Заглядывая в "чёрный ящик" ИИ: как возникают коллективные формы поведения

Как возникают поразительно сложные паттерны, создаваемые стаями рыб? Для учёных этот вопрос представляет собой математическую задачу с огромным числом переменных, описывающих относительную скорость и положение каждой особи и её соседей.

Существующие математические модели, по словам Гонсало де Полавьехи, главы лаборатории коллективного поведения в Центре Шампалимо в Лиссабоне, неизбежно оказывались либо слишком простыми, либо слишком сложными.

С одной стороны, модели искусственного интеллекта и машинного обучения точно предсказывают поведение особей в группах, но являются "чёрными ящиками" с тысячами параметров, которые человек не может осмыслить. С другой — простые модели с малым числом параметров (например, расстояние между рыбами или их относительная скорость) понятны, но неточны в предсказании общего поведения группы.

Вдохновившись новой архитектурой ИИ — "сетями внимания" (attention networks), — команда де Полавьехи нашла решение между двумя крайностями: модель, которая одновременно и информативна, и предсказательна. Результаты опубликованы в журнале Plos Computational Biology.

Деконструкция "чёрного ящика"

Вместо стандартной цельной модели команда организовала её в множество взаимосвязанных модулей, каждый из которых был достаточно прост для анализа.

Изучив функции отдельных модулей, учёные обнаружили, что известные ранее базовые правила сохраняются, но значительно уточняются. Например, пространство вокруг каждой рыбы, согласно предыдущим моделям, делится на три концентрические круговые зоны: отталкивания, ориентации и притяжения. Новая модель подтвердила наличие трёх зон, но показала, что они не являются круговыми или концентрическими и меняются в зависимости от скорости рыбы.

Модель также хорошо предсказывает поведение: с точностью 90% можно определить, повернёт ли каждая рыба в стае направо или налево в течение следующей секунды. Для данио-рерио, живущих в быстром темпе, секунда — значительный промежуток, за который они преодолевают расстояние, в 8 раз превышающее длину их тела.

По словам де Полавьехи, такой подход не использовался ранее из-за "социологии и математики": две доминирующие в области методологии были настолько разными, что потребовалось время, чтобы осознать саму возможность создания одновременно информативной и предсказательной модели.

Ключевую роль сыграло открытое программное обеспечение для трекинга idtracker.ai, разработанное в лаборатории, которое позволило одновременно отслеживать группы из 100 рыб и получать детальные данные, необходимые для исследования.

Код модели находится в свободном доступе. По мнению авторов, это полезный инструмент для сообщества, изучающего коллективное поведение, который позволяет автоматически восстанавливать правила взаимодействия, оставаясь предсказательным и биологически информативным.