?没有一个个体能够掌控全局,这些生物的群体能力似乎不可思议,生物学家也一直困惑不已。但在过去的数十年里,研究人员有了一些有趣的发现。

蚂蚁“自组织系统”管理模式

在蚂蚁群体中,没有将军指挥士兵,也没有管理者领导工峰。蚁后除了产卵之外,并没有统治群蚁之责。即使是一个有着50万只蚂蚁的庞大群体,蚂蚁也能有条不紊地各行其职,其中没有“带头者”,依靠的是个体之间的交互,遵循的是一种简单的“经验法则”,科学家将其称之为一种自组织系统。

以蚂蚁的分工为例,戈登博士在亚利桑那州沙漠对一种红蚁观察后发现,每天早上寻找食物的工蚁数量随着环境的不同有所变化。如果发现了食物,就会有更多的蚂蚁出洞搬运食物。如果暴雨冲垮了蚁穴,就会有更多的蚂蚁从事蚁穴的维修。如果它们中间没有领袖,那么又是谁来安排蚂蚁的具体工作呢?

戈登的理论是:蚂蚁通过触觉和嗅觉互通信息,然后再做出决策——用触角判断对方是否属于同一个蚁巢和与外出巡视的蚂蚁沟通——判断外出是否安全,决定是否出去等。至于下一步工作如何安排,则由整个蚁群决定,而不是哪个特定的个体。

这就是蚂蚁“群体智慧”的工作原理:它们遵循简单的经验法则,个体以局部信息为行动依据,没有一只蚂蚁能够通观全局,也没有一只蚂蚁知道其他蚂蚁在做什么。对于它们来说,复杂的行为是通过个体间简单的接触完成的,它们不需要带头者。

受到蚁群行为的启发,休斯敦市的一家空气液化公司运用“蚂蚁策略”管理企业的运作。该公司在美国有100多个生产网点,将生产的氮气、氧气和氢气通过管道、铁路和卡车向6000多个用气点运送,以此降低成本及效率等决策管理中存在的问题。

该公司根据蚂蚁利用信息素(一种化学物质)进行交流的特性,开发出了一种蚂蚁觅食模式的计算机程序(当蚂蚁觅食时,会在途中留下踪迹,其他蚂蚁寻觅而去,进而找到最佳路线)。

具体来说,就是将蚂蚁的行为法则与人工智能结合在一起,预先将客户需求以及卡车行使路线变化等各种数据输入计算机程序中,就能得出合理的工作方案——即使路途遥远,司机也能根据方案将运费保持在最低的水平上。在“蚂蚁原则”系统的管理下,该公司节省的成本相当可观。

模仿蚂蚁的行为,其他一些公司也受益匪浅。意大利和瑞士的乳制品、民用燃料以及日用品运输车队,都采用了蚂蚁觅食法则来确定最佳的送货行程。包括英格兰和法国的电话公司,为使通讯线路更畅通快捷,通过程序在电话转接站存储虚拟信息素,就像觅食蚁为其他蚂蚁找到最佳路径一样。

蜜蜂决策能力与人类群体行为

蚂蚁并不是唯一让人类领悟到群体智慧的昆虫。康奈尔大学的生物学家托马斯·西利(Thomas Seeley)长期以来一直在观察蜜蜂奇特地决策能力——一个蜂房里的工蜂多达50000之多,蜜蜂是如何统一分歧、为蜂群谋得最大利益的?

西利发现,蜜蜂做出决策的法则是“集思广益”“、各抒己见”,用一种有效的机制使选择最小化,这让西利大为惊讶。他把从蜜蜂身上学到的决策方法运用到一些会议上,让与会者考虑所有的可能性,提出各自的想法或意见,然后通过投票决定。他说“:蜂群正是这么做的,好主意就在大家的畅所欲言中脱颖而出。”

事实上,几乎任何遵循蜜蜂法则的团体都使自己变得更加聪明,股票市场的投资者,从事研究的科学家,甚至猜测罐中豆子数量的小孩们,如果他们是由一个多样化的、有着各自独立见解的群体组成,并使用表决、求平均值之类的办法获得决策的话,都有可能成为聪明的群体。

以赛马为例。为什么预测的结果往往十分准确?从马开始起跑之时,胜败比值就在赛马赌金计算器上显示出来(是从下注的赌金计算出来的)。根据几乎总能预测出赛事的结果,其中的原因就是,赛马赌金计算器相当于一个近乎完美的群体智慧的机器。

如果再作进一步的深究,就能发现赌马人确实是一个多样化的群体,是一些经常分析赛事并对赛马品种十分了解的专家,当然也有一些随机参赌的人。比如有些女性只喜欢黑色马匹,就像蜜蜂试图做出决策一样,赌马者在众说纷纭的人群中收集着各种信息,他们下注的那一刻便集中了众人的判断,这就是群体的智慧。

鸟类同步行动与机器人的协作

鸽子在受惊时会同时飞离,没有鸽子会告诉同伴此时该怎么做。相反,它们只是随时注意着身边的鸽子。在空中盘旋时鸽子也是遵循着简单的法则,形成了另一种群体智慧,但这种群体智慧与决策没有多大联系,只是行动非常地同步。

克雷格·雷诺兹(Craig Reynolds)是一位计算机图形研究专家,对鸽子的行为法则非常好奇。1986年他创建了一个计算机模拟程序:给予每个鸟形物体3个指令:一、避免与邻近的鸟儿冲撞;二、与邻近的鸟飞行方向保持一致;三、与邻近的鸟保持贴近。当程序运行后,这些“鸟儿”在计算机屏幕上“飞行”时,就像真的鸟群一样。如今在索尼公司工作的雷诺兹正在从事游戏的开发——能够实时模拟1.5万个个体的鸟群、鱼群或人群的运算法则。

