ปัญญาฝูงคืออะไร? ปัญญาฝูงคือพฤติกรรมรวมที่เกิดขึ้นเมื่อมีตัวแทนที่เรียบง่ายหลายตัวตามกฎท้องถิ่นและมีปฏิสัมพันธ์กับเพื่อนบ้านและสิ่งแวดล้อมของพวกเขา ผลิตผลลัพธ์ที่ประสานงานกันและดูเหมือนชาญฉลาดโดยไม่มีผู้ควบคุมกลาง.
ปัญญาฝูงคือพฤติกรรมรวมที่เกิดขึ้นเมื่อมีตัวแทนที่เรียบง่ายหลายตัวตามกฎท้องถิ่นและตอบสนองต่อเพื่อนบ้านและสิ่งแวดล้อมโดยตรง — ผลิตผลลัพธ์ที่ประสานงานและปรับตัวได้โดยไม่มีผู้นำหรือแผนกลาง คำนี้ถูกนำเสนอโดย Gerardo Beni และ Jing Wang ในปี 1989 ในบริบทของระบบหุ่นยนต์เซลล์ แต่การสาธิตการคำนวณที่ก่อตั้งขึ้นคือโมเดลโบอิดส์ของ Craig Reynolds (1987, SIGGRAPH) ซึ่งกฎท้องถิ่นสามข้อ — การแยกตัว, การจัดแนว, และการรวมกลุ่ม — สร้างการรวมกลุ่มที่มีชีวิต ธรรมชาติมีตัวอย่างที่เป็นมาตรฐาน: รังมดค้นหาเส้นทางที่สั้นที่สุดผ่านเส้นทางฟีโรโมน (stigmergy, คำที่ถูกตั้งโดย Pierre-Paul Grassé ในปี 1959) และฝูงผึ้งเลือกสถานที่ทำรังโดยการสรรหาสำรวจและการรับรู้ของกลุ่ม ตามที่ Thomas Seeley บันทึกไว้ใน Honeybee Democracy (2010) กลไกเหล่านี้ถูกเปลี่ยนเป็นอัลกอริธึม — การเพิ่มประสิทธิภาพรังมดของ Marco Dorigo (วิทยานิพนธ์ปริญญาเอกปี 1992) และการเพิ่มประสิทธิภาพฝูงอนุภาคของ Kennedy และ Eberhart (1995) — ที่ใช้ในเส้นทาง, การจัดตาราง, และการเพิ่มประสิทธิภาพวิศวกรรม และในฮาร์ดแวร์เช่นฝูง Kilobot หุ่นยนต์ 1,024 ตัว (Rubenstein, Cornejo, และ Nagpal, Science, 2014) ในศัพท์ของวงจรการตัดสินใจ — เข้าร่วม, กรอบ, สร้าง, สืบสวน, รวม, พิจารณา, จัดสรร, เลือก, ดำเนินการ, ตรวจสอบ — ปัญญาฝูงเป็นโมเดลของการรวมกลุ่มและการดำเนินการแบบกระจายผ่านการกระทำท้องถิ่น ไม่ใช่การพิจารณาเหตุผล ความแตกต่างนั้นสำคัญ: ฝูงประสานงานแบบตอบสนอง ในขณะที่ปัญญารวมของมนุษย์ชั่งน้ำหนักข้อโต้แย้งและหลักฐาน Argumentree สะท้อนหลักการของการกระจายอำนาจและการรวมกลุ่ม — ผู้เข้าร่วมแต่ละคนมีส่วนร่วมในความรู้ท้องถิ่นอย่างอิสระ และโครงสร้างรวมเข้าด้วยกันเป็นการตัดสินใจร่วม — โดยไม่อ้างว่าเป็นฝูง.
ปัญญาฝูงคืออะไร?
ปัญญาฝูง คือสิ่งที่เกิดขึ้นเมื่อมีตัวแทนที่เรียบง่ายหลายตัวตามกฎท้องถิ่นและผลิตพฤติกรรมที่ประสานงานกันและดูเหมือนชาญฉลาด — โดยไม่มีผู้นำและไม่มีแผนกลาง จากรังมดไปจนถึงฝูงโดรน นี่คือวิทยาศาสตร์ของการเกิดขึ้น.
