Πώς η φύση λύνει προβλήματα μέσω υπολογισμού

Υπάρχουν πολλά μοτίβα συλλογικής συμπεριφοράς στη βιολογία που είναι εύκολα ορατά επειδή εμφανίζονται κατά μήκος των γνωστών διαστάσεων του χώρου και του χρόνου. Σκεφτείτε το μουρμουρητό των ψαρονιών. Ή στρατιωτικά μυρμήγκια που εκτείνονται σε κενά στο δάσος συνδέοντας το σώμα τους σε γέφυρες. Χαλαρές ομάδες κοπαδιών ψαριών που τσακίζονται σε στενά κοπάδια όταν εμφανίζεται ένα αρπακτικό.

Στη συνέχεια, υπάρχουν λιγότερο προφανή μοτίβα, όπως αυτά που προσπαθεί να κατανοήσει η εξελικτική βιολόγος Τζέσικα Φλακ. Το 2006, η μεταπτυχιακή της εργασία στο Πανεπιστήμιο Emory έδειξε πώς μόνο μερικοί τρομεροί μαχητές θα μπορούσαν να σταθεροποιήσουν μια ολόκληρη ομάδα μακάκων, παρεμβαίνοντας σε καυγάδες μεταξύ πιο αδύναμων πιθήκων, οι οποίοι θα υποτασσόντουσαν με χαμόγελα χωρίς τα δόντια αντί να διακινδυνεύσουν μια μάχη που πίστευαν ότι θα χάνω. Αλλά όταν ο Flack απομάκρυνε κάποιους από τους αστυνομικούς, όλη η ομάδα έγινε ρήγμα και χάος.

Όπως το flocking ή το σχολείο, η συμπεριφορά αστυνόμευσης προκύπτει από μεμονωμένες αλληλεπιδράσεις για να παράγει ένα μακροσκοπικό αποτέλεσμα σε ολόκληρο το σύνολο. Αλλά είναι πιο λεπτό, ίσως πιο δύσκολο να οπτικοποιηθεί και να μετρηθεί. Ή, όπως λέει η Flack για την κοινωνία των μακάκων και πολλά από τα άλλα συστήματα που μελετά, «ο μετρικός τους χώρος είναι ένας χώρος κοινωνικών συντεταγμένων. Δεν είναι Ευκλείδειο.»

Η Φλακ είναι τώρα καθηγήτρια στο Ινστιτούτο Σάντα Φε, όπου έχει περάσει όλη τη μεταπτυχιακή της καριέρα, εκτός από μια θητεία στο Πανεπιστήμιο του Ουισκόνσιν, στο Μάντισον. Η ομάδα «συλλογικών υπολογισμών» της, C4, την οποία διευθύνει μαζί με τον συνεργάτη της, Ντέιβιντ Κράκαουερ, ερευνά όχι μόνο μακάκους, αλλά νευρώνες, καλούπια βλέννας και το διαδίκτυο για τους κανόνες που διέπουν κάθε μοντέλο, καθώς και τους γενικούς κανόνες που τα διέπουν όλα. .

Η Φλακ περιγράφει τη δουλειά της ως έρευνα σε τρία αλληλοσυνδεόμενα ερωτήματα. Θέλει να καταλάβει πώς οι φαινομενολογικοί κανόνες στη βιολογία, οι οποίοι φαίνεται να λειτουργούν συνολικά, προκύπτουν από μικροσκοπικές αλήθειες. Θέλει να καταλάβει πώς οι ομάδες λύνουν προβλήματα και παίρνουν αποφάσεις. Και θέλει να μάθει πώς τα πολύπλοκα συστήματα παραμένουν εύρωστα μπροστά σε κραδασμούς, όπως οι μακάκοι με τη δική τους αστυνομική δύναμη που λειτουργεί ως κοινωνική κόλλα.

Στη ρίζα του, ωστόσο, η εστίαση του Flack είναι στις πληροφορίες:συγκεκριμένα, στο πώς ομάδες διαφορετικών, επιρρεπών σε σφάλματα παραγόντων επιτυγχάνουν και αποτυγχάνουν στην επεξεργασία πληροφοριών από κοινού. «Όταν κοιτάζω τα βιολογικά συστήματα, αυτό που βλέπω είναι ότι είναι συλλογικά», είπε. "Όλα αποτελούνται από αλληλεπιδρώντα στοιχεία με εν μέρει μόνο αλληλοεπικαλυπτόμενα ενδιαφέροντα, οι οποίοι είναι θορυβώδεις επεξεργαστές πληροφοριών που ασχολούνται με θορυβώδη σήματα."

