小螞蟻，大智慧

胡小銳 鐘毅

我們應當虛心地接受一個事實：螞蟻這種小小的節肢動物，無論是個體還是群體，都比我們聰明得多。

螞蟻的大腦真的很大。有的螞蟻，比如被稱作“流浪蟻”的短蟻屬，大腦占其體重的15%。按占比計算，它們是世界上大腦最大的螞蟻。人們經常用大腦在體重中的占比粗略地表示智力水平，盡管這個方法不是非常完美。

我們也可以說螞蟻的大腦非常小。短蟻的大腦重量是0.005毫克——約為一粒鹽的1/10。但是，發表于2011年《大腦行為與進化》雜志上的《螞蟻微型化大腦的異率測定》一文稱，螞蟻的行為表現往往與那些比它們大得多的物種一樣復雜，有時甚至要復雜得多。

正如我們所知，螞蟻作為一個物種，是非常強悍的，原因就是它們幾乎總是攜手合作。當螞蟻攜手合作時，它們能在非常短的時間內處理大量信息，從混亂中建立秩序，盡最大的可能為快速、有效地采集維持生命所需的食物創造條件。

單只偵察蟻的行動可能看起來具有隨機性，它們東奔西走，來回往復，四處尋找食物，往往費了很長時間卻一無所獲。但是，螞蟻的活動之所以看上去混亂不堪，原因之一就是我們很難從螞蟻的角度來欣賞這個世界。盡管螞蟻善于攀爬——它們的6條腿和強勁的鉗子，可以幫助它們攀越高大的障礙物，但從旁邊繞行常常比攀越更容易一些。因此，單只螞蟻的工作不僅僅是尋找食物，還有評價覓食的來回路徑，以保證在發現食物之后其他螞蟻的能量輸出達到最低。

一旦一只螞蟻找到了好吃的東西，它就會取一小塊帶回蟻巢。它會沿途分泌信息素，標記出返回食物所在位置的路徑。但是，因為一只螞蟻的信息素不會持續保留很長時間，所以第一批循跡而來的螞蟻在尋找氣味時仍會四處游走。一段時間之后，這些游走不定的螞蟻就會找到第一只螞蟻沒有發現的更好、更直接的捷徑。隨著越來越多的螞蟻加入這一行列之中，信息素就會在蟻巢與食物之間標記出一條指示清晰、暢行無礙的“高速公路”。

所有這些都與互聯網搜索引擎非常相似。網絡爬蟲在互聯網上四處游蕩，在不斷變化的萬維網的各個角落尋找新的信息。谷歌的網絡爬蟲在發現新的內容后，就會將數據帶回來編入索引。隨后，網絡爬蟲就會一再被送出。它們關注的重點是評估指向該信息的所有可能路徑，確保信息仍然存在并可以有效地訪問。

谷歌引擎每次編索引時會檢索幾十萬億個網頁，每個月檢索數千億次。但對數學家尤根·庫思來說，螞蟻可以將看似隨機的搜索模式轉換成線性路徑，這讓谷歌的卓越算法看起來就像是小學算術。

庫思不是普通的數學家，這位在德國柏林洪堡大學任職的非線性動力學教授，是世界上最有影響力的復雜系統科學家之一。在他的螞蟻覓食行為“混亂—有序轉換”研究（2014年發表）的影響下，科學家已經開始研發模擬生物神經元網絡的計算系統，希望可以解決復雜的數學優化問題，減少計算模型中的不確定性。

不過，螞蟻的高明之處并不僅僅在于合作修建漂筏和覓食“高速公路”，它們還善于建造橋梁——用自己的身體搭建一座實實在在的橋。這不僅是無私的體現，更是智慧的產物。

事實上，這確實需要智慧，因為螞蟻在搭建橋梁時，顯然沒有得到任何指導。試想一下，如果華盛頓·羅布林和埃米莉·羅布林在19世紀末不給施工人員提供具體指導，而是簡單地告訴每名工人可以自行其是，那么布魯克林大橋會被修成什么樣子？但是，當中美洲和南美洲的行軍蟻——鉤齒游蟻需要跨越林地上的缺口時，它們就是這樣做的。

如果缺口不斷擴大，橋就會隨之延伸，在這個過程中同樣沒有任何螞蟻居中指揮。如果全體螞蟻都認為投入修橋工作中的螞蟻數量過多，需要改變行動計劃，那么，它們會整齊劃一地拆除這座橋，回過頭來尋找新的覓食道路。

“這些螞蟻其實是在進行集體計算。它們站在整個蟻群的層面，判斷出它們只能派出這么多螞蟻搭建這座橋，再多就不行了。”生物學家馬修·盧茨在2015年說，“沒有一只螞蟻在監督這個決策過程，它們是作為一個群體來完成計算的。”

越來越多的人接受了螞蟻具有集體智慧這個觀點。與此同時，很多人（甚至是那些研究昆蟲的人）都不太看重螞蟻個體的腦力。就連庫思也認為，盡管螞蟻的集體行為酷似我們所認為的智能，但“單只螞蟻肯定沒那么聰明”。

