Как наука о стаях может помочь предсказывать будущее

На модерации Отложенный



Первое, что поразило Иэйна Кузина (Iain Couzin), когда он вошел в лабораторию в Оксфорде с хранящимися там особями саранчи, был запах, напоминавший запах в затхлом амбаре с залежалым сеном. То, что поразило его во вторую, в третью и в четвертую очередь, — это была сама саранча. Содержавшиеся там насекомые часто убегали из своих клеток и на лету натыкались на лица научных работников и технических специалистов лаборатории. В помещении было жарко и влажно, а постоянное хаотичное движение 20 000 насекомых производило вредные испарения перешедшей в аэрозольное состояние их твердой наружной оболочки. Многие из сотрудников вынуждены были надевать респираторы для того, чтобы избежать тяжелых случаев аллергии. «Это было не самое простое место для занятий наукой», — признается Кузин.

Однако в середине 2000-х годов эта лаборатория была единственным местом на планете, где занимались именно той наукой, которой хотел посвятить себя Кузин. Саранча сама по себе его не беспокоила – он занимался изучением коллективного поведения. В том числе речь шла о стаях, стадах, косяках, колониях… - то есть о любых случаях, когда действия отдельной особи превращались в поведение группы. Биологи уже досконально изучили анатомию саранчи, описали ее превращение из зеленых бескрылых одиночек при рождении в способных летать черно-желтых взрослых особей. Мало кому удалось после 1960-х годов наблюдать за поведением стай саранчи – это было на самом деле сложно. Поэтому никто не понимал, каким образом небольшая хаотичная группа глупых насекомых превращается в облако из миллиона особей, объединенных единой целью.

Кузин помещал группу из 120-ти молодых особей в специальное приспособление в форме шляпы-сомбреро, которое он назвал акселератором саранчи, и позволял им двигаться по кругу по полям этого устройства в течение восьми часов в день. Размещенная сверху камера фиксировала движения саранчи, а с помощью компьютерных программ определялась позиция и ориентация насекомых. В конечном итоге он обнаружил то, что искал: при определенной плотности эти насекомые сбивались в сплоченные и упорядоченные кластеры. А затем наступал второй критический момент, и отдельные кластеры сливались в единую марширующую армию. В результате бессистемное топтание трансформировалось в организованную и выстроенную в определенном порядке массу, что являлось прелюдией к трансформации этих насекомых во взрослых особей.

Именно такие вещи и происходят в природе, но никому еще не удавалось воспроизвести подобные превращения в лабораторных условиях. В 1995 году венгерский физик Тамаш Вичек (Tamas Viscek) и его коллеги создали модель для объяснения особенностей группового поведения в простых – даже рудиментарных – условиях: каждая особь, двигаясь с постоянной скоростью, подстраивала свое направление движения к действиям соседа, двигающегося по определенному радиусу. Как только гипотетический коллектив становился достаточно большим, он превращался из неопределенной массы в организованную стаю, и все происходило именно так, как с саранчой Кузина. Подобная переходная фаза похожа на превращение воды в лед. Отдельные особи не имеют никакого плана. Они не подчиняются никаким указаниям. Но при наличии правил поиска решений (if-then rules) возникает порядок.

Кузин хотел выяснить, какие именно правила поиска правильных решений вызывают похожее поведение у живых существ. «Мы полагали, что, возможно, близость друг к другу способна вызывать подобную трансформацию», — отмечает Кузин. Однако участвовавшие в эксперименте насекомые не коммуницировали друг с другом так, чтобы это можно было зафиксировать. Здесь должна была действовать другая динамика.

Ответ оказался достаточно жутковатым. Каждое утро Кузин подсчитывал количество особей саранчи, которые он помещал в свой акселератор. Вечером его коллега Джером Бул (Jerome Buhl) пересчитывал их, вынимая их из аппарата. И Булл обнаружил меньшее количество насекомых, чем то, с которым Кузин, по его словам, начинал свой эксперимент. «Мне казалось, что я схожу с ума, — признается Кузин. – Доверие ко мне было поставлено на карту, если я не способен даже правильно подсчитать количество саранчи».

