Gumaman burung jalak terbentuk saat siang hari memudar di atas tempat bertenggernya. Shutterstock / Albert Beukhof

Kata gerombolan sering membawa konotasi negatif - pikirkan wabah belalang alkitabiah atau jalan raya yang penuh dengan pembeli di menit-menit terakhir selama kesibukan Natal. Namun, berkerumun sangat penting untuk kelangsungan hidup banyak kelompok hewan. Dan sekarang penelitian tentang berkerumun memiliki potensi untuk mengubah banyak hal bagi manusia juga.

Lebah berkerumun untuk membuatnya mencari koloni baru lebih efektif. Kawanan burung jalak digunakan gumaman yang mempesona untuk menghindari dan membingungkan predator. Ini hanya dua contoh dari alam tetapi berkerumun dapat dilihat di hampir setiap sudut kerajaan hewan.

Penelitian dari matematikawan, ahli biologi, dan ilmuwan sosial membantu kita memahami gerombolan dan memanfaatkan kekuatannya. Ini sudah digunakan untuk pengendalian massa, manajemen lalu lintas dan untuk memahami penyebaran penyakit menular. Baru-baru ini, ini mulai membentuk cara kami menggunakan data untuk perawatan kesehatan, mengoperasikan drone dalam konflik militer, dan telah digunakan untuk mengalahkan peluang taruhan yang hampir tidak dapat diatasi dalam acara olahraga.

Kawanan adalah sistem yang lebih besar dari jumlah bagian-bagiannya. Sama seperti banyak neuron membentuk otak yang mampu berpikir, mengingat, dan emosi, kelompok hewan dapat bertindak serempak untuk membentuk "otak super", menampilkan perilaku yang sangat kompleks yang tidak terlihat pada masing-masing hewan.

Pakar kehidupan buatan Craig Reynolds merevolusi studi tentang swarming pada tahun 1986 dengan diterbitkannya Model boid simulasi komputer. Model Boids memecah kerumunan menjadi seperangkat aturan sederhana.

Boid (bird-oids) dalam simulasi, seperti avatar atau karakter dalam video game, diinstruksikan untuk bergerak ke arah yang sama dengan tetangganya, bergerak menuju posisi rata-rata tetangganya, dan menghindari tabrakan dengan boid lain.

Simulasi boids sangat akurat jika dibandingkan dengan kawanan nyata.

Model Boids menunjukkan bahwa berkerumun tidak membutuhkan pemimpin untuk mengoordinasikan perilaku – seperti pejalan kaki di pusat kota daripada tur museum yang dipandu. Perilaku kompleks yang kita lihat dalam kawanan muncul dari interaksi antar individu yang mengikuti aturan sederhana yang sama secara paralel. Dalam bahasa fisika, fenomena ini dikenal sebagai munculnya.

Pikiran sarang

Pada 2016, perusahaan teknologi AS AI dengan suara bulat menggunakan kekuatan kecerdasan segerombolan untuk menangkan taruhan “superfecta” Kentucky Derby, berhasil memprediksi pembalap pertama, kedua, ketiga dan keempat dalam pacuan kuda AS yang terkenal.

Pakar industri dan algoritma pembelajaran mesin konvensional membuat petak prediksi yang salah. Namun, penggemar balap amatir yang direkrut oleh AI dengan suara bulat mengumpulkan pengetahuan mereka untuk mengalahkan Peluang 541/1.

 Penumpang yang penuh harapan bertaruh jutaan dolar di Kentucky Derby setiap tahun. Shutterstock / Cheryl Ann Quigley

Kesuksesan para relawan terletak pada cara prediksi mereka dihasilkan. Alih-alih memilih pengendara dan menggabungkan pilihan mereka, para sukarelawan menggunakan Platform kecerdasan segerombolan AI dengan suara bulat untuk berpartisipasi dalam tarik tambang digital waktu nyata, yang terinspirasi oleh kawanan burung dan lebah.

