自然如何通过计算解决问题(How Nature Solves Problems Through Computation)

进化生物学家Jessica Flack寻求计算规则,生物群体用于解决问题。

 

生物学中有许多集体行为的模式,易于看到,因为它们沿着熟悉的空间和时间维度发生。想想椋鸟的淹死。或者通过将自己的身体连接成桥梁来跨越森林地板上的空隙的蚂蚁。当捕食者出现时,松散的海滩上的鱼群进入紧密的学校。

那么有不太明显的模式,就像进化生物学家杰西卡·弗莱克(Jessica Flack)试图理解的那样。2006年,她在埃默里大学的研究生工作表明,只有几个强大的战士可以稳定整个一群猕猴,通过介入较弱的猴子之间的混战,他们会用牙齿咧嘴笑着提交,而不是冒着冒险,失去。但是当Flack取消了一些警察时,整个团体变得破碎而混乱。

像群众或学校一样,警务行为源于个人互动,从而对整个集合产生宏观的影响。但是,它是微妙的,也许更难以可视化和测量。或者,正如Flack所说的猕猴社会和她研究的许多其他系统,“他们的度量空间是一个社会坐标空间。这不是欧几里德。

Flack现在是圣菲研究所的教授,除了在威斯康星大学麦迪逊分校外,她还花了所有的研究生职业。她与她的合作者大卫·克拉科尔(David Krakauer)合作的“集体计算”小组C4,不仅探索猕猴,而且探索每个模型所依据的规则的神经元,粘土模型和互联网,以及它们所有的一般规则。

Flack将她的工作描述为对三个联锁问题的调查。她想了解生物学的现象学规则,似乎总体上起作用,从微观的地面真理出发。她想了解组织如何解决问题并作出决定。她想知道如何复杂的系统在面对冲击的情况下保持强劲,像用自己的警察部队作为社交胶水的猕猴。

然而,根本上,Flack的重点是信息:具体来说,不同的,容易出错的演员的群组如何在一起处理信息方面的成败和失败。“当我看生物系统时,我看到的是他们是集体的,”她说。“他们都是由相互影响的组成部分组成,只有部分重叠的利益,谁是嘈杂的信息处理器处理嘈杂的信号。

通过电话,通过Skype和电子邮件,广达杂志赶上了Flack,询问C4目前的项目,她自己的职业发展路径,以及她工作背后的总体理念。以下是我们对话的编辑和精简版本。

你是如何在自然界进行问题解决的研究,你是怎么在圣菲研究所结婚的?

我一直对自然界如何解决问题和模式来自何方感兴趣,以及为什么尽管有这么多潜在的利益冲突,一切似乎都是如此有组织的。我真的很少有这样的问题。

在康奈尔,我正在进化生物课程,但没有一个材料真的解决了这些问题。我会花费大量的时间在Mann图书馆,那里是所有好的生物学书籍。所以我会坐在地板上的灰尘,昏暗的灯笼堆放着这堆书在我周围。就这样,我发现在进化生物学领域里有一群人正在研究这些问题,我发现更有趣。

他们不是主流。其中一个主要的地方,原来是很多这些人的家园是圣菲研究所。这是在九十年代初期。我通过电子邮件发送圣菲研究所,我要求提供40份工作文件。我是一个非常烦人的本科生。有人邮寄给我!他们实际上邮寄了我40份这些文件,我很激动,我读了所有这些。

现在你已经结束了,你能分解你的C4研究组的意思是“集体计算”吗?

集体计算是关于自适应系统如何解决问题。所有系统都是关于提取能源和开展工作,特别是物理系统。当您转向自适应系统时,您将获得信息处理的额外影响,我们认为这样可以使系统更有效地提取能量,即使它需要花费更多的精力来进行信息处理。适应性系统的组成部分看待世界,他们试图发现规律。这是一个嘈杂的过程。

与计算机科学不同,您所编写的程序,必须产生所需的输出,在自适应系统中,这是一个在进化或学习时间上被改进的过程。系统产生一个输出,它可能是环境的良好输出,也可能不是。然后随着时间的推移,它希望变得越来越好。

我们在C4正在做的是把凌乱的,概念上的挑战性问题变成一个严谨的事情。我们非常具有哲学导向性,但我们也非常定量,特别是在思考自然如何通过集体计算克服信息处理中的主体性时。我们真的认为这些问题的答案需要结合统计物理学,理论计算机科学,信息理论,进化生物学和认知科学的见解。

 

你可以通过一个例子走过我们吗?在最近的一篇文章中,您的小组研究了猕猴脑中神经元之间的交流。

人脑包含大约860亿个神经元,使我们的大脑成为最终的集体。我们所做的每一个决定都可以被认为是神经集体计算的结果。在我们的研究中,由我的同事Bryan Daniels领导,我们分析的数据是在Bill Newsome的斯坦福大学的一个实验中从猕猴获得的,他们必须决定一组移动到屏幕上的点是否左转,或者对。当猴子执行此任务时,记录了神经发射模式的数据。我们发现,随着猴子最初处理数据,几个单一的神经元对决定应该有很强的意见。但这还不够:如果我们想预测猴子会决定什么,我们必须轮询许多神经元以获得对猴子决定的良好预测。然后,当决​​策点接近时,这种模式转变。神经元开始同意,最终每个神经元都是最大的预测。