Но когда Кузин, увеличив изображение, пересмотрел видеозапись, он увидел, что отдельные особи саранчи кусали друг друга, если они оказывались слишком близко. А некоторые из них были просто полностью съедены своими сородичами. И в этом был ключ к разгадке. Каннибализм, а не сотрудничество, организовывало стаю. Кузин предложил элегантное доказательство своей теории: «Вы можете перерезать расположенный у них в брюшке нерв, позволяющий им чувствовать укусы сзади, и тем самым вы полностью лишите их способности создавать стаю», — подчеркивает он.

Полученные Кузином данные являются примером феномена, захватившего воображение ученых во всем мире. На протяжении почти целого века люди пытались понять, каким образом разрозненные особи превращаются в объединенные группы. Первоначальные данные были провоцирующими по своему характеру – животные спонтанно создавали те же самые формации, которые физики наблюдали в статистических моделях. Должна была существовать какая-то основополагающая общность. Секреты стаи создавали предпосылки для совершенно нового взгляда на мир.

Однако эти секреты оставались скрытыми в течение десятилетий. Наука в целом значительно более успешно способна разбирать сложные вещи на отдельные составляющие, чем ответить на вопрос, каким образом небольшие части формируют сложные вещи. Когда речь заходила о понимании коллективных действий, то ни у кого не было ни необходимого метода, ни математического аппарата.

Сегодня, благодаря новым технологиям наблюдения, мощным компьютерным программам и статистическим методам, механизмы коллективных действий становятся более понятными. На самом деле такое большое количество физиков, биологов и инженеров было вовлечено в этот процесс, что сама наука, кажется, стала испытывать изменения, зависящие от плотности. Не имея явных лидеров и единого плана, представители этого сообщества, состоящего из увлеченных изучением коллективных действий исследователей, обнаружили, что правила, вызывающие потрясающую сплоченность из отдельных бессистемных действий, имеют универсальный характер — в диапазоне от нейронов до человеческих существ. И именно эти правила могут объяснить все – как распространяется рак, как работает мозг и как армады автомобилей, управляемых роботами, когда-нибудь будут двигаться по дорогам. Тот способ, с помощью которого отдельные особи действуют вместе, в действительности может быть более важным, чем то, как они работают по отдельности.

Аристотель первым утверждал, что целое может быть больше своих частей. После него философы, физики, химики и биологи периодически вновь открывали для себя эту идею. Но только компьютерный век с его способностью воспроизводить набор простых правил миллионы и миллионы раз позволил детально рассмотреть эту смутную концепцию.

На протяжении большей части 20-го столетия биологи и физики  изучали эту концепцию, двигаясь по параллельным, но разделенным между собой путям. Биологам было известно, что живые существа проявляют элементы коллективного поведения – не заметить это было трудно, — однако открытым оставался вопрос о том, как им это удается. Проблема состояла в следующем: прежде чем станет ясно, каким образом формируются стаи, кто-то должен был понять, как проводить наблюдения. В стаде все антилопы, бактерии, скворцы выглядят достаточно одинаково. Кроме того, они быстро двигаются в трехмерном пространстве. «Было невероятно сложно получить правильные данные, — подчеркивает Найджел Фрэнкс (Nigel Franks), биолог из Бристольского университета и научный консультант диссертации Кузина. – Мы пытались посмотреть на все части и на все в целом одновременно».

Вместе с тем, физики столкнулись с другой проблемой. Обычно биологи работали с коллективами, численность которых составляла от нескольких особей до нескольких тысяч, тогда как физики работали с группами, состоявшими из колоссального количества единиц. Типы коллективов, в которых происходят подобные переходные фазы, содержат отдельные группы – в них количество измеряется двойными числами, умножаемыми на 10 (in double-digit powers of 10). С точки зрения статистики физика и математика, в принципе, исходят из того, что подобные коллективы бесконечно велики. Поэтому в очередной раз вы лишены возможности наблюдать за отдельными особями в удобоваримой форме. Но вы можете смоделировать этот процесс.

