Los científicos han descubierto una posible fuerza impulsora detrás de algunas de las exhibiciones más hermosas de la naturaleza que allanan el camino para una IA más compleja y autónoma.

Los investigadores querían replicar los mecanismos básicos detrás de algunos de los patrones más altamente organizados vistos en el reino animal, como enormes murmullos de estorninos arremolinados e inmensos bancos de arenques retorcidos.

Grupos como estos que consiste en muchos casos en cientos de miles de animales individuales, parecen moverse como impulsados ​​por una inteligencia colectiva, dijo el autor principal, el Dr. Marco Mazza, profesor de Matemática Aplicada, en la Universidad de Loughborough.

Pero en la realidad, podría deberse a instintos básicos de supervivencia.

"La belleza de la naturaleza ha inspirado a artistas, filósofos y científicos desde que tenemos memoria, "dijo el Dr. Mazza.

"La armonía aparentemente sin esfuerzo en el movimiento colectivo de las aves migratorias, o el banco de peces desafía las explicaciones.

"Nuestro objetivo era obtener un modelo mínimo de características generales de autoorganización en lo natural, o animal, mundo.

"El principio de 'maximizar sus opciones':un sencillo ambición casi trivial:produce patrones organizativos complejos, conocido como el modo Goldstone, un concepto familiar para los físicos que trabajan con materia inanimada.

"Este modo Goldstone es, en lenguaje sencillo, cómo una bandada gigante de estorninos puede cambiar repentinamente de dirección colectivamente como si hubiera un cerebro central.

"Pero en la realidad, no hay una inteligencia central que impulse el comportamiento ".

Dr. Mazza y sus coautores, Hannes Hornischer y el profesor Stephan Herminghaus, Configure simulaciones simples por computadora de grupos de partículas, imitando las que se encuentran en el mundo natural.

Revelaron que los patrones complejos, y la aparición de comportamientos grupales sincronizados, fueron creados por cada individuo del grupo respondiendo de una manera sencilla a las pequeñas influencias de sus vecinos más cercanos.

En el modelo, a cada agente (individuo) se le asignó un objetivo:maximizar las posibilidades futuras disponibles para él.

La onda resultante de información moldeó el movimiento y el "comportamiento" aparente del grupo.

Cuando el grupo se reorganizó en formaciones más complejas, según nueva información, se reevaluó a sí mismo.

Continuó recopilando e intercambiando información, y luego reorganizar, hasta que se logró el objetivo de maximizar el espacio alrededor de cada partícula.

Este proceso, no observado antes, podría ser lo que impulsa el comportamiento colectivo de grandes grupos de animales, peces e incluso humanos.

En naturaleza, este enfoque de un solo objetivo, por ejemplo, defenderse de los depredadores, se encuentra en casi todas las criaturas.

Aprender más sobre cómo los organismos vivos procesan y reaccionan a su entorno podría ayudar a mejorar la inteligencia artificial al proporcionar a los sistemas de IA habilidades cognitivas básicas. haciéndolos menos dependientes de la intervención humana.

El Dr. Mazza dijo:"El paradigma actual de la IA se basa demasiado en grandes cantidades de datos:grandes redes neuronales, por ejemplo, son ávidos de datos de entrenamiento.

"Es posible que esta estrategia ya esté mostrando algunas limitaciones. Cuando se enfrenta a una nueva situación, Los enfoques actuales de la IA requieren reentrenamiento e intervención humana específica que cuesta tiempo y dinero.

"Una forma prometedora de mejorarlo es desarrollar métodos que sean capaces de procesar información novedosa al igual que lo hacen los organismos con cerebro.

"El primer paso sería entonces identificar formas de procesar la información que esté abierta a nuevas entradas y pueda adaptarse fácilmente.

"El enfoque de esta publicación tiene este potencial porque está inspirado en organismos que se han adaptado para procesar y resolver nuevos desafíos durante millones de años de su evolución".