Τηλεφωνικά, μέσω Skype και μέσω email, Quanta Magazine επικοινώνησε με τον Flack για να ρωτήσει για τα τρέχοντα έργα της C4, τη δική της επαγγελματική πορεία και τη γενική φιλοσοφία πίσω από τη δουλειά της. Ακολουθεί μια επεξεργασμένη και συνοπτική έκδοση των συνομιλιών μας.

Πώς ξεκινήσατε την έρευνα για την επίλυση προβλημάτων στη φύση και πώς καταλήξατε στο Ινστιτούτο Santa Fe;

Πάντα με ενδιέφερε πώς η φύση λύνει προβλήματα και από πού προέρχονται τα πρότυπα και γιατί όλα φαίνονται τόσο οργανωμένα παρά τις τόσες πολλές πιθανές συγκρούσεις συμφερόντων. Τέτοιες ερωτήσεις με απασχολούσαν από τότε που ήμουν πολύ μικρή.

Στο Cornell, παρακολουθούσα μαθήματα εξελικτικής βιολογίας, αλλά κανένα από το υλικό δεν αντιμετώπιζε πραγματικά αυτά τα ερωτήματα. Θα περνούσα πολύ χρόνο στη βιβλιοθήκη Mann, όπου ήταν όλα τα καλά βιβλία βιολογίας. Έτσι θα καθόμουν στο πάτωμα στις σκονισμένες, αμυδρά φωτισμένες στοίβες με αυτό το σωρό βιβλία γύρω μου. Και με αυτόν τον τρόπο ανακάλυψα ότι υπήρχε μια κοινότητα ανθρώπων που εργάζονταν πάνω σε αυτά τα ερωτήματα στην εξελικτική βιολογία που βρήκα πιο ενδιαφέροντα.

Δεν ήταν στο mainstream. Ένα από τα κύρια μέρη που αποδείχθηκε ότι ήταν το σπίτι πολλών από αυτούς τους ανθρώπους ήταν το Ινστιτούτο Santa Fe. Αυτό έγινε στις αρχές έως τα μέσα της δεκαετίας του '90. Έστειλα email στο Ινστιτούτο Santa Fe και ζήτησα περίπου 40 έγγραφα εργασίας. Ήμουν πραγματικά ενοχλητικός προπτυχιακός. Και κάποιος μου τα έστειλε με ταχυδρομείο! Στην πραγματικότητα, μου έστειλαν ταχυδρομείο 40 από αυτές τις εφημερίδες, και ενθουσιάστηκα και τις διάβασα όλες.

Τώρα που καταλήξατε εκεί, μπορείτε να αναλύσετε τι σημαίνει η ερευνητική ομάδα C4 με τον όρο "συλλογικός υπολογισμός";

Ο συλλογικός υπολογισμός αφορά το πώς τα προσαρμοστικά συστήματα επιλύουν προβλήματα. Όλα τα συστήματα έχουν να κάνουν με την εξαγωγή ενέργειας και την εκτέλεση εργασίας, και ειδικά τα φυσικά συστήματα αφορούν αυτό. Όταν μεταβαίνετε σε προσαρμοστικά συστήματα, έχετε την πρόσθετη επιρροή της επεξεργασίας πληροφοριών, η οποία πιστεύουμε ότι επιτρέπει σε ένα σύστημα να εξάγει ενέργεια πιο αποτελεσματικά, παρόλο που πρέπει να ξοδέψει λίγη επιπλέον ενέργεια για να κάνει την επεξεργασία πληροφοριών. Τα συστατικά των προσαρμοστικών συστημάτων κοιτάζουν τον κόσμο και προσπαθούν να ανακαλύψουν τις κανονικότητες. Είναι μια θορυβώδης διαδικασία.

Σε αντίθεση με την επιστήμη των υπολογιστών όπου έχετε ένα πρόγραμμα που έχετε γράψει, το οποίο πρέπει να παράγει το επιθυμητό αποτέλεσμα, στα προσαρμοστικά συστήματα αυτή είναι μια διαδικασία που βελτιώνεται με τον εξελικτικό ή μαθησιακό χρόνο. Το σύστημα παράγει μια έξοδο και μπορεί να είναι μια καλή έξοδος για το περιβάλλον ή όχι. Και μετά, με την πάροδο του χρόνου, ελπίζουμε να γίνεται όλο και καλύτερο.