อัปเดตล่าสุด: 2026-07-18
TL;DR
ปัญญาฝูง คือพฤติกรรมรวมที่เกิดขึ้นจากตัวแทนที่เรียบง่ายตาม กฎท้องถิ่น — ไม่ต้องการผู้ควบคุมกลาง โบอิดส์ของ Craig Reynolds (1987) แสดงให้เห็นว่ากฎสามข้อ (การแยกตัว, การจัดแนว, การรวมกลุ่ม) สร้างการรวมกลุ่ม; Marco Dorigo เปลี่ยนการวางเส้นทางของมดให้เป็น การเพิ่มประสิทธิภาพรังมด (1992); Kennedy และ Eberhart แนะนำ การเพิ่มประสิทธิภาพฝูงอนุภาค (1995) ส่วนผสมที่เกิดขึ้นซ้ำคือการเกิดขึ้น, stigmergy (การประสานงานผ่านสิ่งแวดล้อม), และการจัดระเบียบตนเอง ฝูงมีความแข็งแกร่งและสามารถขยายได้ แต่ ตอบสนอง — พวกเขาประสานงานโดยไม่ต้องพิจารณาเหตุผล ซึ่งเป็นจุดที่ปัญญารวมของมนุษย์แตกต่าง Argumentree ยืมครึ่งหนึ่งของแนวคิดการกระจายอำนาจและการรวมกลุ่ม: การมีส่วนร่วมในท้องถิ่นอย่างอิสระที่รวมเข้าด้วยกันโดยโครงสร้าง.
ประวัติศาสตร์สั้น ๆ ของปัญญาฝูง
แนวคิดที่ว่าความเป็นระเบียบสามารถเกิดขึ้นจากการมีปฏิสัมพันธ์ในท้องถิ่น — โดยไม่มีนักออกแบบหรือนักกำกับ — วิ่งจากชีววิทยากลางศตวรรษไปจนถึงหุ่นยนต์ในปัจจุบัน.
นักชีววิทยา Pierre-Paul Grassé ตั้งชื่อ stigmergy เพื่ออธิบายว่าปลวกประสานงานการสร้างรังอย่างไม่ตรงไปตรงมา — การกระทำแต่ละครั้งจะเปลี่ยนแปลงสภาพแวดล้อมและกระตุ้นการกระทำถัดไป มันกลายเป็นแนวคิดหลักสำหรับการประสานงานที่มีสภาพแวดล้อมเป็นตัวกลาง
Karl von Frisch แบ่งปันรางวัลโนเบลสาขาชีววิทยาหรือการแพทย์สำหรับการถอดรหัสการเต้นแบบ waggle ของผึ้ง — การสื่อสารเบื้องหลังการหากินร่วมกันและการเลือกสถานที่ทำรัง
Craig Reynolds นำเสนอ Flocks, Herds, and Schools ที่ SIGGRAPH กฎสามข้อในท้องถิ่น — การแยกตัว, การจัดแนว, และการรวมกลุ่ม — สร้างการรวมกลุ่มที่สมจริงโดยไม่มีผู้ควบคุมกลาง โมเดลการคำนวณที่ก่อตั้งขึ้นของการเคลื่อนไหวร่วมกันที่เกิดขึ้น
Gerardo Beni และ Jing Wang แนะนำ "ปัญญาฝูง" ในบริบทของระบบหุ่นยนต์เซลล์ — กลุ่มหุ่นยนต์ที่จัดระเบียบตัวเองได้
วิทยานิพนธ์ปริญญาเอกของ Marco Dorigo ที่ Politecnico di Milano เปลี่ยนการทดลองสะพานคู่ของมดให้เป็นอัลกอริธึม: มดเทียมฝาก "ฟีโรโมน" บนเส้นทางที่ดี และอาณานิคมจะมุ่งไปยังเส้นทางที่สั้นกว่า ACO เกิดขึ้น
James Kennedy และ Russell Eberhart เผยแพร่การเพิ่มประสิทธิภาพของฝูงอนุภาค: โซลูชันที่เป็นไปได้ "บิน" ผ่านพื้นที่ค้นหา ดึงดูดไปยังตำแหน่งที่ดีที่สุดของตนเองและตำแหน่งที่ดีที่สุดของฝูง
