這一節我們來一起看一下神奇的群體智能。
群體智能Swarm Intelligence是指在集體層面表現的分散的、去中心化的自組織行為。
比如蟻群、蜂群構成的復雜類社會系統，鳥群、魚群為適應空氣或海水而構成的群體遷移，以及微生物、植物在適應生存環境時候所表現的集體智能。
群體智能SI一詞最早在1989年由Gerardo和Jing Wang提出，當時是針對電腦屏幕上細胞機器人的自組織現象而提出的，而最知名的細胞機器人系統，如蘭頓的螞蟻和康韋的生命游戲，我們在生物智能小節中已經詳細談論過。
依賴于每個格子單元（細胞）的幾條簡單運動規則，就可以使細胞集合的運動表現出超常的智能行為。群體智能不是簡單的多個體的集合，而是超越個體行為的一種更高級表現，這種從個體行為到群體行為的演變過程往往極其復雜，以至于無法預測。
蟻群能夠搭建身體浮橋跨越缺口地形，并不是偶然事件。一個蟻群可能在同時搭建了超過50個螞蟻橋梁，每個橋梁從1只螞蟻到50只螞蟻不等。
螞蟻不僅可以建造橋梁，而且能夠有效評估橋梁的成本和效率之間的平衡，比如在V字形道路上，蟻群會自動調整到合適的位置建造橋梁，既不是靠近V頂點部分，也不是V開口最大的部分。
生物學家對蟻群橋梁研究的算法表面，每只螞蟻并不知道橋梁的整體形狀，它們只是在遵循兩個基本原則：
- 如果我身上有其他螞蟻經過，那么我就保持不動
- 如果我身上經過的螞蟻數量頻率低于某個閾值，我就加入行軍，不在充當橋梁
數十只螞蟻可以一起組成木筏raft渡過水面。當蟻群遷徙的時候，整個木筏可能包含數萬只或更多螞蟻。
每只螞蟻都不知道木筏的整體形狀，也不知道木筏將要漂流的方向。但螞蟻之間非常巧妙的互相連接，形成一種透氣不透水的三維立體結構，即使完全沉在水里的底部螞蟻也能生存。而這種結構也使整個木筏包含超過75%空氣體積，所以能夠順利的漂浮在水面。
蟻群往往在地面形成非常復雜的尋找食物和搬運食物的路線，似乎整個集體總是能夠找到最好的食物和最短的路線，然而每只螞蟻并不知道這種智能是如何形成的，每只螞蟻只遵循兩條基本的規則：
- 尋找到食物的螞蟻會在更高品質的路線上留下更強的生物信息素
- 螞蟻總是傾向加入信息素更強的路線，并在不斷的往返過程中與其他螞蟻進行反饋，從而讓更短的路線被不斷加強
使用樟腦丸在螞蟻經過的路線上涂抹會導致螞蟻迷路，這是因為樟腦的強烈氣味嚴重干擾了螞蟻生物信息素的識別。
科學家們從蟻群依賴信息獲取最優路徑的方法上獲得啟發，創建了AOC算法（Ant colony optimization），即蟻群優化算法，廣泛應用于車輛、店鋪、人員等各種資源的調度和分配中。
將金屬液體或其他固定成型劑倒入蟻穴，可以看到蟻群在底下建造的復雜結構宮殿。
蟻群ants colony可能包含很少的個體，通常在數百到數千不等，2000年后，科學家們在日本、歐洲和澳大利亞都發現了在地下綿延數公里甚至數十公里的超級蟻群，都包含數億只甚至更多的螞蟻，并且證據表明，它們很可能是全球巨型蟻群的一部分。
蟻群具有復雜的等級結構，女王可以通過特殊的信息素影響到其他螞蟻，甚至能夠調節其他螞蟻的生育繁殖。但女王并不會對工蟻下達任何具體任務，每個螞蟻都是一個自主的單位，它的行為完全取決于對周邊環境的感知和自身的遺傳編碼規則。
盡管缺乏集中決策，但蟻群仍能表現出很高的智能水平，這種智能也稱之為分布式智能Distributed Intelligence，蟻群看上去就像一個具有集體智慧的“超級心靈Super mind”。
不僅螞蟻，幾乎所有膜翅目昆蟲都表現出很強的群體智能行為，另一個知名的例子就是蜂群。
