無論是生物鏈中較低等的螞蟻、蜜蜂、鴿子還是與人類相比沒有思想的北美馴鹿，智慧群體的組成要素——分散化控制，針對(duì)本地信息行動(dòng)，簡單的經(jīng)驗(yàn)法則——加在一起，就構(gòu)成了一套應(yīng)對(duì)復(fù)雜情況的精明策略。
我曾以為螞蟻?zhàn)鍪裁词露夹闹杏袛?shù)。那些列隊(duì)爬過我家廚房臺(tái)面的小家伙看起來是那么信心十足。于是我猜它們?cè)缇投ê昧擞?jì)劃，知道要去哪兒，要做什么。不然的話，螞蟻又怎能做出組織行軍路線，建造復(fù)雜蟻穴，發(fā)動(dòng)大規(guī)模突襲等等奇妙行為呢？
然而，我想錯(cuò)了。
單個(gè)螞蟻并非是聰明的小工程師，建筑師或武士，當(dāng)決定下一步怎么做時(shí)，作為個(gè)體的大多數(shù)螞蟻根本毫無頭緒。
那么，該怎么解釋蟻群所完成的繁復(fù)而龐大的工程呢？
在1.4億年的進(jìn)化中，它們到底學(xué)到了什么？
這里實(shí)際提出了一個(gè)根本性的問題：個(gè)體的簡單行動(dòng)怎樣組合成為群體的復(fù)雜行為？
蟻群的智慧
斯坦福大學(xué)的生物學(xué)家德博拉•M•戈登提出，螞蟻在組成群體后就擁有了群體智慧的來源構(gòu)建，這樣一來蟻群可以解決對(duì)單個(gè)螞蟻來說不可思議的事。
“螞蟻并不精明，”戈登說，“精明的是蟻群。”一個(gè)蟻群能夠解決的問題，是單只螞蟻不可能辦得到的，例如找到通往最佳食物來源的最短路徑、保衛(wèi)領(lǐng)土不被入侵。個(gè)別的螞蟻可能是一個(gè)個(gè)小笨瓜，一旦形成群體，卻能對(duì)環(huán)境做出迅速有效的反應(yīng)，靠的就是“群體智慧”。
這種智慧的來源，引出了自然界的一個(gè)根本問題：單獨(dú)的簡單行動(dòng)如何綜合成群體的復(fù)雜行為？幾百只蜜蜂怎么對(duì)蜂巢的重大問題做決定？是什么因素讓鯡魚群的動(dòng)作配合得天衣無縫，能夠瞬間同時(shí)改變方向？這些動(dòng)物并不明白整個(gè)大局，但每一只都對(duì)群體的成功有貢獻(xiàn)。它們的集體能力，讓最了解這些動(dòng)物的生物學(xué)家都驚嘆不已。不過，在過去這幾十年間，研究人員已經(jīng)有了一些有趣的見解。
拿蟻群來說，蟻群運(yùn)作的原則之一就是沒有誰是“老大”。沒有螞蟻將軍在指揮螞蟻戰(zhàn)士，沒有螞蟻經(jīng)理在命令螞蟻員工；蟻后只負(fù)責(zé)產(chǎn)卵，并不擔(dān)任領(lǐng)導(dǎo)角色。就算是一個(gè)有50萬只螞蟻的蟻群，在沒有任何管理的情況下仍能運(yùn)作得很好。蟻群依賴的是個(gè)體間數(shù)不清的互動(dòng)，每一只都依靠簡單的法則行事。
以分配工作為例，在戈登研究紅收獲蟻的美國亞利桑那州沙漠，有一個(gè)蟻群每天早上會(huì)計(jì)算要派多少只工蟻出去覓食。數(shù)量視情況而定：覓食蟻?zhàn)罱欠裨谀睦锇l(fā)現(xiàn)了大量的美味種子？有的話，就得多派些螞蟻去把它搬回來；昨夜的暴風(fēng)雨打壞了蟻窩？那么就要多留些修繕工蟻來幫忙修補(bǔ)。一只螞蟻有可能今天是修繕蟻窩的，明天是收集垃圾的，如果沒有誰是主管，蟻群要怎么做這些安排呢？