Αυτό που κάνουμε στο C4 είναι να αντιμετωπίζουμε ακατάστατα, εννοιολογικά προκλητικά προβλήματα και να τα μετατρέπουμε σε κάτι αυστηρό. Είμαστε πολύ φιλοσοφικά προσανατολισμένοι, αλλά είμαστε επίσης πολύ ποσοτικοί, ιδιαίτερα στο να σκεφτόμαστε πώς η φύση μπορεί να ξεπεράσει την υποκειμενικότητα στην επεξεργασία πληροφοριών μέσω συλλογικών υπολογισμών. Πιστεύουμε πραγματικά ότι η απάντηση σε αυτά τα ερωτήματα απαιτεί συνδυασμό γνώσεων από τη στατιστική φυσική, τη θεωρητική επιστήμη των υπολογιστών, τη θεωρία πληροφοριών, την εξελικτική βιολογία και τη γνωστική επιστήμη.

Μπορείτε να μας παρουσιάσετε ένα παράδειγμα; Σε μια πρόσφατη εργασία, η ομάδα σας εξέτασε την επικοινωνία μεταξύ των νευρώνων στον εγκέφαλο των μακάκων.

Ο ανθρώπινος εγκέφαλος περιέχει περίπου 86 δισεκατομμύρια νευρώνες, καθιστώντας τον εγκέφαλό μας την απόλυτη ομάδα. Κάθε απόφαση που παίρνουμε μπορεί να θεωρηθεί ως το αποτέλεσμα ενός νευρωνικού συλλογικού υπολογισμού. Στην περίπτωση της μελέτης μας, της οποίας ηγήθηκε ο συνάδελφός μου Bryan Daniels, τα δεδομένα που αναλύσαμε συλλέχθηκαν κατά τη διάρκεια ενός πειράματος από την ομάδα του Bill Newsome στο Στάνφορντ από μακάκους που έπρεπε να αποφασίσουν εάν μια ομάδα κουκκίδων που κινούνταν σε μια οθόνη ταξίδευε αριστερά ή σωστά. Τα δεδομένα σχετικά με τα μοτίβα νευρικής πυροδότησης καταγράφηκαν ενώ ο πίθηκος εκτελούσε αυτήν την εργασία. Βρήκαμε ότι καθώς ο πίθηκος επεξεργάζεται αρχικά τα δεδομένα, μερικοί μεμονωμένοι νευρώνες έχουν ισχυρές απόψεις για το ποια θα πρέπει να είναι η απόφαση. Αλλά αυτό δεν αρκεί:Αν θέλουμε να προβλέψουμε τι θα αποφασίσει ο πίθηκος, πρέπει να ρωτήσουμε πολλούς νευρώνες για να έχουμε μια καλή πρόβλεψη για την απόφαση του πιθήκου. Στη συνέχεια, καθώς πλησιάζει το σημείο απόφασης, αυτό το μοτίβο αλλάζει. Οι νευρώνες αρχίζουν να συμφωνούν και τελικά ο καθένας από μόνος του είναι στο μέγιστο προγνωστικό.

Έχουμε αυτήν την αρχή του συλλογικού υπολογισμού που φαίνεται να περιλαμβάνει αυτές τις δύο φάσεις. Οι νευρώνες σβήνουν και συλλέγουν ημι-ανεξάρτητα πληροφορίες σχετικά με τη θορυβώδη είσοδο, και αυτό είναι σαν νευρωνικό crowdsourcing. Στη συνέχεια συγκεντρώνονται και καταλήγουν σε κάποια συναίνεση για το ποια θα πρέπει να είναι η απόφαση. Και αυτή η αρχή της συσσώρευσης πληροφοριών και της συναίνεσης ισχύει και για ορισμένες κοινωνίες πιθήκων. Οι πίθηκοι καταλαβαίνουν κάπως ημι-ανεξάρτητα ποιος είναι ικανός να κερδίζει αγώνες και στη συνέχεια ενοποιούν αυτές τις πληροφορίες ανταλλάσσοντας ειδικά σήματα. Στη συνέχεια, το δίκτυο αυτών των σημάτων κωδικοποιεί πόση συναίνεση υπάρχει στην ομάδα σχετικά με την ικανότητα ενός ατόμου να χρησιμοποιεί βία σε μάχες.