我们有这个集体计算的原则似乎涉及到这两个阶段。神经元出来,半独立地收集关于嘈杂输入的信息,就像神经众包。然后他们聚在一起,就决定应该做些什么共识。信息积累和共识的原则也适用于一些猴子社会。猴子们确定了半独立的能够赢得战斗的人,然后通过交换特殊信号来巩固这些信息。然后,这些信号的网络编码了组中关于任何一个人在战斗中使用武力的能力有多少共识。

我注意到另一个最近的一篇文章使用了你在格鲁吉亚劳伦斯维尔的雅克斯国家灵长类动物研究中心研究生期间制作的相同的猕猴数据。当你回到思考这个系统的时候你发现了什么?

我们想了解社会系统或其他生物系统如何从A状态转到B状态。一群鱼如何从海滩到学校教育,或者一个社会系统如何从拥有一些超级强大的动物到一个有较少的不平等已知一种促进在这种不同状态之间切换的机制是使系统靠近所谓的临界点或临界点。我们着手寻找一种以生物学意义来衡量系统距离关键点多远的方法。我们能想出机械上有意义的单位吗?

我们感兴趣的是,我们是否可以诱导我们正在学习的猴子社会,从许多小战斗和几个大型现象出发,进行许多大的战斗。我们观察到,这个猴群中的战斗大小从两到三十个人的大小,小战斗常见而大的战斗非常罕见。通过使用我们收集的关于参与决策的数据的社会模拟社会,我们发现我们可以测量加入战斗倾向的猴子数量将不得不增加,以使系统更接近关键点。

在这个系统中,大概有三到五个人将系统推向了边缘。我们还发现,个人的行为影响系统的程度有所不同。如果大的贡献者变得更有可能参加战斗,系统就会转向非常敏感的关键点,这意味着一个小的扰动可能会撞击到这个全战斗状态。虽然我们没有在这篇文章中研究这个,但我们推测,全面战斗的国家,这意味着系统将发生巨大变化,可能是有用的。如果环境从已知到未知的情况发生变化,这可能是您要做的事情,朝着关键点迈进,并完全重新配置组。

猕猴作为提出这些问题的示范系统,但我们希望我们开发的方法可以应用于大量其他不同类型的数据。

人类社会最近似乎有点混乱。你有没有试图在这个方向应用这种思维?

绝对。在一些金融和经济学家的帮助下,我们正在研究金融市场。我认为这是一个惊人的模型系统来提出这些集体计算问题。我今天的下一次会议是关于如何应用我们的关键性方法,再加上能够将物理系统的物质阶段的新机器学习结果应用于政治数据或市场数据。我们的目标是解决财务数据中有相变或关键现象的证据,并了解可能使市场更接近关键点的行为过程。

现在,您可以跟进这些问题到您的心脏的内容,如果您可以在康奈尔,图书馆的堆叠中访问自己,您会怎么说?

豪尔赫·路易斯·博尔赫斯(Jorge Luis Borges)是我最喜欢的作家之一,他写道:“最糟糕的迷宫不是那种复杂的形式,可以让我们永远陷入困境,而是一条单一而精确的直线。”我的道路不是一条直线。这是一条非常有趣的迷宫之路,我想我不会害怕。你不知道你将需要什么,你将需要什么工具或概念。事情是广泛阅读,并始终保持学习。

你可以谈谈一下从原始数据表开始是什么样的事情,并从中提取出这些格局?有一个单一的尤里卡时刻,还是一个缓慢的实现?

通常发生的是,我们有一些想法,我们的小组讨论他们,然后在我们的小组会议中的几个月或几年,我们排除这些问题。我们可以用缓慢而周到的科学。我们倾向于从事科学边缘的问题,我们正在做的是正式化。很多讨论是:“什么是核心问题,我们如何简化,什么是正确的测量,什么是正确的变量,什么是正确的方法来数学地表示这个问题?”它总是数据的组合,这些讨论,以及董事会上的数学,导致我们代表了我们牵引的问题。

我们在圣菲研究所有这个论点很多。有些人会说,“那么一天结束就算数学了,”我只是不相信。我相信科学位于这三个方面的交叉点 - 数据,讨论和数学。正是这种三角测量 - 那就是科学。真正的理解,如果有这样的事情,只有当我们能够在这三种代表世界的方式之间进行翻译时,才会有这样的理解。

 

更正:本文于2017年7月6日修订,以更正视频的标题,并修改关于大卫·克拉科尔在C4中的职业角色的声明。

本文转载于TheAtlantic

评论已关闭