Karıncalar, etrafı dolaşırken ne sıklıkla birbirlerine çarptıklarını baz alarak kendi popülasyonlarının yoğunluklarını tahmin edebilirler. Bu özelliğin kullanışlı olabileceği bir başka örnek de yeni yuva ararken yüzlerce ya da binlerce karıncadan oluşan kolonileri değil de sadece birkaç düzine kaşifi, yeterli büyüklükte yerleri bulmaya göndermeleri.
MIT(Massachusetts Institute of Technology)’nin Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı’ndan araştırmacılar, karıncaların bu yeteneğinden ilham alarak, davranışı taklit eden bir algoritma oluşturdu ve bu çalışmayla, bir ağın yoğunluğunun hesaplanması çok daha isabetli bir şekilde yapılabilir hale geldi.
MIT mezunu ve çalışmanın yazarlarından biri olan Cameron Musco bir röportajında şunları söyledi: “Bilgisayar bilimlerinde, biyolojik algoritmaların dayanıklı ve dinamik olduğuna dair içgüdüsel bir his var. Biz de bu sistemlerden birine bakmak istedik – bir karınca kolonisi – ve bu kadar karışık ve dirençli olmalarına rağmen böylesine verimli biçimde çalışabilmelerinin sebebini bulduk.”
Bunun yararlı olabileceği alanlardan biri de büyük çapta veri analizleri; “Örneğin, sosyal medya kullanıcıları arasında belli bir politik görüşe eğilimin hesaplanması.” diyerek devam ediyor Musco, “Eğer Facebook üzerindeki cumhuriyetçilerin sayısını hesaplamak isterseniz, bir kullanıcı alt kümesi oluşturup cumhuriyetçileri saymanız gerekir. Fakat bunu yapmak zordur çünkü kullanacağınız herhangi bir kullanıcı ana listesi bulunmaz. Bunun yerine, kullanıcılar arasında rastgele ‘gezip’ bu yoldan hesaplama yapabilirsiniz.”
Bilgisayar bilimi araştırmaları hızlandırıyor
Çalışmada, bu ‘rastgele gezme’ keşiflerinin, popülasyon yoğunluklarını hesaplamada geleneksel örneklendirme metotları kadar etkili ve hızlı olduğu görüldü.
“Bu çalışma iki amaca hizmet ediyor. Birincisi, biyolojik sistemleri alıp, biyolojiden ilham alan sinirsel ağlar gibi konseptlerde gördüğünüz gibi bilgisayar ağlarını iyileştirmekte kullanmak için bizlere ilginç fikirler sunuyor. İkincisi ise, biyologların sahip olduğu problemleri çözmekte bilgisayar bilimini kullanabileceğimizi görüyoruz. İnsanlar ikincisini sıklıkla yapmaya başladı ve bu çok kullanışlı çünkü davranışa bakmak yerine algoritmalar bulmaya odaklandık. Bu, bir şeyler hakkında düşünmek için farklı bir yol.”
