Self-organized Regulation of Group Size and Number in Natural and Artificial Collectives
本論文は、シロミミアナマリスのような人工的および自然的集団が、環境の要求に合わせて自らの集団の規模と数を自己組織化し、能動的に調節することを可能にする、局所的な知覚と個人の好みに基づいた分散型のメカニズムを提案し、検証するものである。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
自然界では、渦巻く魚の群れから忙しく活動するアリのコロニーに至るまで、生き物たちが単独で行動することは滅多にありません。彼らは集まり、分かれ、雲のように形を変えながらグループへと再編されます。この組織化および再編成を行う能力は極めて重要です。グループは捕食者からの保護を提供したり、餌を見つける助けとなったりしますが、もし大きくなりすぎると負担となり、限られた資源を巡ってメンバー同士が争ったり、病気が広がったりすることになります。科学者たちは長い間、グループが最もよく機能するための理想的なサイズ、すなわち「スイートスポット」が存在することを理解してきました。しかし、より深い謎が残っています。個々の生物は、自分の周囲のごく限定的な範囲しか見ることができないのに、どのようにして留まるべきか、あるいは離れるべきかを判断しているのでしょうか？ 彼らには全人口を知る術もなく、いくつのグループが存在するかを数えることもできません。それにもかかわらず、自然界においても人間が作り出す機械においても、グループは何らかの方法で見事に自己調節を行い、中央指令なしに安定した規模と数のパターンへと落ち着いていきます。
研究チームはある特定の問いを投げかけることで、このパズルを解こうと試みました。「個々の存在が、局所的な情報と自分自身の好みに基づくだけで、自らのグループのサイズと総グループ数の両方を制御するように自己組織化できるのだろうか？」という問いです。その答えを探るため、彼らはまず、最も単純な振る舞いである「追従（フォロー）」に着目しました。多くの動物の集団において、個体は単に隣接する個体に近づきます。研究者たちは数学的モデルを構築し、このシンプルなルールだけで安定したグループを作り出せるかどうかを確認しました。その結果、「追従」という行為は確かに個体を一箇所に集めることはできますが、グループのサイズを能動的に調整するには不十分であることが分かりました。グループは形成されるものの、そのサイズは環境がいかに混雑しているかによる受動的な結果であり、理想的な数に到達しようとする意識的な調整ではありませんでした。動物たちは、自分が所属しているグループが大きすぎるのか小さすぎるのかを知る由もなかったのです。
これを解決するために、研究者たちは「個人的な好み」に基づく新しいメカニズムを提案しました。それは、ある種の直感に基づいたものです。各個体が、自身にとっての完璧なグループサイズに対する静かな内なる感覚を持っていると考えてみてください。もし所属しているグループが小さすぎると感じれば、他の仲間を求めて探し始めます。逆に大きく感じられれば、新たなグループを作ろうとしたり、別の場所へ移動したりすると決断します。このアイデアをコンピュータ・シミュレーションへと落とし込み、仮想のエージェント（ロボットや動物を模したもの）が動き回り、この内的嗜好に基づいて意思決定を行いました。研究者たちは、3種類の異なるコミュニケーション条件下でこのシステムをテストしました。第一に、エージェントは他者の位置のみを把握でき、グループ内の人数については何も知らない状態。第二に、加入を決める前に一度だけグループサイズを尋ねることができる状態。第三に、常に更新された最新のグループサイズの情報を受け取る状態です。
結果として、エージェントがグループサイズに関するアクセス権を持っていた場合に、システムは最もうまく機能することが示されました。エージェントが位置情報のみを参照していた場合、グループは激しく変動し、大きすぎたり小さすぎたりを繰り返す不安定なリズムとなりました。一方で、たとえ一度であってもグループサイズを確認できた場合には、システムは格段に安定し、グループは目標に近いサイズへと収束していきました。最も効果的だったのは継続的な通信が行われる手法であり、そこではエージェントが検討中のグループサイズを絶えず知っていました。このシナリオでは、バーチャル・ロボットは14人ずつの計3つの完璧なグループを結成することに成功し、過大または過小への混沌とした揺らぎを取り除きました。研究者は、ロボットがターゲットよりも大きなサイズの中に滞在した時間を測定しましたが、連続的な情報の提供によって、位置情報のみの場合と比較して、この「オーバーサイズ」となる時間が95％以上減少したことが判明しました。
この人工的なメカニズムが現実に即しているかを確認するため、研究者たちは野生のホワイトノーズ・コアティ（アライグマの近縁種）の実データを用いました。これらの動物は社会的なバンド（集団）の中で生活しており、頻繁に分裂と合流を繰り返しています。研究チームは2組のコアティの集団から得たGPSトラッキング・データを使用して、モデルの校正を行いました。彼らはコアティに対して特定のルールをプログラミングしたのではなく、実際の野生での集団サイズに基づき、個人の選好性がどのようなものであったかを推論しました。均等に分裂する一つの集団については、すべての個体が似通った選好を持つと仮定しました。一方、不均衡に分裂するもう一つの集団については、個体ごとに異なる選好を割り当てました。そして実世界の選好を用いてシミュレーションを実行したところ、バーチャルなコアティは現実の動物たちが見せた統計的パターンを再現しました。このモデルは、観察されたサブグループの数、それぞれの典型的なサイズ、そして構成の変化に伴う移行プロセスを見事に一致させたのです。
本研究は、自然界に見られる複雑かつ変化する社会構造や、設計されたシステムの効率的な組織化が、同じ根本的な原理に基づいている可能性を示唆しています。全ての個体が全体の数を把握する必要はありません。むしろ、各個人が現在の状況を自分自身の基準と比較し、それに応じて行動するときに、安定性は創発されます。今回の調査により、デセントラライズド（分散型）なシステム、つまり全員がローカルな認識と個人的な目標に基づいて意思決定を下す仕組みが、グループのサイズとグループ数の双方を同時に規制するという困難な問題を解決できることが証明されました。本研究は、このようなメカニズムが数学的に可能であり、実際の動物データとも矛盾しないことを確認しましたが、これが野生のコアティが用いている正確な方法であることを証明したわけではありません。むしろ、こうしたシンプルで局所的な戦略こそが、中心的な指揮官なしに集合体が適応し、繁栄していくための有力で強力な手段になり得ることを示したのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。