Semua sukarelawan secara bersamaan menarik tombol ke arah pilihan masing-masing. Hal ini memungkinkan orang untuk mengubah preferensi mereka dalam menanggapi tindakan orang lain (misalnya, seseorang mungkin telah beralih ke pilihan kedua mereka, B, daripada pilihan pertama mereka, C, jika mereka melihat A dan B adalah favorit yang jelas. ).

Menanggapi satu sama lain secara real time memungkinkan sukarelawan AI dengan suara bulat untuk mengungguli secara kolektif individu yang sangat berpengetahuan.

Terlebih lagi, jika pilihan individu sukarelawan yang paling sering menentukan pemesanan, hanya itu Pemenang 2016 dan favorit bandar judi, Nyquist, akan ditempatkan dengan benar.

Masalah kesehatan

Teknologi pengerumunan serupa juga meningkatkan minat pada kesehatan sektor dimana berbicara tentang revolusi AI mendorong meningkatnya kekhawatiran seputar privasi pasien.

Sebagai ketergantungan pada teknik berbasis data dalam perawatan kesehatan meningkat, demikian juga permintaan untuk kumpulan data pasien yang luas. Salah satu cara untuk memenuhi tuntutan tersebut adalah dengan mengumpulkan informasi antar lembaga dan dalam beberapa kasus, negara.

Namun, transfer data pasien sering dikenakan peraturan perlindungan data yang ketat. Solusi untuk masalah ini adalah dengan hanya menggunakan data internal, meskipun hal ini sering mengorbankan akurasi diagnostik.

Alternatifnya terletak pada pengerumunan. Para peneliti percaya kecerdasan segerombolan bisa mempertahankan akurasi diagnostik tanpa perlu pertukaran data mentah antar institusi.

Studi pendahuluan telah menunjukkan desentralisasi penyimpanan data ke dalam jaringan node yang saling berinteraksi dapat memberikan manfaat kebijaksanaan bersama kepada institusi. Ini berarti tidak ada hub pusat yang mengoordinasikan aliran informasi, dan institusi tidak dapat mengakses data pasien pribadi satu sama lain.

Pembelajaran mesin terpusat menggunakan data yang diunggah ke hub bersama tempat pembelajaran mesin berlangsung menggunakan semua data yang tersedia. Dalam sistem terdesentralisasi, setiap institusi secara terpisah menyimpan datanya di node masing-masing. Pembelajaran mesin terjadi secara lokal di setiap node (hanya menggunakan data internal), tetapi hasil pembelajaran mesin dibagikan di antara jaringan, untuk kepentingan semua node. Proses ini memastikan bahwa data mentah pasien tidak dipertukarkan antar institusi, menjaga privasi pasien.
Kawanan drone akan segera memenuhi medan perang. Shutterstock / Fotografi Andy Dean

Kawanan dan peperangan

Teknologi drone semakin banyak digunakan dalam pertempuran garis depan, belakangan ini terutama oleh Pasukan Ukraina dalam konflik Rusia-Ukraina yang sedang berlangsung. Namun, sebagaimana adanya, teknologi drone konvensional membutuhkan pengawasan satu lawan satu.

Penelitian pertahanan saat ini bertujuan untuk memfasilitasi komunikasi antar drone, memungkinkan satu pengontrol untuk mengoperasikan kawanan drone. Perkembangan teknologi semacam itu menjanjikan peningkatan yang jauh lebih besar Skalabilitas, pengintaian dan menyolok kemampuan drone tempur dengan memungkinkan penyampaian informasi terus menerus dalam kelompok drone.

Saat penelitian menggali lebih dalam tentang berkerumun, kami menemukan dunia di mana tindakan kolektif menciptakan kompleksitas, kemampuan beradaptasi, dan efisiensi. Seiring perkembangan teknologi, peran swarm intelligence akan tumbuh, menjalin dunia kita dengan dinamika swarm yang menakjubkan.

Tentang Penulis

Samuel Johnson, Kandidat DPhil Biologi Matematika, University of Oxford

Artikel ini diterbitkan kembali dari Percakapan di bawah lisensi Creative Commons. Membaca Artikel asli.