蟻群和蜂群被廣泛的認為是具有真社會化屬性Eusociality的生物種群，這是指它們具有以下三個特征：
- 繁殖分工。種群內分為能夠繁殖后代的單位和無生育能力的單位，前者一般為女王和王，后者一般為工蜂、工蟻等。
- 世代重疊。即上一代和下一代共同生活，這也決定了下一個特征。
- 協作養育。種群單位共同協作養育后代。
這個真社會化屬性和我們人類的社會化屬性Sociality并不是同一概念。
鳥類在群體飛行中往往能表現出一種智能的簇擁協同行為，尤其是在長途遷徙過程中，以特定的形狀組隊飛行可以充分利用互相產生的氣流，從而減少體力消耗。
常見的簇擁鳥群是遷徙的大雁，它們數量不多，往往排成一字型或者人字形，據科學估計，這種隊形可以讓大雁減少15~20%的體力消耗。
體型較小的歐椋鳥組成的鳥群的飛行則更富于變化，它們往往成千上萬只一起在空中飛行，呈現出非常柔美的群體造型。
鳥群可以基于三個簡單規則就能創建出極復雜的交互和運動方式，形成奇特的整體形狀，繞過障礙和躲避獵食者。
- 分離，和臨近單位保持距離，避免擁擠碰撞
- 對齊，調整飛行方向，順著周邊單位的平均方向飛行
- 凝聚，調整飛行速度，保持在周邊單位的中間位置
鳥群沒有中央控制，每只鳥都是獨立自主的，實際上每只鳥只考慮周邊球形空間內的5~10只鳥的情況。
曾經獲得奧斯卡技術獎的計算機圖形學家Craig Reynolds，1986年開發了Boids鳥群算法，這種算法僅僅依賴分離、對齊、凝聚三個簡單規則就能實現各種動物群體行為的模擬。
1987年動畫短片，《Stanley and Stella in: Breaking the Ice》中成功的實現了鳥群和魚群的模擬。而《蝙蝠俠》系列電影中的蝙蝠群動畫也是這種算法的效果。
除了電影動畫，鳥群算法還被應用在多通道網絡信號、視覺信息等領域的優化算法中。
點擊進入騰訊視頻觀看Stanley and Stella in
魚群的群體行為和鳥群非常相似。金槍魚、鯡魚、沙丁魚等很多魚類都成群游行，如果我們把其中一只魚分離出來，就會觀察到這只魚變得情緒緊張脈搏加快。
這些魚總是傾向于加入數量大的、體型大小與自身更相似的魚群，所以有的魚群并不是完全由同一種魚組成。
群體游行不僅可以更有效利用水動力減少成員個體消耗，而且更有利于覓食和生殖，以及躲避捕食者的獵殺。
魚群中的絕大多數成員都不知道自己正在游向哪里。魚群使用共識決策機制，個體的決策會不斷地參照周邊個體的行為進行調整，從而形成集體方向。
據估計，北大西洋中的鯡魚群可能超過4.8立方千米，數量超過數十億條。
磷蝦群在海洋中的密度可能超過每立方米50000只，而衛星追蹤到的最大磷蝦群占地450平方千米，深200米，可能包含200多萬噸的磷蝦。
磷蝦群被認為可能是世界上生物量最大的群體，另一個也極其龐大的群體是浮游橈足類，他們數量龐大，對全球的碳循環系統有著極為重要的影響。
在哺乳動物中也常見群體行為，尤其是陸上的牛、羊、鹿，或者南極的企鵝。遷徙和逃脫獵殺時候，它們能表現出很強的集體意志。
研究表明，畜群的整體行為很大程度上取決于個體的模仿和跟風行為，而遇到危險的時候，則是個體的自私動機決定了整體的行為方向。
英國進化生物學家漢密爾頓WD Hamilton在1971年提出了自私群體理論，另外一個知名的理論是羊群效應，或者叫從眾效應。
與鳥群魚群不同，畜群只在平面空間上行動，很多時候群體中的意見領袖的作用非常明顯，但這仍是一個去中心化的組織，往往是多個意見領袖同時起推動作用，而且這些意見領袖是自發形成且自發變化的。
