Стратегия пастушьей собаки

Управление небольшим стадом «шумных» овец подсказывает идеи для компьютерных алгоритмов. Просматривая часами YouTube-ролики о пастушьих собаках — соревнования, на которых обученные псы пасут небольшое количество непредсказуемых овец, — учёные получили ключевую подсказку о том, как управлять хаотичными скоплениями. Как они пишут в Science Advances, трюк заключается в том, чтобы использовать нерешительность овец.

На состязаниях пастушьих собак обученные псы пасут небольшие группы овец.

Пастушьи собаки обычно направляют и разделяют группы из 50 и более овец. Но в вековой традиции состязаний пастушьих собак псы демонстрируют своё мастерство, управляя лишь четырьмя-пятью. Такое маленькое стадо по своей природе «шумнее» — менее предсказуемо — и сложнее в управлении, чем большое стадо. Без спасительной поддержки стада их индивидуальные характеры могут заставлять их часто переключаться между «Беги от собаки!» и «Сохраняй спокойствие и следуй за остальными». Как пастушьим собакам удаётся успешно направлять небольшие группы непредсказуемых овец?

Проанализировав состязания пастушьих собак на YouTube и поговорив с фермерами в Джорджии, исследователи обнаружили двухэтапную стратегию собак: (1) дождаться, пока все овцы, случайно разворачиваясь, окажутся мордами в нужную сторону; (2) сразу же погнать их.

Как только выстроившиеся овцы начинают двигаться, они случайным образом переключаются между «следовать» и «убегать» и быстро ломают строй. В этот момент собака останавливается и ждёт, пока они снова сориентируются. Это медленный, «деликатный танец», — говорит соавтор исследования Саад Бхамла, биомолекулярный инженер из Технологического института Джорджии. Но благодаря терпению и чувству момента собака использует собственную случайность овец, чтобы маневрировать стадом. Бхамла сравнивает это с управлением парусником в ветреный день: паруса поднимают только тогда, когда ветер дует в нужную сторону.

Вдохновившись хаотичными овцами, исследователи разработали «алгоритм нерешительного роя» для роботов, которые постоянно меняют, за кем следуют (за контроллером исследователей или за соседним ботом). Эта тактика позволила создать роботов, которыми легче управлять, чем если бы боты либо следовали только за контроллером, либо усредняли движение всех своих соседей и следовали за этим усреднением, что в итоге размывает сигнал контроллера. По словам исследователей, в будущем этот алгоритм мог бы помочь организовывать другие «шумные» коллективы — например, группу дронов, беспилотных автомобилей или даже работающих вместе ИИ-агентов, — которые можно запрограммировать переключаться между следованием за отдельными участниками и за общим контроллером. «Нерешительность не даёт группе заклиниться и делает её более податливой», — говорит Тед Павлик, специалист по информатике из Университета штата Аризона, не участвовавший в исследовании. Шумность может помогать избегать тупиковых ситуаций, подобных тем, что недавно наблюдались в группах автономных автомобилей.

«Мы склонны думать о шуме как о проблеме, которая делает системы менее предсказуемыми, менее оптимизированными, — говорит Рафаэль Сарфати, физик из Goodfire AI, также не участвовавший в работе. — Но мы повсюду видим, что шум — по крайней мере немного шума — действительно, действительно хорошо помогает вести системы к лучшему оптимуму».

Источник: Рохини Субхрахманьям, Scientific American, т. 335, июль/август 2026.

Предыдущая статья:
Рыбы, «подсевшие на рилсы», показали замедленный рост мозга