但新的研究表明，即使是在個體層面，螞蟻也非常聰明。

想一想，在那些暢通無阻的道路和橋梁建成之前，面對廣袤的世界，螞蟻是如何辨明方向的。它們看世界的方式與人類不同，大多數螞蟻的眼睛善于探測運動的事物，但不善于分辨形狀、測量距離。然而，無論采用哪一種測量標準，螞蟻隨時確定自己所在位置的能力，都遠遠強于我們人類。

單只螞蟻收集和處理的線索比我們多得多。像人類一樣，它們也會利用周圍事物的形狀、大小和運動來推斷自己身在何處，確定前進方向。但與此同時，它們還會利用太陽的位置、光的偏振模式、風的方向、氣味的微小變化、腳下地面給它們的感覺，甚至還會利用離開蟻巢之后已經走過的步數。

沒有多少人能同時處理所有這些信息。人類大腦在確定方向時需要獲取零碎的感官線索（主要是視覺線索），然后利用這些線索創建一張認知地圖——對周圍環境的心理表征，通常與我們所處的位置和我們想去的地方有關。但為了創建這幅地圖，我們必須放棄很多信息。而且由于大多數人十分依賴視覺線索，所以放棄的往往都是其他信息。正因為如此，我們在黑暗中很容易迷路，即使是在自己家里，熄燈之后也會磕磕絆絆。

螞蟻不會創建認知地圖，但它們有多個記憶模塊。當出現問題時，它們既可以單獨使用某個模塊，也可以組合使用多個模塊。因為它們不依賴于任何一種表征，所以當它們周圍的世界發生變化時（例如天黑了，一個很大的障礙物突然出現或消失不見了，或者風向發生了變化），它們只需調用不同的模塊，就會大大降低迷失方向的可能性。

所有這些都可以方便地應用到自動駕駛汽車上。汽車自動駕駛是世界上最復雜的工程問題之一。在地圖準確、標識清晰的公路上，自動駕駛汽車大多表現出色。但在情況不斷變化的市區和施工區，它們的表現就會差得多。人們越來越清楚地認識到，對于這種大多數時候循規蹈矩，但偶爾會導致無序狀態的汽車駕駛技術來說，最好的辦法是同時依靠集體智慧和個體智慧。

例如，在減少流量方面，集體智慧是關鍵。物理學家阿普爾瓦·納加爾研究發現，即使螞蟻的數量增加，也不會導致擁堵，是因為有3條簡單規則保證螞蟻通行無阻：第一，由于螞蟻沒有自我的概念，所有螞蟻都不會有“超車”的想法，而且被超越時也不會生氣。第二，螞蟻在發生碰撞時不會停下腳步，所以小事故不會影響交通。第三，交通越擁擠，螞蟻行進的路線就越直，通行也越穩定。

很容易看出規則一和規則三適用于自動駕駛交通。規則二似乎有點兒復雜，不適用于人類和汽車，但你要記住一點：人類司機并不是在真的發生碰撞時才會突然轉向或踩剎車，而這些操作往往會產生連鎖影響，導致后面相距幾分鐘或幾英里的車輛全部減速。如果車輛駕駛者（無論是不是人類）沒有在絕對必要的情況下突然轉向或剎車，哪怕是驚險不斷，也不會減緩交通。你可以稱之為自動駕駛汽車的“不流血，不犯規”規則。這些規則需要精確性和紀律性，只有所有車輛都像螞蟻和算法一樣遵守規則，它們才能發揮作用。

但是，正如自動駕駛技術的先驅們在整個21世紀前10年所認識到的那樣，一旦遇到施工，這些簡單的規則就變得毫無價值。當路錐取代交通標志、安全帽標志取代信號燈時，每輛車就像每只螞蟻一樣，需要遵守一套復雜得多的規則。我們生活在一個動態世界里，僅有一個智能模塊不足以判斷這些規則應該有哪些內容、應該如何遵循這些規則。需要導航時，GPS（全球定位系統）是一個不錯的第一選擇，但是一旦失去衛星信號，它就無法工作。攝像頭被雪覆蓋時，就變得毫無價值。激光測距可以準確地測出靜止物體的距離，但遇到移動的物體，就不那么準確了。雷達的作用可能比聲吶大，也可能比聲吶小，取決于周圍的環境。盡管地圖非常有用，但在路中間有穿著反光背心的人時，就不能盲目地按地圖行駛了。要在這類環境中成功通行，自動駕駛汽車就不能依賴標準統一的地圖，而是必須像螞蟻一樣，通過獨立行動，從多個可用的模塊獲取信息，然后利用這些信息解決手頭的問題，最后還要將結果通報給所有單位。

螞蟻和其他非常聰明的動物身上有很多值得我們學習的東西，我們可以向它們學習，并把學到的東西付諸應用。這也有助于我們實現一個巨大的認知飛躍：盡管我們一直以為某些生物沒有智慧，但現在我們必須承認它們是有智慧的。

（曉曉竹摘自中信出版集團《超級生物探尋指南》）