Большой скачок вперед был сделан в 1970 году, когда математик по имени Джон Конвей (John Conway) изобрел то, что он сам называл «Игрой Жизни» (Game of Life). Конвей представил себе доску для настольной игры Othello с фишками, меняющими свой цвет с черного на белый и наоборот. Состояние маркеров – они называются клетками – менялось в зависимости от статуса соседней ячейки. Черная клетка с одной соседней черной фишкой (neighbor) или вообще без единой черной соседней фишки «умирала» от одиночества и становилась белой. Если по соседству оказывались две черные фишки, то ничего не происходило. Если рядом оказывались три черные фишки, то ячейка «возрождалась», меняя свой цвет с белого на черный. Если их было четыре, то она умирала от перегруженности, и меняла черный цвет на белый. Таким образом, игральная доска превращалась в постоянно меняющуюся мозаику.

Конвей мог играть по этим правилам на реальной доске, но когда он и его программисты воспроизводили игру Life в цифровом виде, она становилась очень сложной. При наличии высокой скорости они имели возможность получить поразительное количество паттернов, возникавших у них на экранах. В зависимости от стартовых условий, они получали цепочки фишек, за которыми тянулись клубы дыма, или орудия, выстреливавшие небольшие планеры. В тот момент, когда большинство программ нуждались в сложных правилах для имитации даже простого поведения, «Игра Жизни» демонстрировала обратный вариант. Конвею удалось создать продуктивную модель – его черные и белые фишки обладали способностью самоорганизовываться в нечто новое.

Спустя 16 лет компьютерный мультипликатор Крейг Рейнолдс (Craig Reynolds) попытался найти способ автоматизации движений больших групп в мультипликации, то есть более эффективный алгоритм, способный сэкономить время и деньги. Программа Рейнолдса, получившая название Boids, была способна создавать виртуальных агентов, имитирующих стаю птиц. В ней были предусмотрены такие функции, как огибание препятствий и физические параметры полета, но, по сути, в программе Boids существовали три простых правила: двигаться с учетом средней позиции твоих соседей, сохранять по отношению к ним небольшую дистанцию и выстраиваться с ними в определенную формацию (выстраиваться означало, насколько близко направление движения одной особи могло подходить к траектории движения других особей). Вот и все.

Программа Boids и ей подобные произвели настоящую революцию в Голливуде в начале 1990-х годов. С ее помощью были созданы эпизоды с участием пингвинов и летучих мышей в фильме «Бэтмен возвращается» (Batman Returns), а также организовывались титанические сражения в трилогии «Властелин колец» (Lord of the Rings). Само по себе это воспринималось как чудо, однако созданные с помощью программы Boids стаи наводили на мысль о том, что в реальном мире они, возможно, образуются сходным образом – не по команде сверху вниз и не с помощью ментальных шаблонов обычного стада или телепатической коммуникации (как серьезно считали некоторые биологи). Сложность, как считал Аристотель, может выстраиваться снизу вверх.

В этом деле стал намечаться прогресс. Венгерский физик Вичек имитировал свою стаю в 1995 году, а в конце 1990-х годов немецкий физик по имени Дирк Хелбинг (Dirk Helbing) создал имитационную игру, в которой виртуальные дигитальные люди спонтанно создавали полосы движения на загруженных улицах и застревали в огромных пробках, пытаясь спастись от пожара, – именно так люди обычно и ведут себя. Хелбинг добивался этого с помощью простых «социальных сил». Ему нужно было только заставить его виртуальных людей двигаться пешком с определенной скоростью к пункту назначения, держаться на расстоянии от стен и учитывать направление движения своих соседей. И толпа уже создана.