Eric Bonabeau, Marco Dorigo, และ Guy Theraulaz เผยแพร่ Swarm Intelligence: From Natural to Artificial Systems (Oxford) สังเคราะห์ชีววิทยาและอัลกอริธึมเข้าด้วยกันเป็นสาขา
Thomas Seeley's Honeybee Democracy รายละเอียดว่าฝูงเลือกบ้านใหม่อย่างไร: สายลับโฆษณาสถานที่ด้วยการเต้นแบบ waggle และเกณฑ์เสียงข้างมากกระตุ้นการตัดสินใจร่วมกัน — กลไกการรวมกลุ่มตามธรรมชาติ
Michael Rubenstein, Alejandro Cornejo, และ Radhika Nagpal สาธิตการประกอบตัวเองที่สามารถโปรแกรมได้ในฝูง Kilobot จำนวน 1,024 ตัว (Science) โดยที่หุ่นยนต์แต่ละตัวทำงานเฉพาะข้อมูลในท้องถิ่น
หุ่นยนต์ฝูงเคลื่อนตัวไปสู่การตอบสนองต่อภัยพิบัติ, โลจิสติกส์ในคลังสินค้า, และฝูงโดรนที่ประสานงานกัน การตรวจสอบล่าสุดชี้ให้เห็นถึงการถ่ายโอนจากการจำลองไปสู่ความเป็นจริงและการประสานงานกลางแจ้งขนาดใหญ่เป็นความท้าทายที่เปิดอยู่หลัก
หลักการพื้นฐานของปัญญาฝูง
ฝูงที่แตกต่างกัน — มด, ผึ้ง, นก, หุ่นยนต์ — มีการออกแบบพื้นฐานเดียวกัน หลักการเหล่านี้คือสิ่งที่ทำให้การรวมกลุ่มมีความสามารถมากกว่าสมาชิกแต่ละคน.
การเกิดขึ้น
ระเบียบโลกเกิดจากการมีปฏิสัมพันธ์ในท้องถิ่นที่ไม่มีตัวแทนหรือเจตนาของตัวแทนใด ๆ รูปร่างของฝูงไม่มีอยู่ในหัวของนกตัวใดตัวหนึ่ง — มันเกิดขึ้นจากพวกเขาทั้งหมดที่ปฏิบัติตามกฎง่าย ๆ เดียวกัน
กฎในท้องถิ่น, ข้อมูลในท้องถิ่น
ตัวแทนแต่ละตัวทำงานเฉพาะในสิ่งที่มันสามารถรับรู้ได้ใกล้ ๆ ไม่มีแผนผังทั่วโลกและไม่มีตัวแทนที่มีภาพรวมทั้งหมด — ซึ่งเป็นเหตุผลว่าทำไมระบบจึงสามารถขยายได้
Stigmergy
ตัวแทนประสานงานอย่างไม่ตรงไปตรงมาด้วยการเปลี่ยนแปลงสภาพแวดล้อมที่ใช้ร่วมกัน — เส้นทางฟีโรโมนของมดเป็นกรณีคลาสสิก สภาพแวดล้อมกลายเป็นหน่วยความจำที่กระจาย ดังนั้นตัวแทนจึงไม่จำเป็นต้องสื่อสารโดยตรง
การจัดระเบียบตัวเอง
โครงสร้างเกิดขึ้นและซ่อมแซมตัวเองผ่านการตอบสนองเชิงบวกและเชิงลบ (การเสริมเส้นทางและการระเหย) โดยไม่มีการควบคุมจากภายนอก
ความแข็งแกร่งและความสามารถในการขยาย
ไม่มีผู้นำหมายความว่าไม่มีจุดล้มเหลวเดียว: ตัวแทนแต่ละตัวสามารถหายไปและฝูงยังคงดำเนินต่อไป และกฎเดียวกันใช้ได้กับสิบตัวแทนหรือสิบพันตัว
ปัญญาฝูงในธรรมชาติ
อัลกอริธึมถูกสร้างขึ้นจากชีววิทยา ระบบธรรมชาติสามระบบเป็นแรงบันดาลใจให้กับสาขาส่วนใหญ่:
มดและเส้นทางที่สั้นที่สุด