雷诺兹对鸟类群体行为的模拟,不仅展示了动物的“自组织模式”,同时也为机器人工程技术拓展了道路——一组能协同行动的机器人就像鸟群一样,比单一机器人更具优势。在一个区域内展开工作后,群体机器人的作用就如同一个强大的移动传感网在收集各种信息。如果机器人群体遭遇某些意外的情况,即使它们的智能化程度并非很高,也能较为迅速地做出反应并进行调整,如果群体中一个机器人出现故障,其他机器人就会替代它的位置。最为重要的是,群体机器人的控制权是分散的,而不是依赖于某个领袖。

“在生物中有着大批成员的群体,其中极少有中心领导的情况”,宾夕法尼亚大学机械工程学教授维嘉·库马尔(Vijay Kumar)说。在今后5年内,库马尔希望网络机器人能投入实际应用,即这些机器人能够在第一时间作出反应。“比方说我们收到了一个火警电话”,他说“,警报拉响后,机器人应最先做出反应;在消防队员到达之前,机器人会率先进入火灾现场灭火。”

作为实现这个构想的第一步,名为“swarmanoid”的合作型群体机器人的开发正在向纵深发展,包括能快速移动的机器人、飞檐走壁的机器人,以及在空中专司侦察的飞行机器人。

曾在2004年初的一项实验中,研究人员把有66个小型机器人的群组放入一座大楼里,任务是在楼内寻找目标。当一英尺高的机器人沿着走廊移动着,活像一群大型昆虫。为避免碰撞,每台机器人都装有声波导航和测距装置,并通过小型摄像机在各个房间内搜索目标物。在执行搜寻任务中,机器人可使用配备的装置实时交换信息“:嘿,大楼的一号区域已搜索过,你到别的地方去看看吧。”

当发现可疑物时:壁橱里有一个粉红色的圆球(搜寻目标是粉红色的物品),机器人即刻将物品的图片通过摄像机传送到管理中心。半小时内,6个隐藏的目标物都被发现,试验完美成功。

该实验的目的,是研究机器人群体能否协作共同完成一项任务。如果可行,那么在不久的将来,机器人群体将被用于清除恐怖分子或追查在逃案犯、寻找地震受难者、查寻化学物渗漏处以及危险废弃物的排除等。类似的研究方向还包括机器人直升机群组、机器人水下滑翔机群组,以及无人驾驶地面车群组等。

群体动物御敌策略与因特网

在大自然中,动物以庞大的群体四处迁徙,那是因为它们需要找寻食物、择偶或选择产仔地决定的。对于这些动物而言,其间的协调和配合是关乎生死存亡的大事。

“对捕食鱼来说,避免被1000条鱼发现要比避免被一条鱼发现难得多,”华盛顿大学的生物学家丹尼尔·格伦鲍姆(Daniel Grünbaum)说“,当捕食鱼快速冲向鱼群时,其他鱼能从邻伴处得知将要发生的事情。”

陆地上的动物也有类似的行为,野生动植物学家卡斯滕·赫乌尔(Karsten Heuer)4年前利用长达5个月的时间全程跟踪驯鹿群——从加拿大北部迁徙到美国阿拉斯加国家野生动物避难所的全过程,行程1600公里。

赫乌尔说,动物的群体行为“很难用言语来表述,鹿群移动时,就好似云层的阴影越过大地;而在改变方向时,鹿群就像多米诺骨牌一样,朝着一个方向“倾倒”。每只动物都知道其邻伴将要做什么,没有预见性,无因无果,一切就这样在瞬间发生了。”

当鹿群遭遇狼时,更显示出典型的群体防御智慧。卡斯滕说,当狼接近鹿群时,每头鹿都伫立不动,警觉地观望着。当狼距离鹿群100英尺左右时,离狼最近的驯鹿马上转身奔跑,整个鹿群瞬间开始奔跑,就像掀起一阵波浪。最终,整个鹿群都逃离了,而狼却被远远地甩在后面。

想象一下,如果一头饿狼被放入到人群之中,将会引起什么样的惊恐;而驯鹿知道什么时候该跑,应该往哪个方向跑,整个过程没有一头驯鹿去安排鹿群该往何处跑,它们只是遵循着数千年养成的简单的经验法则。

这就是动物群体智慧的非凡魅力。无论是蚂蚁、蜜蜂、鸽子或是驯鹿,这些智慧群体基于自身经验的简单法则,为人类提供了解决复杂问题的策略。

动物群体智慧给人类带来的最大变化也许是在因特网上。看看谷歌搜索引擎是如何利用群体智慧来搜索用户所要寻找的东西。当你输入搜索内容后,其索引服务器就会在数十亿网页上进行搜索,并识别认定最为相近的内容,然后根据与搜索字符相衔接的页面进行相关网页的排序。通过这种方式,谷歌“利用因特网的群体智慧决定了相关网页的重要性。”

被称为“维基百科”的网站同样被证明是一个群体智慧的巨大成功。维基百科用200多种语言解释的数以百万计的文章——用户可以对任何一个主题给出自己的解释或者进行编辑。麻省理工学院群体智能研究中心的托马斯·马隆(Thomas Malone)说“:现在数以万计的、或更多的人可以在不同区域同时对某一问题进行思考,这在几十年前是无法想象的。没有一个人能够拥有所有的知识,但是作为一个群体,我们能够了解人类至今所开发和掌握的所有知识。”