В начале 2000-х годов исследования в области биологии и физики стали пересекаться. Технологии, используемые в видеокамерах и компьютерной визуализации, могли уже показать действия отдельной особи в стае животных, и симуляции по своим результатам стали все больше и больше приближаться к реальной жизни. Ученые получили возможность задать ключевые вопросы: коллективы из живых существ следуют тем же простым правилам, которые действуют в «Игре Жизни» или в модели Вичека? А если да, то… как?

Прежде чем изучать коллективы, Кузин их создавал. Он вырос в Шотландии и всегда хотел иметь домашних животных, однако его братья страдали от различных форм аллергии, и поэтому он мог себе позволить завести весьма необычных питомцев. «Рядом с моей кроватью обитали змеи, в коробке ютилась тля, а в моем школьном ящике можно было обнаружить колющих насекомых», — рассказывает он. И все существа, способные образовывать стаи, вызывали у него восторг. «Я помню, как я наблюдал за подвижными косяками рыб по телевизору, я мог смотреть на них без конца, я был просто заворожен ими. Я думал, что рыбы скучные, но эти формы…» Кузин делает паузу, и создается впечатление, что вы видите в его глазах причудливые узоры, создаваемые стаями рыб; затем он возвращается в реальность.  «Меня всегда интересовали формы», — признается он.

Когда Кузин в 1996 году, будучи аспирантом, стал работать в лаборатории Фрэнкса, он, наконец, получил возможность их изучать. Фрэнкс пытался понять, как колонии муравьев себя организуют, и Кузин присоединился к его исследованиям. Он помечал каждое насекомое краской и наблюдал за ними на видео — он вновь и вновь просматривал запись, наблюдая за отдельными особями. «Это была нелегкая работа», — признается он. Еще хуже было другое — Кузин сомневался в том, что сможет получить результат. Он не верил в то, что невооруженный глаз способен следить за множеством параллельных взаимодействий в колонии. Поэтому он стал использовать искусственные методы. Он научился программировать компьютер таким образом, чтобы он мог следить за муравьями – и в конечном итоге имитировать целые группы животных. Он получил возможность изучать не муравьев, а стаи.

Для биолога это поле было безлюдным. «Я думал, что этим должны заниматься целые лаборатории, — признается он. – Я был поражен тем, что таких лабораторий вообще не было». Но он обнаружил программу Boids. В 2002 году Кузин смог взломать эту программу и перестроить ее на наблюдение за основной триадой действий – привлечение, отторжение и упорядочение. При включенном привлечении и отторжении и выключенном упорядочении его виртуальная стая оставалась неопределенной и неорганизованной. Когда Кузин повышал уровень формирования, стая преобразовывалась в вертящийся пончик, как косяк макрели. Если он еще больше увеличивал масштаб образовавшегося формирования, то этот «пончик» распадался, а все его элементы выстраивались в одном направлении и начинали двигаться вместе, как стая перелетных птиц. Другими словами, все эти различные формы основаны на сходных алгоритмах. «Я стал воспринимать имитации как продолжение работы моего мозга, — подчеркивает Кузин. – Разрешив компьютеру помогать мне мыслить, я получил возможность развить мою интуицию и понять, как работают подобные системы».

В 2003 году Кузин получил грант для изучения саранчи в Оксфордском университете. Лаборатории по всему миру  подвергали тщательному исследованию поведение других типов стай. Колонии бактерий, слизистую плесень, рыб, птиц… Стало появляться больше публикаций на эту тему. Работа группы Кузина, однако, была среди первых, показавших  физикам и биологам, как их дисциплины способны слиться воедино. Изучение поведения животных «раньше предполагало внесение записей в тетрадь: «Большая горилла ударила маленькую гориллу», — отмечает Вичек. – Теперь наступила другая эра, и вы получаете миллионы бит информации в секунду, а затем идете к своему компьютеру для того, чтобы проанализировать полученные данные».

Сегодня 39-летний Кузин возглавляет одну из лабораторий в Принстонском университете (Princeton University). У него - широкое лицо и коротко подстриженные волосы, а его глаза через очки в черной оправе излучают яркий свет. Он возглавляет команду, состоящую из 19-ти человек, и она, по сути, является частью факультета экологии и эволюционной биологии, однако включает в себя также физиков и математиков.

