蚁群能教会企业什么是效率

2009年9月23日

蚂蚁,http://www.flickr.com/photos/cyron// cc 2.0;

当我第一次学习生物学时，令我惊讶的是生物世界的渺小。毕竟，地球上最丰富的生物是细菌，即使在相对较小的动物王国里，大多数生物都是节肢动物，而86%的节肢动物是昆虫。

我们往往忘记这些生物是多么成功，但是，就像我们在我的家乡罗德岛州说的蚊子一样，“它们很小……但它们很有条理!”

然而，这是一种特定类型的昆虫组织，它已经成为一种新的科学范式的模型。这就是“超个体”，我们对其行为的模仿为可持续设计带来了希望。

在我最后一篇文章我写了建筑师米克·皮尔斯从建造土堆的白蚁身上学到的经验教训，并将其应用于高层办公楼的气候控制。虽然模仿白蚁的建筑结构来节省能源已经取得了一些令人印象深刻的成果，但从这些生物身上还有更多与第三点相关的东西需要学习关键参数、信息。

这些微小的生物建造了25英尺高的建筑。他们共同抚养孩子，共同耕作，共同狩猎，共同作战。为了做到这一点，他们维持秩序，使数以百万计的群体永久存在。他们的大脑只有针头那么大，他们是如何做到这一点的?当然，他们的通信网络一定非常复杂，确实如此，但也并非如此。

白蚁、蜜蜂、蚂蚁和黄蜂都属于所谓的群居昆虫。在生物学家看来，要成为一个真正意义上的社会，必须具备三个基本特征:成年成员必须分为能生育的和不能生育的;这些成虫必须在同一个巢中共存两代或更多代;而非繁殖者(或繁殖较少的动物)必须照顾后代。正如你可能猜到的，所有这些属性都在自然选择数字游戏中幸存下来，因为它们使基因库得以延续。

这些群体就是“超有机体”，这个词是由威廉·莫顿·惠勒在20世纪20年代创造的，著名生物学家E.O.威尔逊在他和伯特·霍尔多布勒的最新著作中讨论过，《超有机体:昆虫社会的美、雅与奇》

这是对这些生物群体的恰当描述，因为它们主宰着我们的陆地世界，有超过1000万亿的个体。事实上，威尔逊估计，他们的全球重量大致相当于另一个超群的人，智人。更重要的是，这个名字还表明了一个更系统的特征。群体，而不是个体，是作为一个整体，适应变化，并被保持和延续。因此，威尔逊认为，这些社会是“一个层次的生物组织出现到另一个层次”的完美窗口。

突现性是生物组织的一个重要特征。在从原子到生物圈的层次结构的嵌套尺度中，生命展示了这一原则:整个系统不能通过对其各部分的检查来解释，因为它们是这些部分的产物，而不是总和。因此，最终的公式和乘积包含了数组的复杂性、各部分之间的关系和相互作用。自然中涌现的特性无处不在，从DNA到生态系统。例如，你的思维不能用神经元的分析来解释;它具有所谓的不可约性质，这使它成为一个完全不同的新现象。

白蚁群的堆积也是一个很好的例子。一个复杂的多部分结构的高度是任何一个单独建造者的2500倍，充满了拱形隧道、苗圃、生长室和通风井。在内部，不同的种姓倾向于幼崽，繁殖，农场真菌，保持通风，建造，修复和保卫巢穴。

如果我们要以类似的方式建造这样一个结构，就不需要蓝图、建筑师、工程师或施工经理。事实上，没有人会负责。每个交易者都使用简单的“如果-那么”规则进行操作，只关心他那一小组预先编程好的动作。他如何选择这些行动将基于另一组小情境。

通常一些工人的行动会触发另一些工人的工作计划。如果木匠们意识到三楼的人太多，他们中的一些人就会转去修水管。当角落完工后，工作人员可能会开始向上建造。随着时间的推移，这些局部行动将产生全球性的结果。如果按比例建造，这座建筑将有近3英里高……哦，是的，它将由工人自己的唾液(和其他废物)和泥土混合而成。

这是自组织，在昆虫社会中，它的发生是因为两件事:用它们的专业技能决定种姓的发展算法，以及决定每个人将如何相互行动和对一些环境可能性的反应的行为算法。每时每刻的交流都是通过信息素进行的，信息素是昆虫世界的化学信息。在更高的层次上，算法本身是通过自然选择过程进化的，就像非超级生物的特征一样。

这确实是一个成功的策略。虽然这些类型的社会只占世界昆虫物种的2%，但它们却占据了超过一半的生物量。这些昆虫社会“……通过成千上万的例子说明，劳动分工是如何通过灵活的行为模式来实现一个工作组的最佳效率的。”

这样一个成功而迷人的策略引起了我们的注意，这并不奇怪。在过去的几十年里，“自下而上”的逻辑在人工智能、控制论、生理学、电信、管理和物流等领域占据了优势。互联网搜索、市场预测、客户偏好、车辆路线和人力管理都受益于全社会昆虫组织模式。原因在于它是有效的:在许多情况下，因为它的简单性、适应性和健壮性优于我们传统的“自顶向下”方法，特别是在复杂的系统中。

例如，工人和材料到工作地点的路线。美国剑桥,质量。他使用所谓的进化计算来组织油田人员进行石油和天然气钻探。在评估行程时，顾问们采用了基于蚂蚁觅食行为的算法，并基于相似的反馈机制对路线进行评级。然而，公司想要的不是寻找食物，而是寻找效率:最短的路线，最低的供应价格，最快的交货，充分雇佣他们的工人。只有通过分析(和优化)所有的因素，公司才能找到新的节省。当天选择的路线往往不是最接近物资供应的，但总体来说是最便宜的。

同样的,Soutwest航空公司想要提高地面航线的效率。它使用了一个基于蚂蚁的模拟模型来跟踪飞机，就像蚂蚁留下的信息素轨迹一样，通知每个代理程序它的路径和其他代理程序的路径。这样，公司就掌握并记住了通往盖茨的最佳路线，从而避免了时间和金钱的浪费。

群体智能也正在被探索沃尔沃在2020年之前开发出防伤害的汽车。在这种情况下，人们研究的是蝗虫，而不是蚂蚁，它们成百万群飞行时避免碰撞的能力。它们是通过将视觉输入直接连接到翅膀上的神经回路来实现这一功能的，以便在飞行过程中近乎瞬时地进行调整。沃尔沃希望这种“感觉输入路由方法”能够适应我们目前的制造技术限制，并投入使用。避免碰撞，并通过自动转向和刹车来减轻碰撞，这将与未来这款车的其他功能相结合。如果成功，这将是汽车安全方面的一个重大突破，使用信息而不是能源或材料来保证乘客的安全。

超个体模型的含义超越了操作效率，因为它为增长和控制提供了一个扩展的范例。通过研究决定整体效果的个体行为，可以找到新的市场和解决方案。可以用一种新的方式管理和维持增长。在解决复杂系统问题中非常重要的跨学科协调是可以扩展的。最后，可以使用这些模型探索全新的表单。事实上，建筑师们正在这样做，它正在改变我们对建筑的概念。这就是我下次要写的。