人群的行為很多時候看上去和羊群相似，絕大部分人的行為是盲目跟風的，他們只是根據周邊人的行為來行動，如果人群中5%改變了方向，其他人就都會跟隨，進而讓整個群體改變方向。
當人群中突然出現危險因素的時候，整個人群就會像魚群遇到鯊魚一樣躲避，但由于個體年齡體質問題導致行為能力相差很大，互相之間更缺乏鳥類之間的氣流或者魚類之間的水流動力，因此很容易在緊急情況下造成混亂，甚至踩踏傷亡。
人類的群體行為更多的表現在交通、股票、營銷和傳媒領域，越來越多的企業和機構，正在利用大量的用戶數據信息和優秀的算法，對人群行為進行模擬，從而實現更好的經濟目標或社會目的。
在計算機圖形動畫領域，人群模擬技術Crowd simulation，利用為個體設定較為簡單的行動規則，進而生成大規模群體行為效果。以這項技術著稱的MASSIVE軟件，在2001年上映的著名電影《指環王》中創建驚人規模的戰爭場面。
這場戰爭中，動畫師僅依賴300多個設定好的動作，加上每個單位被賦予的若干條規則，就獲得了最終數十萬軍隊的整體戰斗效果。
MASSIVE軟件之后被廣泛應用于好萊塢和全世界的電影特效當中。
電影動畫中所使用的群體模擬至今仍然以設定好的個體行為規則來作為驅動。
1992年，計算機科學家克里斯·沃特金斯提出了Q-learning理論，它可以讓群體中的個體執行各種操作，并能夠根據從環境中獲得的獎勵或懲罰來優化其行為，使用這種算法，伴隨著大量可能的行為和復雜的環境，個體將以現實和不可預測的方式行動，并形成更強大的集體意識。
Q-Learning至今仍是機器學習中的重要算法之一，通常稱作強化學習。
2011年，哈佛大學的拉德希卡·納泊爾和邁克爾魯賓斯坦開始開發微型的群體機器人kilobot，每個kilobot高3.3厘米，造價15美元，行為極為簡單：
- 通過身上的小燈發光或閃爍
- 通過紅外發射器和接收器互相通信
- 通過振動器實現每秒1厘米的速度移動
kilobots可以上千個一起合作，你不需要對每個機器人進行編程，而只要通過空中的紅外發射器向它們發送整體信息，就可以使機器人們組成各種圖形或者進行有規律的閃爍，甚至可以模擬螞蟻尋找食物的路徑行為。
2004年，兩位科學家Ayusman Sen和Thomas E. Mallouk制造出僅有4微米的納米馬達nanomotor，這些小家伙們可以一起進入人體細胞內運動。
Kilobots為了降低成本而沒有使用傳統的電機驅動行為，而在微觀領域也需要有更特殊的能量驅動方式。
納米馬達可以依賴超聲波共振來運動，或者自身與環境元素發生化學反應進行驅動，這種運動本質是很像是人體細胞的ATP營養物質，其化學反應為細胞提供了動力。
納米馬達的行為能力往往非常簡單，但我們可以通過在外部釋放的磁場信號來對他們施加影響，讓他們在人體內進行有效的醫療治愈行為。最新一些的納米馬達具有光感知能力，通過外部光的照射來改變其行為。
細菌和植物也能夠以特殊的方式表現出群體智能行為。
培養皿中的枯草芽孢桿菌根據營養組合物和培養基的粘度，整個群體從中間向四周有規律的擴散遷移，形成隨機但非常有規律的數值型狀。
而植物的根系作為一個集體，各個根尖之間存在某種通信，遵循范圍最大化且互相保持間隔的規律生長，進而能夠最有效的利用空間吸收土壤中的養分。
群體智能Swarm Intelligence可以視為系統智能System Intelligence的一個特殊情況，更多的分析和匯總將在下一節中討論。
每個人的智能決策新時代
如果您發現文章錯誤，請不吝留言指正；
如果您覺得有用，請點喜歡；
如果您覺得很有用，歡迎轉載~
END