В их офисе размещены восемь самых современных рабочих станций, оснащенных игровыми графическими картами. Все они называются Hyron, что на критском языке означает «Рой пчел».

В Соединенных Штатах запрещено изучать саранчу, поскольку существует опасение относительно того, что эти насекомые могут вырваться на свободу и уничтожить урожай. И поэтому Кузин, перебравшись в 2007 году в Принстон, понимал, что он будет вынужден иметь дело с другими подопытными животными. Он провел несколько экспериментов с рыбами — для  этого, вооружившись сетью и болотными сапогами, он направился с коллегами к расположенному неподалеку озеру. После явных неудач и малого количества пойманных рыб он обратился к местным рыбакам, расположившимся на мосту поблизости. «Я думал, что им известно, где находятся стаи рыб, но когда я подошел к ним, я увидел пойманных ими мальков, которые, сбившись в стаи, как сумасшедшие, носились у них в ведре». Это были золотистые нотрописы (shiners)  – ничем не примечательные создания длинной в 5 —7 сантиметров, которые оказались «намного глупее, чем я мог себе представить». И они также были исключительно дешевы. Для начала мы купили 1000 штук за 70 долларов.

Когда Кузин входит в помещение, где содержатся нотрописы, они прижимаются к стеклу своих аквариумов в надежде получить корм и при этом теряют сходство с коллективом. Но как только он вылавливает их и помещает в расположенный рядом большой бассейн, они образуют стаю и начитают носиться с большой скоростью – как автомобили на гоночной трассе. Члены его команды ввели цветную жидкость, а также вещество для загустения в их маленькие тельца; эти два вещества, соединяясь, образуют яркий по цвету пластик, что делает их исключительно заметными при взгляде сверху. Когда нотрописы плавают в бассейне, свет отражается от пластика, и камеры снимают их движение. Кузин использует этих глупых рыб для того, чтобы пойти дальше, не ограничиваясь просто наблюдением за тем, как образуются коллективы, и начинает изучать их возможности. Какие способности они приобретают?

Так, например, Кузин направляет свет на нотрописов, и они начинают перемещаться в более затененные участки бассейна, и делают это, вероятно, потому, что темнота обеспечивает относительную безопасность рыбам, основное оружие которых состоит в том, чтобы вовремя «убежать». Такого рода поведение обычно объясняют с помощью «принципа многочисленных ошибок» (many wrongs principle), который был впервые предложен в 1964 году. Согласно этой теории, каждый отдельный нотропис неверно оценивает направление движения, и косяк, члены которого, держась вместе и взаимодействуя друг с другом, учитывает все эти слегка ошибочные оценки и таким образом получает лучший вариант направления движения. Возможно, вы узнаете эту концепцию с помощью термина, который активно популяризировал журналист Джеймс Шуровьески (James Surowiecki): «мудрость толпы».

Что касается нотрописов, то проведенные Кузином в лаборатории наблюдения показали, что данная теория неверна. Косяк этих рыб не мог сводить воедино несовершенные оценки, потому что отдельные особи не оценивают то, какое место является более темным. Вместо этого они подчиняются простому правилу: плыви более медленно в более темном месте. Когда неорганизованная группа нотрописов попадает в затемненный участок, рыбы в передней части косяка снижают скорость, и вся группа оказывается в более темном участке. Как только они покинули освещенное место, они сбрасывают скорость и держатся плотнее друг к другу, как автомобили, попавшие в затор на дороге. «Это чистое непредвиденное, эмерджентное свойство, — отмечает Кузин. – Способность восприятия на самом деле проявляется только на коллективном уровне». Другими словами, ни один нотропис не плывет куда-то с определенной целью. У толпы нет мудрости, которой она могла бы быстро воспользоваться.