ในการทดลองสะพานคู่ มดอาร์เจนตินาเสนอเส้นทางสองเส้นไปยังอาหารมุ่งไปยังเส้นทางที่สั้นกว่า มดแต่ละตัวฝากฟีโรโมน; เส้นทางที่สั้นกว่าจะสะสมฟีโรโมนได้เร็วกว่าเพราะถูกเดินทางบ่อยกว่า — สัญญาณที่เสริมตัวเองที่ไม่ต้องการให้มดตัวใดตัวหนึ่งเปรียบเทียบเส้นทาง
การเลือกสถานที่ทำรังของผึ้ง
เมื่ออาณานิคมเกิดการรวมตัว ผึ้งสายลับตรวจสอบบ้านที่เป็นไปได้และโฆษณาพวกมันด้วยการเต้นแบบ waggle สถานที่ที่ดีกว่าจะได้รับการเต้นที่กระตือรือร้นและยาวนานมากขึ้น ดึงดูดสายลับมากขึ้น จนกระทั่งเสียงข้างมากที่สถานที่หนึ่งกระตุ้นการย้าย — การตัดสินใจแบบกระจายที่ Thomas Seeley เรียกว่า "ประชาธิปไตยของผึ้ง"
ฝูง, โรงเรียน, และฝูงสัตว์
การรวมตัวของนกสตาร์ลิงและฝูงปลาอยู่ในความประสานงานโดยไม่มีผู้นำ การรวมกลุ่มของ Reynolds' Boids จับภาพนี้ด้วยการแยกตัว (หลีกเลี่ยงการแออัด), การจัดแนว (จับคู่ทิศทางของเพื่อนบ้าน), และการรวมกลุ่ม (เลี้ยวไปยังศูนย์กลางในท้องถิ่น)
อัลกอริธึมและการประยุกต์ใช้ในโลกจริง
หลักการของฝูงกลายเป็นเครื่องมือที่ใช้งานได้จริง ที่ที่ปัญหาใหญ่, เปลี่ยนแปลง, หรือไม่มีผู้ประสานงานกลาง วิธีการของฝูงมักจะโดดเด่น.
การเพิ่มประสิทธิภาพของอาณานิคมมดสำหรับการจัดเส้นทาง
ACO ถูกนำไปใช้ในการจัดเส้นทางของยานพาหนะและการจัดเส้นทางเครือข่าย Ruud Schoonderwoerd และเพื่อนร่วมงานที่ BT Labs แสดงให้เห็นถึงการควบคุมที่ใช้มดสำหรับเครือข่ายโทรคมนาคมในปี 1996 — มดเสมือนที่รักษาตารางการจัดเส้นทางให้ปรับตัวได้เมื่อโหลดเปลี่ยน
การเพิ่มประสิทธิภาพของฝูงอนุภาค
PSO ปรับแต่งพารามิเตอร์ในการออกแบบวิศวกรรม, ระบบควบคุม, และโมเดลการเรียนรู้ของเครื่องโดยให้โซลูชันที่เป็นไปได้แบ่งปันข้อมูลเกี่ยวกับพื้นที่ที่ดีที่สุดที่พบจนถึงตอนนี้
ปัญหาการจัดกลุ่มและการจัดตาราง
วิธีการฝูงจัดการกับปัญหาการขายที่เดินทาง, การจัดตารางงาน, และโลจิสติกส์ — กรณีที่พื้นที่ค้นหามีขนาดใหญ่และการค้นหาที่ปรับตัวได้แบบกระจายให้ผลลัพธ์
หุ่นยนต์ฝูง
จากการสาธิตการประกอบตัวเองของหุ่นยนต์ Kilobot จำนวน 1,024 ตัวไปจนถึงฝูงโดรนที่ประสานงานกัน หุ่นยนต์ฝูงใช้กฎในท้องถิ่นในการทำงานทางกายภาพ การใช้งานในสนามในการตอบสนองต่อภัยพิบัติและโลจิสติกส์ในคลังสินค้ากำลังพัฒนา แม้ว่าการถ่ายโอนจากการจำลองไปสู่ความเป็นจริงยังคงเป็นแนวหน้าการวิจัย
ปัญญาฝูง vs. ปัญญารวมของมนุษย์
มันน่าสนใจที่จะมองว่าทุกกลุ่มเป็นฝูง แต่การเปรียบเทียบมีขีดจำกัด การพูดให้ชัดเจนเกี่ยวกับพวกเขาคือสิ่งที่ทำให้แนวคิดมีประโยชน์.
