Racio

Emoce

Jak včelami inspirovaný “lidský roj” dokáže lépe zvolit optimální volbu

Jak včelami inspirovaný “lidský roj” dokáže lépe zvolit optimální volbu

Chování a mechanismy rozhodování rozličných hejen a rojů jsou zkoumány již několik desítek a možná i stovek let. Během té doby se přišlo například na to, že skupiny vykazují cosi jako kolektivní inteligenci, což znamená, že se kolektiv dokáže rozhodovat lépe a o komplexnějších problémech než jednotlivci. Dalším zajímavým poznatkem je, že ze systémového pohledu fungují včely v roji velmi podobně jako neurony v mozku. Oproti včelám mají ale lidé jednu velkou nevýhodu, a to neoptimální způsob hromadného rozhodování, čehož si můžete jednoduše všimnout při letmém pohledu do denního tisku. Podle výzkumníků z Unanimous AI a jejich nedávné studie ale existuje naděje na signifikantní zlepšení. Tou by měl být nástroj, který lidem umožní imitovat rozhodovací proces včel v roji – tedy swarming neboli “rojení” – za pomoci umělé inteligence.

Lidé v průběhu věků už samozřejmě vymysleli všelijaké procesy kolektivního rozhodování. V dnešních dobách k tomu účelu nejčastěji používáme různé hlasovací, anketní, či volební systémy. Ty bohužel mají jeden problém, a to že je volba každého člověka zachycena pouze jako jednotlivý záznam, a výsledné “kolektivní rozhodnutí” je tedy logicky pouhou agregací individuálních záznamů. V takovém případě není příliš dána možnost nějakému “procesu kolektivní inteligence”, kdy by kolektiv měl šanci synchronně dojít ke konsenzuálnímu rozhodnutí. Ve výsledku se tedy nejčastěji počítají a porovnávají nějaké průměry nebo sumy hlasů.

V tomto ohledu je “rojení” chytřejší. Dobrý příklad najdeme opět u včel. Při hledání místa pro nový úl se stovky jednotlivých včel rozlétnou po okolí, přičemž prozkoumají až 80 kilometrů čtverečních, a naleznou několik více či méně vhodných míst. Když se pak průzkumníci vrátí, musí celá kolonie zvolit to nejvhodnější místo. A to je velmi složitý problém. Musí totiž zohlednit spoustu faktorů určující dobré místo pro úl – dostatek pylu v blízkém okolí, přístup k čisté vodě, ochranu proti dešti a zimě a zároveň dostatek ventilace v létě, a mnoho dalšího. Překvapivě se jim to daří. Jak to dělají? Úplně zjednodušeně si celý roj zahraje takovou multisměrovou přetahovanou. Pomocí vibrací svých těl vysílají jednotlivé včely směrový signál vyjadřující podporu pro určité místo. Kombinací těchto signálů se tak rychle vyberou ti nejlepší kandidáti, a postupně pak celý roj dokonverguje k jednomu místu. Podle biologů zkoumajících toto chování dokáží včely vybrat až v 80 % případů to úplně nejoptimálnější místo pro celý roj.

Mechanismus lidského rojení vyvinutý firmou Unanimous AI je tímto principem inspirovaný. Na webové stránce je vidět n-úhelník, na jehož hranách jsou jednotlivé volby daného rozhodnutí. Uprostřed tohoto prostoru je “kovový puk”, a každý připojený “rojící se” člověk myší nebo touchpadem kontroluje “magnet”, kterým může v reálném čase přitahovat puk směrem k libovolné volbě. Zároveň ale vidí magnety všech ostatních připojených lidí, což je velice důležité, protože tím přesně vzniká “uzavřená informační smyčka”, díky které se skupina lidí nerozhoduje jen podle svých zájmů, jako je to například u klasických systémů volby, ale snaží se najít optimální volbu pro celou populaci, která se podílí na rojení. Technicky je to možné díky tomu, že magnet neslouží jen jako jednorázová volba, nýbrž jako kontinuální proud hodnot, který popisuje k jaké volbě daný magnet puk zrovna přitahuje a jak silně. Díky tomu tedy jednotlivec může v průběhu procesu měnit svou pozici podle celkové situace, a tím pádem je tu větší šance, že puk postupně dokonverguje k té nejoptimálnější volbě pro všechny.

 

Na procento přesný odhad Trumpovy důvěry po 100 dnech po uvedení do funkce.

V porovnání s ostatními nejčastěji používanými metodami si vede “rojení” o dost lépe i v experimentech. Součástí studie je porovnání úspěšnosti zvolení optimální volby s několika nejpoužívanějšími volebními/hlasovacími systémy, které lze vidět na grafu níže (Plurality Voting – volba mezi A, B, C, každý má jen jeden hlas, co získá nejvíc hlasů, vyhraje; Condorcet Pairwise Voting – postupná volba mezi dvojicemi A-B, B-C, C-A, skóre je součtem výher po odečtení porážek, nejvyšší skóre vyhraje; Borda Count Voting – seřazená preference A, B, C, podle pořadí preferencí je přiděleno skóre, nejvyšší sečtené skóre vyhraje).

A je tomu tak nejenom v laboratorních experimentech. To lze dobře vidět na stránce, která shromažďuje úspěšně swarm predikce událostí, které ani experti nedokáží velmi často správně odhadnout. Příkladem mohou být Oscaři, hodnocení politiků, ale třeba i finanční trhy a sportovní sázky. Například na největších dostizích Kentucky Derby dokázal roj normálních fanoušků správně odhadnout pořadí prvních čtyř koní, a vyhrát tak sázku na kterou byl vypsán kurz 1:540. Tento přístup je další ukázkou toho, že se lidé mohou přírodou stále v lecčems inspirovat. O tom, jaký obrovský potenciál se zde skrývá a kam by to nakonec mohlo vést, mluví v TED talku zakladatel Unanimous AI Louis Rosenberg.