Другие исследователи коллективов обнаружили похожие черты интеллекта стаи, и некоторые из них имеют место в настоящих стаях. Каждую весну медоносные пчелы покидают свои старые колонии для того, чтобы создать новые ульи. Пчелы-разведчики возвращаются в рой для того, чтобы сообщить месторасположение наилучшего места жительства – для этого они покачивают задней частью своего тельца и выполняют «танец пчел» в виде восьмерки (in figure eights). В замысловатых фигурах этого танца закодированы дистанция и направление, но еще более важно то, что эти танцы возбуждают других разведчиков.

Бихевиоральный биолог Томас Сили (Thomas Seeley) из Корнелльского университета (Cornell University) использовал яркие цвета для маркировки пчел, посещавших разные места, и обнаружил, что пчелы, выступающие в поддержку одного места, начинают таранить тех членов семьи, которые поддерживают другое место. Подобного рода лобовые столкновения является пчелиной версией процесса негативного голосования. Как только одна сторона достигает определенного порога поддержки, вся семья сразу вылетает в указанном направлении.

Занимающиеся поиском жилища пчелы в буквальном смысле представляют собой мозг семьи, состоящий из отдельных тел.  И это не дешевая метафора. В 1980-х годах ученые, занимающиеся когнитивными процессами, стали утверждать, что само человеческое мышление является эмерджентным процессом. Согласно этой концепции, в вашем мозгу различные группы нейронов возбуждаются, демонстрируя таким образом поддержку отличного от других варианта. При этом они, как и виляющие своими тельцами пчелы, возбуждают некоторые соседние группы и запугивают остальных, как это делают таранящие своих противников пчелы. Подобное соревнование заканчивается только после принятия решения. Тогда мозг в целом говорит: «Поворачивай направо» или «Съешь это печенье».

Ту же самую динамику можно заметить в поведении скворцов: ясным зимним вечером стаи этих небольших черных птиц собираются в римском предзакатном небе, описываю там круги и издавая характерный шорох. При нападении сокола все скворцы почти одновременно резко меняют направление движения, и это делают даже самые удаленные от головной части стаи птицы, которые вообще не видят угрозы. Как это возможно? Итальянский физик Андреа Каванья (Andrea Cavagna) смог раскрыть их секрет после того, как он отснял поведение тысяч скворцов с холодных крыш городских музеев с использованием трех камер и компьютера, на котором он воспроизвел движение птиц в трех измерениях. В большинстве систем, где информация передается от индивида к индивиду, ее качество снижается, она искажается – как в игре в испорченный телефон. Однако Каванья обнаружил, что движения скворцов объединены на основе безмасштабных схем (scale-free). Если один скворец поворачивает, то тогда поворачивают все птицы. Если один скворец увеличивает скорость, что все увеличивают скорость. Правила простые – в основном делай то, что делают полдюжины твоих соседей, не задевая их. При этом качество информации, воспринимаемой этими птицами относительно друг друга, ухудшается значительно более медленными темпами, чем ожидалось, и поэтому информация воспринимается скворцами, находящимися на краю стаи, и вся она совершает определенное движение.

Создается впечатление, что все подобного рода качества указывают на существование какой-то большой теории стаи – фундаментального вычисления высшего уровня, способного объединить различные варианты группового поведения. В одной статье Вичек и его коллега задали вопрос о возможном существовании «неких простых основополагающих законов природы» (таких, например, как принципы термодинамики), которые охватывали бы все разнообразие наблюдаемых феноменов». 

Кузин также рассматривал подобный вариант. «Почему мы наблюдаем все это вновь и вновь? – спрашивает он. – Должно существовать что-то более глубокое и фундаментальное». Биологи привыкли к понятию конвергентной эволюции – к таким феноменам, как развитие обтекаемой формы у дельфинов и акул или эхолокация у летучих мышей и китов – животные независимых видов обладают похожими формами адаптации. Но можно ли говорить о конвергентной эволюции алгоритмов? Либо все эти коллективы демонстрировали различные варианты поведения, производящие один результат – таранящие друг друга пчелы, наблюдающие за своими соседями скворцы, проворные золотистые нотрописы,  — или существуют какие-то основополагающие правила, а поведение представляет собой мост от правил к коллективу.

