Swarm Intelligence: è l’insieme che fa la differenza

Sul filone di quanto riportato nell’articolo precedente, dettaglieremo una delle applicazioni della biomimesi ovvero la Swarm Intelligence che si basa sull’utilizzo dell’intelligenza collettiva di uno sciame. Detta anche "Teoria dello sciame intelligente", nasce da intuizioni biologiche relative alle incredibili capacità degli insetti sociali di risolvere problemi di vita quotidiana.

Le colonie sono formate da pochi animali, fino ad arrivare a milioni di individui, e mostrano comportamenti che combinano efficienza a flessibilità e robustezza. Svariati sono gli esempi di comportamenti complessi tra gli insetti sociali, dalla costruzione di strutture efficienti, alla distribuzione dinamica dei compiti tra i lavoratori. Tanto per citare qualche esempio, nella fase di movimento, l'esercito di formiche neotropicali eciton burchelli, può organizzare raid di caccia di grandi dimensioni, che possono contenere più di 200 000 lavoratori, raccogliendo migliaia di rapaci di 15 m di larghezza, uguale o superiore, e spazzare una superficie di oltre 1500 mq in un solo giorno.

La complessità di queste strutture non è sicuramente in grado di riflettere la semplicità comportamentale dei singoli insetti, che possiamo definire “macchine” elaborate in grado di modulare il loro comportamento sulla base del trattamento di svariati impulsi sensoriali.

Tuttavia, la laboriosità di ogni individuo non è sufficiente per controllare un grande sistema, tantomeno di spiegarne la complessità a livello di colonia. Nella maggior parte dei casi, un singolo insetto non è in grado di trovare da solo una soluzione efficiente al problema dell’intera colonia alla quale appartiene, mentre, la colonia intera è in grado di trovare “nel suo complesso” una soluzione molto semplicemente.

Dietro questa “organizzazione senza un organizzatore” ci sono meccanismi nascosti, che permettono di far fronte a situazioni di incertezza e trovare soluzioni a problemi assai complessi. Tali meccanismi sono stati studiati per realizzare algoritmi di vario genere, tra i quali l’ottimizzazione discreta, la distribuzione dei compiti, il raggruppamento e tanti altri.

Oltre agli insetti sociali è importante notare che esistono altri sistemi biologici con simili proprietà collettive, come ad esempio il movimento di banchi di pesci o spostamenti di stormi di uccelli, che hanno in parte ispirato il concetto di particle swarm optimization.

Per poter meglio comprendere i fondamenti della Swarm Intelligence bisogna quindi esaminare i meccanismi fondamentali alla base di comportamenti complessi collettivi, introducendo i concetti principali degli sciami intelligenti quali il decentramento, il concetto di stigmergia come paradigma di comunicazione, l'auto-organizzazione come somma di comportamenti individuali, i feedback, le fluttuazioni e le biforcazioni.

 

I concetti cardine nei vari comportamenti osservati nelle colonie di insetti sociali sono la scomposizione nelle quattro funzioni principali: il coordinamento, la cooperazione, la deliberazione e la collaborazione.

Gli insetti individuali non hanno bisogno di alcuna rappresentazione, mappa o conoscenza esplicita della struttura globale che producono. Un singolo insetto non è in grado di valutare una situazione globale, di centralizzare le informazioni sullo stato dell’intera colonia cui appartiene, né di controllare i compiti che devono essere svolti dagli altri lavoratori, in quanto, all’interno di queste non vi è alcun supervisore.

Una colonia di insetti sociali è come un sistema decentralizzato, costituito da unità autonome distribuite nell’ambiente, e può essere definita come un insieme di semplici comportamenti di risposta agli stimoli. Le regole che governano le interazioni tra gli individui sono eseguite sulla base di informazioni locali, senza la conoscenza del modello globale. Ogni insetto segue un piccolo insieme di regole comportamentali, ad esempio una formica è in grado di eseguire in media venti diversi comportamenti. L’organizzazione della colonia deriva dalla somma dei semplici comportamenti di ogni individuo.