螞蟻靠接觸和氣味來溝通。當(dāng)一只螞蟻碰上另一只螞蟻時(shí)，它會(huì)上前嗅聞，以了解對(duì)方是否為自己人，之前在哪里工作(在蟻窩外工作的螞蟻，氣味跟待在窩里的螞蟻不一樣)。通常覓食蟻每天都會(huì)等到清晨外出的巡邏蟻返回，再離開蟻窩。巡邏蟻進(jìn)入蟻窩時(shí)，會(huì)跟覓食蟻碰一下觸角。
“覓食蟻和巡邏蟻的碰觸是一種刺激，告訴覓食蟻該外出了，”戈登說，“不過覓食蟻需要和幾只巡邏蟻碰觸，每次間隔不超過10秒，之后才會(huì)出去。”
為了看看這是怎么運(yùn)作的，一天早上，戈登和她的研究搭檔麥可•格林把剛離巢的巡邏蟻?zhàn)狡饋恚攘税雮€(gè)小時(shí)，再以固定的時(shí)間間隔把玻璃珠丟進(jìn)蟻窩入口，模擬螞蟻回巢。珠子有的涂了巡邏蟻的氣味，有的涂了修繕蟻的氣味，有的沒有氣味。結(jié)果，只有涂了巡邏蟻氣味的珠子會(huì)刺激覓食蟻離巢。
“覓食蟻沒找到食物不會(huì)回巢，”戈登說，“食物愈少，覓食蟻花在找食物和回巢上的時(shí)間愈久；食物愈多，回巢也愈快。所以沒有誰在決定今天是不是覓食的好日子，是集體在決定。”
這就是群體智慧的道理：簡單的動(dòng)物遵循簡單的規(guī)則，每個(gè)個(gè)體根據(jù)局部資訊來行事，沒有一只螞蟻知道整體的情形。在牛津和普林斯頓大學(xué)任教的生物學(xué)家伊恩•庫贊說：“再復(fù)雜的行為，也能用相當(dāng)簡單的互動(dòng)來協(xié)調(diào)。”
從這個(gè)美妙的理論出發(fā)，人們解決了很多頭痛的問題。休斯頓的“美國液化氣公司”在美國大概有100個(gè)廠址，生產(chǎn)工業(yè)及醫(yī)用氣體，并使用管道、火車和卡車將氣體運(yùn)往6000個(gè)地點(diǎn)，由于某些地區(qū)電價(jià)變動(dòng)，問題的復(fù)雜性又加深了一層。于是公司求助于一家人工智能公司“紐泰克方案”。
研究人員從阿根廷蟻身上找到了答案：這種螞蟻有一種神奇的信息素，把食物帶回巢穴的螞蟻會(huì)沿途留下一些信息素軌跡，某條路徑來往的螞蟻越多，證明這條路越便捷。信息素雖然取代了觸角，但其實(shí)質(zhì)仍是交流信息。通過信息的共享輕而易舉地得出群體的最佳決策，即使沒有某個(gè)老大指揮，螞蟻們也知道該怎樣做。
公司效法螞蟻，開發(fā)了一種派出數(shù)十億‘軟件螞蟻’的程序，查找信息素軌跡最強(qiáng)的路線讓卡車行駛。既然螞蟻早已演化出尋找最佳路線的方法，為什么不照著做呢？研究人員把所有的信息集中起來，對(duì)每一種因素進(jìn)行組合考量，在反復(fù)的模擬中得到最優(yōu)化的方案，然后派卡車司機(jī)到交貨價(jià)格最低的廠址提貨。表面上看來路程遠(yuǎn)得不合常理，然而成本大大縮減了。對(duì)卡車司機(jī)來說，不選擇離客戶最近的廠址出發(fā)送貨又費(fèi)力又愚蠢，不過公司卻在看到收益后大大驚喜了一番。