Стивен Вольфрам (Stephen Wolfram) мог бы, вероятно, сказать, что существуют основополагающие правила. Этот британский математик и изобретатель столь необходимой программы Mathematica в 2002 году опубликовал толстый фолиант объемом в 1200 страниц под названием «Новый вид науки» (A new Kind of Science), в котором он утверждает, что эмерджентные свойства, воплощенные в коллективах, происходят из простых программ, управляющих сложностью снежинок, раковин, мозга и даже самой Вселенной. Вольфрам пообещал, что его книга приведет к открытию этих алгоритмов, но в конечном итоге он так до этого и не дошел.

Кузин, с другой стороны, более осторожен по части утверждений о том, что его область столкнулась с секретом жизни, Вселенной и всего на свете. «Я очень осторожен относительно предположений о существовании основополагающей теории, способной объяснить фондовую биржу, нейтральные системы и косяки рыб, — отмечает он. – Это немного наивно. Опасно думать, что одно уравнение может подойти ко всему». Физика предсказывает взаимодействие внутри стаи саранчи, однако его механизм проявляется с помощью каннибализма. Математика не произвела биологию; биология породила математику.

И все же почти любая система, которая состоит из отдельных частей, наделенных энергией – кинетической, термальной, любой, — производит шаблоны. Металлические прутья образуют вихревые формы при соприкосновении с вибрирующей платформой. В чашке Петри мышечный белок двигается однонаправленно при получении импульса от молекулярных моторов. Опухоли порождают в большом количестве популяции злокачественных мобильных клеток, которые подстраиваются под окружающие ткани и проникают в них, используя возможности прокладывающих путь лидерных клеток. Все это похоже на мигрирующую стаю. Определите ее алгоритмы, и тогда, возможно, вам удастся отклонить их движение от жизненно важных органов  или остановить процесс их распространения.

Такого же типа правила применяются в том случае, если вы повышаете уровень сложности. Ретина, чувствительная к свету ткань в задней части глаза, связана с оптическим нервом и мозгом. Майкл Берри (Michael Berry), нейробиолог из Принстонского университета, накладывает части ретины на электроды и демонстрирует им видео, наблюдая при этом за их электрофизиологической реакцией. В этом контексте подобные видео похожи на лучи прожектора, которые Кузин использует при работе со своими нотрописами, и Берри также обнаруживает эмерджентное поведение при увеличении количества нейронов. «Переменная может быть направлением, движением или вариантом голосования, но в любом случае вы можете переносить математические принципы с одной системы на другую», — подчеркивает Кузин.

В лаборатории, больше похожей на авиационный ангар и расположенной в нескольких километрах от основного кампуса Принстонского университета, к потолку подвешены разного рода батискафы. Прохладный воздух имеет резкий запах хлора, что объясняется наличием бассейна с водой на 80 000 литров и глубиной в три метра. В нем находятся четыре размером с кошку робота обтекаемой формы с верхним и задним пропеллерами, позволяющими им плавать в трех направлениях.

Эти роботы называются «Белугами» (Belugas), и они созданы для изучения моделей коллективного поведения. «Мы изучаем те механизмы в природе, о создании которых я даже не могу мечтать, — отмечает инженер Наоми Леонард (Naomi Leonard). Она планирует использовать большое количество подводных роботов для сбора информации относительно температуры, течений, загрязнений и т.д. Ее роботы также способны следить за траекториями движения, они не сталкиваются друг с другом и держатся друг от друга на достаточном расстоянии для того, чтобы не собирать избыточную информацию – достаточное программное обеспечение для раскрытия более сложных способностей. Теоретически.

Сегодня эти аппараты не работают. Три «Белуги» извлечены из бассейна, и члены команды Наоми Леонард имеют возможность с ними поработать. Находящийся в воде робот переведен на ручное управление, которое осуществляется с помощью тонкого игрового джойстика. Системы контроля реагируют, хотя и не сразу, и неконтролируемые маневры исключены.