การประสานงานเชิงตอบสนอง vs. การพิจารณา
ฝูงประสานงานผ่านการตอบสนองที่รวดเร็ว, ท้องถิ่น, และสะท้อนกลับ กลุ่มมนุษย์ก็สามารถทำเช่นนั้นได้เช่นกัน แต่พลังที่โดดเด่นของพวกเขาคือ การพิจารณา — การชั่งน้ำหนักข้อโต้แย้ง, หลักฐาน, และเหตุผลก่อนการกระทำ
สัญญาณ vs. เหตุผล
มดฝากฟีโรโมน; พวกเขาไม่ได้อธิบายว่าทำไม มนุษย์สามารถจับภาพ เหตุผล เบื้องหลังการเลือก ซึ่งทำให้การตัดสินใจสามารถตรวจสอบได้, สอนให้เข้าใจ, และตรวจสอบได้
สิ่งที่ถ่ายทอด
บทเรียนที่สามารถถ่ายทอดได้คือการกระจายอำนาจ (ให้ตัวแทนแต่ละคนมีส่วนร่วมในความรู้ในท้องถิ่น) และการรวมกลุ่ม (รวมการมีส่วนร่วมเหล่านั้นผ่านโครงสร้างแทนที่จะเป็นหัวหน้า) นี่คือเงื่อนไขเดียวกันที่ทำให้ฝูงมีความฉลาด — ความหลากหลาย, ความเป็นอิสระ, และกลไกในการรวมกลุ่ม
แนวหน้า: ฝูงมนุษย์-เอไอ
เมื่อเอไอเข้าร่วมทีมมนุษย์ คำถามเกี่ยวกับฝูงกลายเป็นคำถามการออกแบบสำหรับระบบมนุษย์-เอไอ: จะมอบอำนาจมากแค่ไหน, จะรักษาการควบคุมของมนุษย์ที่มีความหมายต่อพฤติกรรมที่เกิดขึ้นอย่างไร, และจะปรับระดับความไว้วางใจในตัวแทนที่การประสานงานของพวกเขาไม่มีใครคนใดคนหนึ่งควบคุมอย่างไร การประสานงานของเอไอหลายตัวยืมมาจากการวิจัยเกี่ยวกับฝูง — ในขณะที่สืบทอดข้อจำกัดหลักของมัน, การประสานงานโดยไม่มีเหตุผล
Argumentree ใช้หลักการของฝูงอย่างไร
Argumentree เป็นเครื่องมือการพิจารณา ไม่ใช่ฝูง — แต่ยืมครึ่งหนึ่งของแนวคิดการกระจายอำนาจและการรวมกลุ่มของฝูงและจับคู่กับเหตุผล:
การมีส่วนร่วมแบบกระจาย
ผู้เข้าร่วมแต่ละคนเพิ่มข้อโต้แย้งจากความรู้ในท้องถิ่นของตนเองอย่างอิสระ — เทียบเท่ากับการที่ตัวแทนแต่ละคนทำงานในสิ่งที่มันสามารถมองเห็นได้ แทนที่จะรอให้หน่วยงานกลางสั่งการ
การรวมกลุ่มผ่านโครงสร้าง
การให้คะแนนหลายมิติ (ความช่วยเหลือ, ความชัดเจน, ความถูกต้อง, ความสมบูรณ์) รวมกันขึ้นไปในต้นไม้ข้อดี/ข้อเสียเป็นคะแนนฉันทามติ — กลไกการรวมกลุ่มที่ออกแบบมา, วิธีการที่การสะสมฟีโรโมนรวมความชอบของมด
ข้อมูลที่แข็งแกร่ง, ไม่มีผู้นำ
เนื่องจากการมีส่วนร่วมเป็นแบบอะซิงโครนัสและตามบทบาทแทนที่จะถูกส่งผ่านผู้ช่วยคนเดียว กระบวนการจึงไม่มีจุดล้มเหลวเดียว — ผู้เข้าร่วมสามารถเข้าร่วม, ออกจาก, และมีส่วนร่วมโดยไม่ทำให้ทั้งระบบหยุดชะงัก
เหตุผลที่ถูกเก็บรักษา
แตกต่างจากสัญญาณที่ไม่ระบุชื่อของฝูง ทุกการมีส่วนร่วมจะเก็บรักษาข้อโต้แย้งและเส้นทางของผู้เขียนในบันทึกการตรวจสอบที่สมบูรณ์ — ดังนั้นการตัดสินใจร่วมกันจึงมาพร้อมกับเหตุผลที่ผลิตมัน
คำถามที่พบบ่อย
ปัญญาฝูงคืออะไร?
