Comment l’essaimage des animaux peut aider les humains et l’IA à prendre de meilleures décisions

Le mot « essaim » a souvent des connotations négatives – pensez aux fléaux bibliques de sauterelles ou aux rues commerçantes pleines d’acheteurs de dernière minute pendant la ruée vers Noël. Cependant, l’essaimage est essentiel à la survie de nombreux collectifs d’animaux. Et maintenant, la recherche sur l’essaimage a le potentiel de changer les choses pour les humains aussi.

Les abeilles essaiment pour rendre leur recherche de nouvelles colonies plus efficace. Les troupeaux d’étourneaux utilisent des murmures éblouissants pour échapper et confondre les prédateurs. Ce ne sont que deux exemples tirés de la nature, mais l’essaimage peut être observé dans presque tous les coins du règne animal.

Les recherches de mathématiciens, de biologistes et de spécialistes des sciences sociales nous aident à comprendre l’essaimage et à exploiter sa puissance. Il est déjà utilisé pour le contrôle des foules, la gestion du trafic et pour comprendre la propagation des maladies infectieuses. Plus récemment, cela commence à façonner la façon dont nous utilisons les données pour les soins de santé, utilisons des drones dans les conflits militaires et a été utilisé pour battre des cotes de paris presque insurmontables lors d’événements sportifs.

Un essaim est un système qui est plus grand que la somme de ses parties. Tout comme de nombreux neurones forment un cerveau capable de pensée, de mémoire et d’émotion, des groupes d’animaux peuvent agir à l’unisson pour former un « super cerveau », affichant un comportement très complexe que l’on ne voit pas chez les animaux individuels.

L’expert en vie artificielle Craig Reynolds a révolutionné l’étude de l’essaimage en 1986 avec la publication de la simulation informatique du modèle Boids. Le modèle Boids décompose l’essaimage en un simple ensemble de règles.

Les boids (bird-oids) de la simulation, comme les avatars ou les personnages d’un jeu vidéo, sont chargés de se déplacer dans la même direction que leurs voisins, de se déplacer vers la position moyenne de leurs voisins et d’éviter les collisions avec d’autres boids.

Les simulations de boids sont étonnamment précises par rapport aux vrais essaims.

Le modèle Boids suggère que l’essaimage n’a pas besoin de leaders pour coordonner le comportement, comme les piétons dans un centre-ville plutôt qu’une visite guidée d’un musée. Le comportement complexe que nous voyons dans les essaims découle d’interactions entre individus suivant les mêmes règles simples en parallèle. Dans le langage de la physique, ce phénomène est connu sous le nom d’émergence.

L’esprit de la ruche

En 2016, la société de technologie américaine Unanimous AI a utilisé la puissance de l’intelligence en essaim pour remporter le pari « superfecta » du Kentucky Derby, prédisant avec succès les premiers, deuxièmes, troisièmes et quatrièmes cavaliers de la célèbre course de chevaux américaine.

Les experts de l’industrie et les algorithmes d’apprentissage automatique conventionnels ont fait des pans entiers de prédictions incorrectes. Cependant, les passionnés de courses amateurs recrutés par Unanimous AI ont mis en commun leurs connaissances pour battre la cote 541/1.

Le succès des volontaires réside dans la manière dont leurs prédictions ont été générées. Au lieu de voter sur les coureurs et d’agréger leurs choix, les volontaires ont utilisé la plate-forme d’intelligence en essaim d’Unanimous AI pour participer à un bras de fer numérique en temps réel, inspiré par des essaims d’oiseaux et d’abeilles.

Tous les volontaires tiraient simultanément un cadran vers leurs choix respectifs. Cela a permis aux gens de changer leurs préférences en réponse aux actions des autres (par exemple, une personne peut avoir opté pour son deuxième choix, B, plutôt que son premier choix, C, si elle a vu que A et B étaient clairement les favoris. ).

Se répondre les uns aux autres en temps réel a permis aux volontaires d’Unanimous AI de surpasser collectivement les individus hautement informés.

De plus, si les choix individuels les plus fréquents des bénévoles avaient déterminé la commande, seul le gagnant de 2016 et favori des bookmakers, Nyquist, aurait été placé correctement.

Problèmes de santé

Des technologies d’essaimage similaires suscitent également un intérêt croissant dans le secteur des soins de santé, où les discussions sur une révolution de l’IA suscitent des inquiétudes croissantes concernant la vie privée des patients.

À mesure que la dépendance à l’égard des techniques axées sur les données dans les soins de santé augmente, la demande de vastes ensembles de données sur les patients augmente également. Une façon de répondre à ces demandes est de mettre en commun les informations entre les institutions et, dans certains cas, les pays.

Cependant, le transfert des données des patients est souvent soumis à des réglementations strictes en matière de protection des données. Une solution à ce problème consiste à n’utiliser que des données internes, bien que cela se fasse souvent au détriment de la précision du diagnostic.

Une alternative réside dans l’essaimage. Les chercheurs pensent que l’intelligence en essaim peut préserver la précision du diagnostic sans avoir besoin d’échanger des données brutes entre les institutions.

Des études préliminaires ont montré que la décentralisation du stockage des données dans un réseau de nœuds interactifs peut donner aux institutions le bénéfice d’une sagesse partagée. Cela signifie qu’il n’y a pas de hub central coordonnant le flux d’informations et que les institutions ne peuvent pas accéder aux données privées des patients les unes des autres.

L’apprentissage automatique centralisé utilise des données téléchargées sur un hub partagé où l’apprentissage automatique a lieu en utilisant toutes les données disponibles. Dans les systèmes décentralisés, chaque institution stocke séparément ses données dans son propre nœud. L’apprentissage automatique se produit localement à chaque nœud (en utilisant uniquement des données internes), mais les résultats de l’apprentissage automatique sont partagés entre le réseau, au profit de tous les nœuds. Ce processus garantit que les données brutes des patients ne sont pas échangées entre les institutions, préservant ainsi la confidentialité des patients.

Essaims et guerre

La technologie des drones est de plus en plus utilisée dans les combats de première ligne, ces derniers temps notamment par les forces ukrainiennes dans le conflit en cours entre la Russie et l’Ukraine. Cependant, dans l’état actuel des choses, la technologie des drones conventionnels nécessite une supervision individuelle.

Les recherches actuelles en matière de défense visent à faciliter la communication entre les drones, permettant à un contrôleur de faire fonctionner des essaims de drones. Le développement d’une telle technologie promet d’améliorer considérablement l’évolutivité, la reconnaissance et les capacités de frappe des drones de combat en permettant un relais continu d’informations au sein des groupes de drones.

Alors que la recherche approfondit l’essaimage, nous découvrons un monde où l’action collective crée de la complexité, de l’adaptabilité et de l’efficacité. Au fur et à mesure que la technologie évolue, le rôle de l’intelligence des essaims est appelé à croître, mêlant notre monde à la dynamique fascinante des essaims.