Однако у Леонард имеется запись, на которой можно увидеть, как роботы работают вместе, и это значительно более убедительно. Созданные в этой лаборатории аппараты выполняют задания с использованием запрограммированного и основанного на контроле с помощью фидбэка алгоритме – это похоже на поиски наибольшей концентрации нефти при имитации разлива или на сбор отдельных «целей»  с последующим их соединением.

Создание успешно работающей стаи роботов могло бы означать, что ученым удалось обнаружить нечто основополагающее. Группы роботов уже существуют, но большинство из них имеют современный искусственный интеллект или полагаются на команды, поступающие от оператора или центрального компьютера. Для Тамаша Вичека – физика, создавшего первые варианты имитации стаи, — это является обманом. Он пытается построить квадрокоптеры (quadcopter), которые  могли бы формировать стаи, как реальные птицы, полагаясь при этом только на знание позиции своих соседей, направления и скорости.  Вичек хочет, чтобы его квадрокоптеры охотились за другими беспилотниками, но пока большого успеха ему добиться не удалось. «Если мы просто применим упрощенные правила, разработанные нами и Иэйном, то это не будет работать, — подчеркивает Вичек. – Они часто не достигают цели, поскольку не способны достаточно быстро замедляться».

Другая группа исследователей пытается управлять полетом стаи беспилотников с использованием модных сетевых теорий, похожих на те правила, которые управляют отношениями в Facebook, — тогда как управление стадным поведением беспилотников осуществляется с помощью модифицированной версии Boids – программы для компьютерной анимации, которой эта отрасль в первую очередь обязана своим подъемом. Еще одна команда работает над применением принципов поведения стаи для автономных автомобилей – одним из фундаментальных эмерджентных качеств стаи является способность избегать столкновения, и это одна из самых важных задач для автомобилей, которая состоит  в том, чтобы они не сталкивались с людьми или с другими машинами.

Пока самым большим препятствием для «Белуг» являются инженерные проблемы. Реакция роботов на команды происходит медленно. Небольшие асимметрии в корпусах изменяют их движение. В конечном итоге попытки решить все возникающие сложные задачи позволят перевести изучение коллективов на следующий уровень. С момента разработки Boids ученые высказали важные предположения относительно того, как животные взаимодействуют друг с другом.  Однако животные – это больше, чем модели. Они ощущают окружающий их мир. Они коммуницируют. Они принимают решения. Именно эти способности Кузин и хочет передать. «Я начал с простых взаимодействующих друг с другом частей, формирующих более сложные паттерны, и это хорошо, однако реальные животные не такие простые», — подчеркивает Кузин.

Он берет в руки пластиковую модель вороны, стоящую на книжной полке. «Здесь мы имеет дело с довольно сложным созданием. Вопрос в том, когда мы получим возможность анализировать поведение этих животных в естественной трехмерной среде». Первым шагом на этом пути может стать размещение дешевой игровой системы Kinect, разработанной компанией Microsoft, в вольер для птиц, после чего нужно будет включить источник инфракрасного света и наблюдать за пространством.

Вторым шагом может быть проведение тех же самых измерений в реальной природе. Каждая ворона в стае будет иметь миниатюрные сенсоры, фиксирующие ее движения, активность ее мозга и образы на ее сетчатке. Кузин в таком случае сможет сопоставить поведение клеток и нейронов внутри каждой птицы с движением стаи. Это более продвинутая версия акселератора саранчи – соединение моделей реального мира с техникой для получения беспрецедентной возможности исследования тех созданий, которые интенсивно изучались по отдельности, но игнорировались как группы. «Тогда мы смогли бы понять, каким образом эти животные получают информацию от своих сородичей, как они коммуницируют друг с другом и как принимают решения», — подчеркивает Кузин. Он не знает, что он в конечном итоге обнаружит, но в этом и состоит прелесть – быть частью стаи: даже если вы сами не знаете, куда именно вы идете, вы все равно там окажетесь.