Self-organized Regulation of Group Size and Number in Natural and Artificial Collectives
Dit artikel stelt een gedecentraliseerd mechanisme voor en valideert dit, gebaseerd op lokale perceptie en individuele voorkeuren, dat zowel kunstmatige als natuurlijke collectieven, zoals witneuzenwasberen, in staat stelt om zichzelf te organiseren en hun groepsgroottes en aantallen actief te reguleren om aan de omgevingsbehoeften te voldoen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
In de natuurlijke wereld, van de kolkende scholen vissen tot de drukke kolonies mieren, handelen levende wezens zelden alleen. Ze verzamelen zich, splitsen zich op en vormen zich opnieuw tot groepen die verschuiven en veranderen als wolken. Dit vermogen om te organiseren en te reorganiseren is essentieel. Een groep kan bescherming bieden tegen roofdieren of helpen bij het vinden van voedsel, maar als een groep te groot wordt, wordt het een last, waarbij leden strijden om beperkte middelen of ziekten verspreiden. Wetenschappers begrijpen al lang dat er een 'sweet spot' bestaat, een ideale grootte waarbij een groep het beste functioneert. Echter, een dieper mysterie blijft bestaan: hoe weet een verzameling individuen, die elk slechts een beperkt zicht hebben op hun directe omgeving, wanneer ze bij elkaar moeten blijven en wanneer ze uit elkaar moeten gaan? Ze kunnen de totale populatie niet zien, noch kunnen ze tellen hoeveel groepen er in totaal bestaan. Toch lijken zowel in de natuur als in de machines die wij bouwen, groepen een manier te vinden om zichzelf te reguleren, zonder dat er een centrale leider is die bevelen geeft.
Een team van onderzoekers zette zich scharpe om dit puzzelstuk op te lossen door een specifieke vraag te stellen: Kan een groep individuen, gebruikmakend van alleen lokale informatie en hun eigen persoonlijke voorkeuren, zichzelf organiseren om zowel de grootte van hun groepen als het totale aantal groepen te controleren? Om het antwoord te vinden, keken ze eerst naar het eenvoudigst mogelijke gedrag: volgen. In veel diergroepen volgen individuen simpelweg een buur. De onderzoekers bouwden een wiskundig model om te zien of deze eenvoudige regel alleen al stabiele groepen kon creëren. Ze ontdekten dat volggedrag individuen weliswaar kon doen samenkomen, maar dat dit niet voldoende was om de groepsgrootte actief te reguleren. De groepen zouden weliswa worden gevormd, maar hun omvang was een passief resultaat van hoe druk de omgeving was, en geen bewuste aanpassing om een ideaal aantal te bereiken. De dieren zouden niet weten of ze in een groep zaten die te groot of te klein was.
Om dit op te lossen, stelden de onderzoekers een nieuw mechanisme voor op basis van een eenvoudig intern gevoel: een persoonlijke voorkeur voor een specifieke groepsgrootte. Stel je voor dat elk individu een stille, interne sensatie draagt van wat de perfecte groepsgrootte voor hen is. Als de groep waarin ze zich bevinden te klein aanvoelt, zoeken ze naar anderen om bij te komen. Als het te groot voelt, besluiten ze te vertrekken en een nieuwe groep te starten of een andere groep op te zoeken. Dit idee werd omgezet in een computersimulatie waarbij virtuele agenten, die robots of dieren vertegenwoordigen, rondbewogen en beslissingen namen op basis van deze interne voorkeur. De onderzoekers testten dit systeem onder drie verschillende omstandigheden van communicatie. In de eerste konden de agenten alleen zien waar anderen waren, zonder enig idee te hebben hoeveel er in een groep zaten. In de tweede konden ze de groepsgrootte slechts één keer opvragen voordat ze een beslissing namen. In de derde ontvingen ze een constante, bijgewerkte stroom van informatie over de groepsgrootte.
De resultaten toonden aan dat het systeem het beste werkte wanneer de agenten toegang hadden tot informatie over de groepsgrootte. Wanneer de agenten alleen posities konden zien, schommelden de groepen wild, werden ze te groot en krompen ze vervolgens weer te klein, zonder ooit een stabiel ritme te vinden. Wanneer de agenten de groepsgrootte zelfs maar één keer konden controleren, werd het systeem veel stabieler en kwamen de groepen dichter bij de gewenste grootte. De meest effectieve methode was continue communicatie, waarbij de agenten constant op de hoogte waren van de grootte van de groepen die zij overwogen. In dit scenario slaagden de virtuele robots erin om drie perfecte groepen van veertien individuen te vormen, waardoor de chaotische schommelingen tussen te groot en te klein werden geëlimineerd. De onderzoekers maten hoe lang de robots in groepen doorbrachten die groter waren dan de doelgrootte, en vonden dat continue informatie de "oversized" tijd met meer dan negentig procent verminderde in vergelijking met de methode met enkel positie-informatie.
Om te zien of dit kunstmatige mechanisme de werkelijkheid weerspiegelde, richtten de onderzoekers zich op echte gegevens van wilde witneusznozen, een zoogdier verwant aan de wasbeer. Deze dieren leven in sociale bendes die regelmatig splitsen en samensmelten. Het team gebruikte GPS-trackinggegevens van twee verschillende coati-groepen om hun model te kalibreren. Ze programmeerden de coati's niet met een specifieke regel; in plaats daarvan concludeerden ze wat de individuele voorkeuren zouden zijn geweest op basis van de werkelijke groepsgroottes die de dieren in het wild ervoeren. Voor één groep die gelijkmatig splitste, nam het model aan dat alle individuen een vergelijkbare voorkeur deelden. Voor een andere groep die ongelijkmatig splitste, kregen verschillende individuen verschillende voorkeuren toegewezen. Toen ze de simulatie draaiden met deze real-world voorkeuren, reproduceerden de virtuele coati's de statistische patronen van de echte dieren. Het model kwam succesvol overeen met het waargenomen aantal subgroepen, de typische groottes van die subgroepen en de manier waarop de groepen tussen verschillende configuraties overgingen.
De studie suggereert dat de complexe, verschuivende sociale structuren die in de natuur worden gezien, en de efficiënte organisatie van technische systemen, mogelijk berusten op dezelfde fundamentele principes. Het is niet noodzakelijk dat elk individu het totale aantal dieren of het totale aantal groepen kent. In plaats daarvan ontstaat stabiliteit wanneer elk individu simpelweg zijn huidige situatie vergelijkt met een persoonlijke standaard en daarnaar handelt. Het onderzoek demonstreert dat een gedecentraliseerd systeem, waarbij iedereen beslissingen neemt op basis van lokale perceptie en een persoonlijk doel, het moeilijke probleem van het gelijktijdig reguleren van zowel groepsgrootte als groepsaantal kan oplossen. Hoewel de studie bevestigt dat een dergelijk mechanisme wiskundig mogelijk is en consistent is met echte dierengegevens, bewijst het niet dat wilde coati's exact deze methode gebruiken. Het laat echter zien dat deze eenvoudige, lokale strategie een plausibele en krachtige manier is voor collectieven om zich aan te passen en te gedijen zonder een centrale commandant.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.