Παρατήρησα ότι μια άλλη πρόσφατη εργασία χρησιμοποιεί το ίδιο σύνολο δεδομένων μακάκου που δημιουργήσατε κατά τη διάρκεια της μεταπτυχιακής εργασίας σας στο Εθνικό Κέντρο Έρευνας Πρωτευόντων Yerkes στο Lawrenceville της Τζόρτζια. Τι βρήκατε όταν επιστρέψατε να σκεφτείτε αυτό το σύστημα;

Θέλαμε να καταλάβουμε πώς τα κοινωνικά συστήματα ή άλλα βιολογικά συστήματα πηγαίνουν από την κατάσταση Α στην κατάσταση Β. Πώς μια ομάδα ψαριών πηγαίνει από το κοπάδι στο σχολείο ή πώς ένα κοινωνικό σύστημα πηγαίνει από την ύπαρξη μερικών υπερισχυρών ζώων σε μια εγκατάσταση όπου υπάρχει λιγότερη ανισότητα. Ένας μηχανισμός που είναι γνωστός ότι διευκολύνει την εναλλαγή μεταξύ διαφορετικών καταστάσεων όπως αυτή είναι το σύστημα να βρίσκεται κοντά σε αυτό που ονομάζεται κρίσιμο ή σημείο καμπής. Ξεκινήσαμε να βρούμε έναν τρόπο να μετρήσουμε, με όρους βιολογικής σημασίας, πόσο απέχει ένα σύστημα από το κρίσιμο σημείο. Θα μπορούσαμε να καταλήξουμε σε μονάδες που να έχουν νόημα μηχανιστικά;

Μας ενδιέφερε αν θα μπορούσαμε να παρακινήσουμε την κοινωνία των πιθήκων που μελετούσαμε να αλλάξει από το status quo πολλών μικρών και μερικών μεγάλων σε πολλές μεγάλες μάχες. Παρατηρήσαμε ότι οι μάχες σε αυτή την ομάδα πιθήκων κυμαίνονται σε μέγεθος από δύο έως 30 περίπου άτομα, με τις μικρές μάχες συχνές και τις μεγάλες μάχες πολύ σπάνιες. Με την προσομοίωση της κοινωνίας χρησιμοποιώντας δεδομένα που είχαμε συλλέξει σχετικά με αποφάσεις συμμετοχής σε αγώνες, διαπιστώσαμε ότι μπορούσαμε να μετρήσουμε τον αριθμό των πιθήκων των οποίων η τάση να συμμετάσχουν σε μάχες θα έπρεπε να αυξηθεί για να μετακινηθεί το σύστημα πιο κοντά στο κρίσιμο σημείο.

Σε αυτό το σύστημα, χρειάζονται περίπου τρία έως πέντε άτομα για να σπρώξουν το σύστημα πάνω από την άκρη. Βρήκαμε επίσης ότι τα άτομα ποικίλλουν ως προς το πόσο επηρεάζει η συμπεριφορά τους το σύστημα. Εάν οι μεγάλοι συνεισφέροντες είναι πιο πιθανό να συμμετάσχουν σε αγώνες, το σύστημα κινείται προς το κρίσιμο σημείο όπου είναι πολύ ευαίσθητο, πράγμα που σημαίνει ότι μια μικρή διαταραχή μπορεί να το ανατρέψει σε αυτή την κατάσταση όλης της μάχης. Και ενώ δεν το μελετήσαμε αυτό στο έγγραφο, υποθέτουμε ότι η κατάσταση όλων των αγώνων, που σημαίνει ότι το σύστημα πρόκειται να αλλάξει δραματικά, μπορεί να είναι χρήσιμη. Μπορεί να είναι κάτι που θέλετε να κάνετε, να προχωρήσετε προς το κρίσιμο σημείο και να επαναδιαμορφώσετε πλήρως την ομάδα εάν το περιβάλλον αλλάζει από γνωστό σε άγνωστο.

Οι μακάκοι χρησίμευσαν ως το πρότυπο σύστημα για την υποβολή αυτών των ερωτήσεων, αλλά ελπίζουμε ότι η προσέγγιση που αναπτύξαμε μπορεί να εφαρμοστεί σε πολλά άλλα διαφορετικά είδη δεδομένων.

