螞蟻完爆人類？群體協作啟發AI發展

螞蟻的群體智慧超過了人類智能？近日，以色列科學家在《美國國家科學院院刊》上發表的一項螞蟻實驗研究結果引發討論。

研究人員以經典幾何問題“鋼琴搬運難題”為靈感，讓長角立毛蟻和人類搬運者比賽移動“工”字形物體穿越迷宮。實驗結果顯示，螞蟻群體的表現優于個體，并在某些情況下超越了人類團隊。

螞蟻不具備復雜的思維能力，卻通過群體協作更高效地完成了任務。這一發現讓簡單與復雜之辯重回討論視野。復雜是否一定優于簡單？當前人工智能的研究是否正走在一條錯誤的道路上？“吃瓜網友”頻頻發問。

螞蟻搬運實驗如何啟發人工智能發展

在鋼琴搬運難題的實驗中，螞蟻的集體記憶被認為發揮了重要作用。研究表明，螞蟻群體中的任何個體的失敗嘗試都會被其他成員利用，以避免重復犯錯。這種行為類似人工智能領域的“經驗回放機制”，就像是在智能體中放置了一個錄像機或筆記本，可以通過不斷匯聚集體記憶形成可以重復利用的經驗池。當集體遭遇新的情況之時，可以便利地調用池中的經驗，進行回放學習，以快速解決新的問題。圍棋機器人AlphaGo 就是經驗回放機制的典型應用。

此外，螞蟻群體在遭遇失敗后展現出了極強的快速調整能力。當路徑被堵住時，螞蟻也會立刻改變方向，這種動態調整能力正是人工智能目前缺乏的。螞蟻執行任務的策略可以為當下智能機器人的路徑規劃提供借鑒，通過不斷試錯，機器人將能夠找到最優答案。

同時，螞蟻的群體協作也為機器人功能開發提供了有益的啟示。螞蟻在群體內部有著明確的分工機制，蟻后、工蟻等各自承擔不同的職能，配合實現群體內部的高效運行。因此，智能機器人的研發也不必追求無所不能，無須力圖在一款機器人身上集中所有的功能，可以將不同的功能分散給多個機器人，搭建起良好的協作框架，以追求“1+1 ＞ 2”的最終效果。

人工智能研究如何借鑒生物智能

事實上，人工智能領域對螞蟻行為早有研究，蟻群算法就是模仿自然界螞蟻覓食行為產生的。螞蟻會沿著信息素濃度較高的路徑行走，而每只路過的螞蟻都會在路上留下信息素，這就形成一種類似正反饋的機制。由此，蟻群總是可以尋找最短到達食物源的路徑。

除此以外，人工智能領域還有模仿狼群社會協作機制的狼群算法、借鑒鳥類覓食機制的粒子群算法、模擬座頭鯨捕獵行為的鯨魚算法等，這些都是學習生物智能的有益成果。

在廣大的自然界之中，不論是動物還是植物，在經過了億萬年的演化之后，都形成了各自的優勢。在人類看來比較復雜的某些事情，它們也許就能手到擒來。這些都值得人類學習、借鑒。

人工智能的發展方向是“追求復雜”嗎

多年來，人類致力打造復雜的神經網絡，希望讓機器來模擬人類大腦的思維方式，“追求復雜”似乎是人工智能發展的重要取向。

人工智能發展的目的是解決現實問題，而不是單純追求復雜。從感知機到深度學習網絡，表面來看，人工智能的確向著愈加復雜的方向不斷發展，但每個發展階段都有其需要解決的特定任務。車牌識別、人臉識別都經歷了從初步了解到熟練掌握再到廣泛應用的轉變過程。

與此同時，繁簡與優劣之間也不存在必然的聯系。看似簡單的現象，實際上背后的生物機理并不簡單。螞蟻經過長期的自然演化，能在群體協作方面做到極致，是熟能生巧的結果。同樣，人腦智能也是自然演化的結晶，二者都是值得研究學習的對象，無須區別高低、優劣。

但是，隨著科學的進步，這些復雜的事情，人工智能會使其變得越來越簡單。