ปัญญาฝูงคือพฤติกรรมร่วมที่เกิดขึ้นเมื่อมีตัวแทนที่เรียบง่ายจำนวนมากปฏิบัติตามกฎในท้องถิ่นและมีปฏิสัมพันธ์กับเพื่อนบ้านและสภาพแวดล้อม ผลลัพธ์ที่ประสานงานและปรับตัวได้โดยไม่มีผู้ควบคุมกลาง คำนี้ถูกแนะนำโดย Gerardo Beni และ Jing Wang ในปี 1989 และโมเดลการคำนวณที่ก่อตั้งขึ้นคือ Boids ของ Craig Reynolds (1987)
ตัวอย่างของปัญญาฝูงมีอะไรบ้าง?
ตัวอย่างตามธรรมชาติรวมถึงอาณานิคมมดที่ค้นหาเส้นทางที่สั้นที่สุดผ่านเส้นทางฟีโรโมน, ฝูงผึ้งที่เลือกสถานที่ทำรังโดยการสรรหาสายลับ, และการรวมตัวของนกสตาร์ลิง ตัวอย่างเทียมรวมถึงการเพิ่มประสิทธิภาพของอาณานิคมมดสำหรับการจัดเส้นทาง, การเพิ่มประสิทธิภาพของฝูงอนุภาคสำหรับปัญหาวิศวกรรม, และหุ่นยนต์ฝูงเช่นการสาธิตการประกอบตัวเองของหุ่นยนต์ Kilobot จำนวน 1,024 ตัว (Science, 2014)
Stigmergy คืออะไร?
Stigmergy, คำที่ตั้งโดย Pierre-Paul Grassé ในปี 1959, คือการประสานงานผ่านสภาพแวดล้อม: การกระทำของตัวแทนเปลี่ยนแปลงสื่อที่ใช้ร่วมกัน (เช่นการฝากเส้นทางฟีโรโมน) และการเปลี่ยนแปลงนั้นจะชี้นำการกระทำของตัวแทนถัดไป มันทำให้ฝูงสามารถประสานงานได้โดยไม่ต้องสื่อสารโดยตรง โดยใช้สภาพแวดล้อมเป็นหน่วยความจำที่กระจาย
การเพิ่มประสิทธิภาพของอาณานิคมมดคืออะไร?
การเพิ่มประสิทธิภาพของอาณานิคมมด (ACO) คืออัลกอริธึมที่แนะนำในวิทยานิพนธ์ปริญญาเอกของ Marco Dorigo ในปี 1992 มดเทียมสร้างโซลูชันและฝากฟีโรโมนเสมือนบนส่วนประกอบที่ดี; เส้นทางที่สั้นกว่าหรือดีกว่าจะสะสมฟีโรโมนมากขึ้นและได้รับการเสริมแรง ดังนั้นอาณานิคมจึงมุ่งไปยังโซลูชันที่แข็งแกร่ง มันถูกใช้สำหรับการจัดเส้นทางของยานพาหนะ, การจัดเส้นทางเครือข่าย, และการจัดตาราง
ปัญญาฝูงแตกต่างจากปัญญาร่วมของมนุษย์อย่างไร?
ปัญญาฝูงคือการประสานงานเชิงตอบสนองระหว่างตัวแทนที่เรียบง่ายจำนวนมากที่ปฏิบัติตามกฎในท้องถิ่น โดยไม่มีการพิจารณา ปัญญาร่วมของมนุษย์เพิ่มการชั่งน้ำหนักข้อโต้แย้ง, หลักฐาน, และเหตุผล — จับภาพไม่เพียงแต่สิ่งที่กลุ่มตัดสินใจ แต่ยังรวมถึงเหตุผลด้วย ทั้งสองพึ่งพาการกระจายอำนาจและการรวมกลุ่ม แต่เฉพาะปัญญาร่วมของมนุษย์เท่านั้นที่บันทึกเหตุผล
การใช้งานหลักของปัญญาฝูงมีอะไรบ้าง?