Η ανθρώπινη κοινωνία φαίνεται επίσης λίγο χαοτική πρόσφατα. Μπήκατε ποτέ στον πειρασμό να εφαρμόσετε αυτό το είδος σκέψης προς αυτή την κατεύθυνση;

Απολύτως. Με τη βοήθεια μερικών φίλων στα χρηματοοικονομικά και τα οικονομικά, προχωράμε λίγο στις χρηματοπιστωτικές αγορές στην έρευνά μας. Νομίζω ότι είναι ένα καταπληκτικό σύστημα μοντέλου για να θέτεις τέτοιου είδους ερωτήσεις συλλογικού υπολογισμού. Η επόμενη συνάντησή μου σήμερα έχει να κάνει με τον τρόπο εφαρμογής της προσέγγισης κρισιμότητας, σε συνδυασμό με νέα αποτελέσματα μηχανικής μάθησης που μπορούν να βρουν φάσεις ύλης για φυσικά συστήματα, είτε σε πολιτικά δεδομένα είτε σε δεδομένα αγοράς. Οι στόχοι μας είναι να εξετάσουμε εάν υπάρχουν στοιχεία για μεταβάσεις φάσης ή κρίσιμα φαινόμενα στα χρηματοοικονομικά δεδομένα και να κατανοήσουμε τις διαδικασίες συμπεριφοράς που μπορεί να φέρουν τις αγορές πιο κοντά σε κρίσιμα σημεία.

Τώρα που μπορείς να δώσεις συνέχεια σε τέτοιου είδους ερωτήματα, τι θα έλεγες αν μπορούσες να επισκεφτείς τον εαυτό σου στο Cornell, στις στοίβες της βιβλιοθήκης;

Ο Χόρχε Λουίς Μπόρχες είναι ένας από τους αγαπημένους μου συγγραφείς, και έγραψε κάτι όπως «ο χειρότερος λαβύρινθος δεν είναι αυτή η περίπλοκη μορφή που μπορεί να μας παγιδεύσει για πάντα, αλλά μια ενιαία και ακριβής ευθεία γραμμή». Η πορεία μου δεν είναι ευθεία. Ήταν ένα αρκετά ενδιαφέρον, δαιδαλώδες μονοπάτι, και υποθέτω ότι θα έλεγα να μην το φοβάμαι. Δεν ξέρετε τι θα χρειαστείτε, ποια εργαλεία ή έννοιες θα χρειαστείτε. Το θέμα είναι να διαβάζεις ευρέως και να συνεχίζεις πάντα να μαθαίνεις.

Μπορείτε να μιλήσετε λίγο για το πώς είναι να ξεκινάς με έναν πίνακα ακατέργαστων δεδομένων και να βγάζεις τέτοιου είδους μεγάλα μοτίβα από αυτόν; Υπάρχει μια μόνο στιγμή εύρηκα ή απλώς μια αργή συνειδητοποίηση;

Συνήθως αυτό που συμβαίνει είναι ότι έχουμε κάποιες ιδέες και η ομάδα μας τις συζητά, και στη συνέχεια με μήνες ή χρόνια στις ομαδικές μας συναντήσεις κατακερματίζουμε αυτά τα ζητήματα. Είμαστε εντάξει με την αργή, στοχαστική επιστήμη. Έχουμε την τάση να εργαζόμαστε πάνω σε προβλήματα που είναι λίγο στα όρια της επιστήμης και αυτό που κάνουμε είναι να τα επισημοποιούμε. Η μεγάλη συζήτηση είναι:«Ποιο είναι το βασικό πρόβλημα, πώς το απλοποιούμε, ποιες είναι οι σωστές μετρήσεις, ποιες είναι οι σωστές μεταβλητές, ποιος είναι ο σωστός τρόπος να αναπαραστήσουμε αυτό το πρόβλημα μαθηματικά;» Είναι πάντα ένας συνδυασμός των δεδομένων, αυτών των συζητήσεων και των μαθηματικών στον πίνακα που μας οδηγεί σε μια αναπαράσταση του προβλήματος που μας προσελκύει.

Έχουμε αυτό το επιχείρημα στο Ινστιτούτο Σάντα Φε πολύ. Μερικοί άνθρωποι θα πουν, «Λοιπόν, στο τέλος της ημέρας όλα είναι μαθηματικά». Και απλά δεν το πιστεύω αυτό. Πιστεύω ότι η επιστήμη βρίσκεται στη διασταύρωση αυτών των τριών πραγμάτων - των δεδομένων, των συζητήσεων και των μαθηματικών. Είναι αυτός ο τριγωνισμός — αυτό είναι η επιστήμη. Και η αληθινή κατανόηση, αν υπάρχει κάτι τέτοιο, έρχεται μόνο όταν μπορούμε να κάνουμε τη μετάφραση μεταξύ αυτών των τριών τρόπων αναπαράστασης του κόσμου.

Διόρθωση:Αυτό το άρθρο αναθεωρήθηκε στις 6 Ιουλίου 2017, για να διορθώσει τη λεζάντα του βίντεο και να τροποποιήσει μια δήλωση σχετικά με τον επαγγελματικό ρόλο του David Krakauer στο C4.