在英國和法國，電話公司通過編寫信息程序，在轉(zhuǎn)換站存入虛擬信息素，加快了電話在網(wǎng)絡(luò)中的接通速度，正像螞蟻為同伴留下信號(hào)，指明最佳路徑一樣。
賭馬的蜜蜂
說到群體智慧，身懷實(shí)用絕技、能讓人類學(xué)習(xí)的昆蟲并不是只有螞蟻。在美國緬因州南岸一座海風(fēng)輕拂的小島上，生物學(xué)家湯瑪斯•西利研究蜜蜂善于做決定的神奇本領(lǐng)已經(jīng)有一陣子了。由于一個(gè)蜂巢里最多有5萬只工蜂，蜜蜂因此演化出可化解個(gè)體間爭議、求得群集最大利益的方法。
過去10年來，西利和加州大學(xué)河濱分校的寇克•菲舍爾等人，一直在研究蜂群是怎么選擇新家的。晚春一到，蜂巢開始變得擁擠，蜂群通常會(huì)分家，蜂后、部分雄蜂和半數(shù)工蜂會(huì)飛行一小段距離，聚集在一根樹枝上。蜂群就在那里露宿，由小部分蜜蜂去找新房。最理想的筑巢地點(diǎn)是在離地夠高的樹洞里，有朝南的小孔作為入口，內(nèi)部有空間容納幼蟲和蜂蜜。
蜂群一旦選好地點(diǎn)，通常不會(huì)再搬，因此選擇必須正確無誤。
西利的團(tuán)隊(duì)想知道這是怎么辦到的，他們把幾個(gè)4000只左右的小型蜂群運(yùn)到“淺灘海洋試驗(yàn)室”所在的阿普多爾島，把每個(gè)蜂群都放走，讓蜜蜂去找他們放在島嶼一邊的蜂巢箱。這座一公里長的小島上有很多灌木，但幾乎沒有喬木或其他適合筑巢的地方。
在一項(xiàng)試驗(yàn)中，他們放了5個(gè)巢箱，其中4個(gè)不夠大，一個(gè)差不多剛剛好。很快，5個(gè)箱子周圍都出現(xiàn)了偵察蜂，這些偵察蜂回到蜂群時(shí)都跳起了搖擺舞，催促其他偵察蜂也去瞧一瞧。每一支舞的強(qiáng)度反映出偵察蜂對(duì)該筑巢地點(diǎn)的熱衷程度。過了一段時(shí)間，已有幾十只偵察蜂跳得非常起勁，有的支持這個(gè)地點(diǎn)，有的支持那個(gè)地點(diǎn)；每只巢箱周圍都有一群蜜蜂嗡嗡起舞。
決定的那一刻不是發(fā)生在主蜂群內(nèi)，而是在外面，在偵察蜂聚集的巢箱周圍。只要有一個(gè)巢箱入口的偵察蜂在15只左右(這個(gè)門檻已由其他試驗(yàn)證實(shí))，那只箱子周圍的蜜蜂感覺出法定數(shù)目已經(jīng)達(dá)到，便會(huì)回到蜂群中宣布這個(gè)消息，新家選定了。
“這是一場比賽，”西利說，“哪一個(gè)地點(diǎn)會(huì)最先累積到15只蜜蜂呢？”
從被選中的巢箱返回的偵察蜂會(huì)分散到蜂群中，發(fā)出搬家的訊號(hào)。一旦全部蜜蜂都準(zhǔn)備好了，蜂群就會(huì)一起飛到新家。果不其然，新家就是5個(gè)箱子中最理想的那個(gè)。
這就像賭馬，雖然不是所有的人都精通此道，但是裁決權(quán)掌握在最多的人手中。你可以是賽馬老手，也可以是什么都不懂，然而所有的賭馬者都會(huì)搜集各種情報(bào)，發(fā)表不同意見，下注情況便代表了集體的判斷。我們?cè)试S盡可能多的自由選擇，是為了更好地做出最明智的判斷。正因?yàn)槿绱耍r率最低的馬幾乎是跑第一，因?yàn)槟谴砹思w的智慧。