 

Tutte queste interazioni garantiscono la propagazione di informazioni attraverso la colonia e, a loro volta, organizzano l’attività di ogni individuo. Grazie a questa rete di interazioni, gli insetti sociali sono in grado di offrire un sistema molto flessibile e robusto.

L’efficienza di questi comportamenti è stata riscontrata soprattutto nel reclutamento degli alimenti attuato dalle formiche, le quali comunicano tra di loro attraverso l’uso di feromoni, sostanze biochimiche prodotte da ghiandole esocrine emesse a basse concentrazioni con la funzione di segnali ed in grado di attrarre altre formiche. Quando una di queste trova una fonte di cibo, torna al nido rilasciando una scia di feromoni; il percorso che verrà a formarsi guiderà altri individui dal nido verso la fonte di cibo. Al loro ritorno rilasceranno anch’esse una quantità di feromoni sulla pista seguita rafforzando così il percorso. La formazione del tragitto è ottenuta quindi da un feedback positivo: più formiche utilizzano un sentiero, più il sentiero diventa “attraente”. Dopo un certo periodo di tempo il percorso scompare per due motivi:

1. il rinforzo è troppo lento;
2. la fonte di cibo è esaurita.

È interessante notare che questo meccanismo utilizzato per assemblare un gran numero di raccoglitori vicino ad una fonte di cibo, permette anche ad una colonia di prendere decisioni efficaci, come la scelta del percorso più breve, che conduce ad una fonte di cibo.

CONSIDERAZIONI ED IMPATTI

Tutti questi aspetti biologici dei comportamenti degli insetti sociali hanno avuto un impatto importante nel mondo tecnologico, ed in particolar modo nell’Internet of Things, fino ad ispirare algoritmi in grado di controllare il comportamento collettivo di sistemi artificiali. Questi comportamenti collettivi sono passati dalla biologia alla robotica. Tali algoritmi, infatti, oltre a simulare banalmente i comportamenti biologici, hanno trovato applicazioni in sistemi fisici, ovvero gli swarm-bot o sciami di robot.

Con robotica di sciame ci si riferisce a un campo di ricerca abbastanza ampio che guarda allo studio e all’implementazione di sistemi robotici composti da molteplici unità. Ogni singola unità è autonoma, ossia in grado di prendere decisioni in base ad un algoritmo predefinito e alle informazioni che riesce a cogliere autonomamente dall’ambiente tramite sensori. Un’altra caratteristica peculiare degli swarm robot è la capacità di interagire tra loro tramite una rete di comunicazione o mediante interazioni fisiche.

Ciò che differenzia gli swarm robot dai sistemi multi-robot già oggi in campo è proprio l’auto-organizzazione. Questi sistemi, infatti, si organizzano in maniera totalmente decentralizzata e per sviluppare gli algoritmi che andranno poi a guidare i robot di sciame si fa riferimento a sistemi già presenti in natura, che forniscono motivi di ispirazione ed esempi molto interessanti di un comportamento complesso.

Gli algoritmi ispirati al comportamento delle formiche offrono diverse proprietà interessanti come la flessibilità, la robustezza e il decentramento. Tutte queste proprietà rendono i sistemi in grado di risolvere problemi che cambiano dinamicamente, offrendo un’elevata tolleranza ai guasti.

Manca inoltre una teoria in grado di permettere di prevedere il comportamento del sistema in funzione dei suoi parametri. Riuscendo a prevedere il comportamento del sistema, in particolare dando agli agenti artificiali la capacità di modulare i propri comportamenti individuali, le modifiche che si verificano a livello della colonia, la renderebbero meglio preparata ad affrontare mondi incerti.

Gli agenti sarebbero quindi in grado di anticipare collettivamente gli effetti collaterali negativi, dovuti all’evoluzione della colonia, o per controbilanciare l'impatto dei pericolosi cambiamenti ambientali. In questo modo il sistema sarebbe in grado di auto-adattarsi, comportando un aumento della complessità a livello di colonia.

In conclusione il perseguimento di studi in campo biologico e la necessità di concretizzare ulteriori sviluppi teorici sul ruolo adattativo di queste modulazioni, permette di capire che l’intelligenza collettiva ha ancora tanto potenziale che deve essere scoperto.