อัลกอริธึมฝูงถูกนำไปใช้ในการเพิ่มประสิทธิภาพและการจัดเส้นทาง (การเพิ่มประสิทธิภาพของอาณานิคมมด, การเพิ่มประสิทธิภาพของฝูงอนุภาค), การจัดตารางและโลจิสติกส์, และหุ่นยนต์ฝูงสำหรับการตอบสนองต่อภัยพิบัติ, การทำงานอัตโนมัติในคลังสินค้า, และการประสานงานโดรน การประสานงานกลางแจ้งขนาดใหญ่และการถ่ายโอนจากการจำลองไปสู่ความเป็นจริงยังคงเป็นความท้าทายการวิจัยที่มีอยู่ในปี 2024–2026
เอกสารอ้างอิง & การอ่านเพิ่มเติม
Reynolds, C. W. (1987). Flocks, Herds, and Schools: A Distributed Behavioral Model. Computer Graphics (SIGGRAPH '87), 21(4), 25–34.
โมเดล Boids — การสาธิตที่ก่อตั้งขึ้นว่ากฎในท้องถิ่นสร้างการรวมกลุ่มที่เกิดขึ้น
Beni, G. & Wang, J. (1989). ปัญญาฝูงในระบบหุ่นยนต์เซลล์. การประชุมเชิงปฏิบัติการขั้นสูงของ NATO เกี่ยวกับหุ่นยนต์และระบบชีวภาพ.
ที่ซึ่งคำว่า "ปัญญาฝูง" ถูกแนะนำ
Dorigo, M. (1992). การเพิ่มประสิทธิภาพ, การเรียนรู้ และอัลกอริธึมตามธรรมชาติ. วิทยานิพนธ์ปริญญาเอก, Politecnico di Milano.
ต้นกำเนิดของการเพิ่มประสิทธิภาพของอาณานิคมมด
Kennedy, J. & Eberhart, R. (1995). การเพิ่มประสิทธิภาพของฝูงอนุภาค. เอกสารการประชุม IEEE ICNN, 1942–1948.
การแนะนำการเพิ่มประสิทธิภาพของฝูงอนุภาค
Schoonderwoerd, R., Holland, O., Bruten, J., & Rothkrantz, L. (1996). การควบคุมที่ใช้มดในเครือข่ายโทรคมนาคม. พฤติกรรมที่ปรับตัว, 5(2), 169–207.
การใช้งานจริงในช่วงแรกของการควบคุมที่ใช้มด
Bonabeau, E., Dorigo, M., & Theraulaz, G. (1999). ปัญญาฝูง: จากระบบธรรมชาติสู่ระบบเทียม. สำนักพิมพ์มหาวิทยาลัยออกซ์ฟอร์ด.
การสังเคราะห์ที่รวมสาขานี้
Seeley, T. D. (2010). ประชาธิปไตยของผึ้ง. สำนักพิมพ์มหาวิทยาลัยพรินซ์ตัน.
วิธีที่ฝูงผึ้งตัดสินใจร่วมกันเกี่ยวกับสถานที่ทำรัง
Rubenstein, M., Cornejo, A., & Nagpal, R. (2014). การประกอบตัวเองที่สามารถโปรแกรมได้ในฝูงหุ่นยนต์พันตัว. วิทยาศาสตร์, 345(6198), 795–799.
การสาธิตฮาร์ดแวร์ที่สำคัญของหุ่นยนต์ฝูง
View source →แนวคิดที่เกี่ยวข้อง
รวมความรู้ท้องถิ่นเป็นการตัดสินใจเดียว
Argumentree ให้ผู้เข้าร่วมทุกคนมีที่ในการมีส่วนร่วมในสิ่งที่พวกเขารู้ อย่างอิสระ และรวมเข้าด้วยกันเป็นการตัดสินใจที่แบ่งปันและมีเอกสาร — การกระจายอำนาจและการรวมกลุ่ม พร้อมกับการเก็บรักษาเหตุผล.
เริ่มทดลองใช้ฟรี