不知你發(fā)覺沒有，芝加哥期貨交易所那些狂熱的貿(mào)易商們，不管中間過程多么微妙繁瑣，決定大豆未來價(jià)格的程序和蜜蜂幾乎是相同的。這不能不說是神奇的，因?yàn)槊鄯涞乃季S和人相比是那樣微不足道。
蜜蜂的決定規(guī)則是廣納不同選項(xiàng)，鼓動(dòng)各種想法的自由競爭。這些規(guī)則讓西利大為嘆服，他現(xiàn)在把它用在康奈爾大學(xué)自己擔(dān)任系主任的系里。“我把從蜜蜂身上學(xué)到的東西用在系務(wù)會(huì)上。”他說。西利要與會(huì)人員找出所有可能性，把各自的想法拿出來討論一番，然后進(jìn)行不記名投票。“蜂群就是這么做的，這種做法使一個(gè)團(tuán)體有時(shí)間讓最好的想法浮現(xiàn)，并獲得采納。一般人通常都很愿意接受這樣的做法。”
分散的智慧
科學(xué)家們?cè)?jīng)對(duì)這樣的想法嗤之以鼻：一大群機(jī)器人可以彼此毫無妨礙地在完全陌生的環(huán)境中協(xié)同完成一件任務(wù)。怎么可能呢？他們會(huì)想，設(shè)定好程序統(tǒng)一行動(dòng)的機(jī)器人怎么會(huì)知道該去哪里，協(xié)調(diào)同伴完成任務(wù)呢？
不知你注意過沒有，在廣場上悠閑休憩的鴿群，在稍微受到一點(diǎn)驚擾時(shí)就會(huì)馬上起飛避險(xiǎn)。它們的動(dòng)作是那樣的嫻熟優(yōu)美，絲毫沒有驚惶失措四處亂撞的情形發(fā)生。
北美馴鹿群在突發(fā)狀況前同樣顯得那樣有組織性，各自朝著逃生的方向奔跑。沒有一只馴鹿會(huì)擋住同伴的逃生方向，也不會(huì)發(fā)生踩踏之類的事故。
它們的頭領(lǐng)并沒有事先組織過，當(dāng)然動(dòng)物自己也沒有思考過為什么要這樣做（你認(rèn)為它們能思考這樣做的意義么？），但它們就是知道該怎樣跑能讓自己和同伴都免于喪命，這種自發(fā)的群體智慧你見過嗎？
其實(shí)它們遵循的還是簡單的法則：避免沖撞，跟緊附近同伴，按群體的平均走向運(yùn)動(dòng)。
這跟蜜蜂的決策無關(guān)，只是為協(xié)調(diào)行動(dòng)而已。依靠這樣的群體智慧，機(jī)器人模擬鳥群進(jìn)行協(xié)同活動(dòng)完成任務(wù)的瘋狂夢(mèng)想已經(jīng)在開始實(shí)現(xiàn)。
在美國，西南航空公司對(duì)一個(gè)基于群體行為的模型進(jìn)行了測試，以之改善菲尼克斯天空港國際機(jī)場的服務(wù)。該公司每天約有200架飛機(jī)在兩條跑道上起落，使用三座中央大廳的登機(jī)口。公司想保證每架飛機(jī)能盡快出入，即便航班提前或晚點(diǎn)。工作人員道格•勞森說：大家不喜歡坐在離出入口僅500米的飛機(jī)里，卻不得不等另一架飛機(jī)起飛后才能下機(jī)。因此，勞森為機(jī)場建立了一套計(jì)算機(jī)模型。他讓每架飛機(jī)記錄從登機(jī)口出入所花的時(shí)間，然后啟動(dòng)模型，模擬機(jī)場一天的活動(dòng)。
他說：“飛機(jī)像螞蟻一樣尋找最佳登機(jī)口。”但并不是通過沿路留下虛擬信息素，而是各自記住速度較快的登機(jī)口，忘掉速度較慢的。把真實(shí)數(shù)據(jù)作為抵達(dá)和起飛時(shí)間的變量輸入模型，經(jīng)過多次模擬之后，每架飛機(jī)都學(xué)會(huì)如何避免在停機(jī)坪上無謂的等待，同時(shí)避免和其他的飛機(jī)造成沖撞。所有的飛機(jī)協(xié)同完成了一件困難的工作，變得更有效率。
最大的變化可能體現(xiàn)在互聯(lián)網(wǎng)上。谷歌就利用類似于蜜蜂投票的群體智能來查找你搜索的內(nèi)容。當(dāng)你鍵入一條搜索時(shí)，谷歌會(huì)在它的索引服務(wù)器上考察數(shù)十億網(wǎng)頁，找出最相關(guān)的，然后按照它們與其他網(wǎng)頁鏈接的次數(shù)進(jìn)行排序，把鏈接當(dāng)作投票來計(jì)數(shù)（最熱門的網(wǎng)站還有加權(quán)票數(shù)，因?yàn)樗鼈兛煽啃愿撸５玫阶疃嗥睌?shù)的網(wǎng)頁被排在搜索結(jié)果的列表最前面。谷歌通過這種方式利用網(wǎng)絡(luò)的群體智能來決定一個(gè)網(wǎng)頁的重要性。
這就是群體智能的美妙魅力，無論我們討論的是螞蟻、蜜蜂、鴿子還是北美馴鹿，智慧群體的組成要素——分散化控制，針對(duì)本地信息行動(dòng)，簡單的經(jīng)驗(yàn)法則——加在一起，就構(gòu)成了一套應(yīng)對(duì)復(fù)雜情況的精明策略。不過，我們還不習(xí)慣以分散化的手段來解決分散化的問題，就像我們無法通過到處樹立停車標(biāo)志和交通燈來控制像公路交通這樣的緊要事情，但是，若能把交通塑造成一種自主組織系統(tǒng)，一定能凸顯群體智慧的優(yōu)勢(shì)。
事實(shí)上，按《群眾的智慧》一書的作者詹姆斯•索羅維基的說法，采用蜜蜂規(guī)則的團(tuán)體幾乎都會(huì)變得更聰明。索羅維基說，只要成員多樣化，能獨(dú)立思考，并以投票、競標(biāo)等機(jī)制來產(chǎn)生集體決定，不論是股市投資者、科學(xué)家，甚至玩猜猜看游戲的小孩，都能成為聰明的團(tuán)體。
這種想法凸顯出集體智慧的一個(gè)重要真理：只有當(dāng)每個(gè)成員都以負(fù)責(zé)任的態(tài)度行動(dòng)、自己做決定的時(shí)候，群眾才會(huì)趨向于有智慧。如果成員都互相模仿，或者成為潮流的奴隸，又或者只等著別人來告訴自己怎么做，這樣的團(tuán)體是不可能聰明的。螞蟻也好，律師也罷，團(tuán)體要變得聰明，就得仰仗成員做好自己分內(nèi)的事。
作為蜜蜂的個(gè)體看不到全局，同樣作為普通人的我們也看不到總體的需要，但我們會(huì)看到周圍，會(huì)和周圍分享信息，知道什么時(shí)候當(dāng)義工，什么時(shí)候做公益活動(dòng)，沒有人統(tǒng)一指揮，在我們臨時(shí)有事時(shí)也不會(huì)對(duì)整體造成損失。
不妨效仿一下動(dòng)物，在充滿復(fù)雜性的世界中簡潔明了地解決復(fù)雜的任務(wù)。
返回頂部