Um grupo de cientistas da Skoltech?Ph.D. o estudante Egor Nuzhin, o professor assistente Maxim Panov e o professor Nikolay Brilliantov ? aplicaram métodos de inteligência artificial para explicar um fenômeno natural enigmático: o redemoinho animal. Enquanto a IA já provou seu excelente desempenho em uma ampla gama de problemas aplicados e ambientes de engenharia, o novo estudo publicado na Scientific Reports demonstra outra faceta da IA: sua capacidade de resolver problemas fundamentais, neste caso, entender o comportamento coletivo dos seres vivos.
O redemoinho é observado em grandes grupos de animais em diferentes estágios de evolução, variando de peixes a insetos ? as criaturas se movem coerentemente ao redor do centro comum de um grupo. A função biológica desse comportamento bizarro há muito intriga biólogos evolucionários e cientistas de sistemas.
A abordagem convencional para explicar o turbilhão pressupõe forças artificiais agindo entre os animais, que se movem juntos sujeitos a essas forças. Em contraste com isso, os pesquisadores da Skoltech propuseram um modelo centrado no objetivo. Ele é formulado em termos de aprendizado por reforço, uma ferramenta poderosa no kit de ferramentas de IA.
Com base em regras simples e restrições naturais, as feras nas simulações aprenderam, por tentativa e erro, a atingir o objetivo de se moverem juntas. Ou seja, eles se esforçaram para manter certas distâncias entre si e para o centro da matilha. Surpreendentemente, isso resultou em turbilhão espontâneo. Ainda mais surpreendente, o redemoinho acabou sendo essencial para a sobrevivência: ajudou os animais a resistir a forças externas perigosas, como vento ou fluxos subaquáticos. Um grupo treinado para rodopiar poderia resistir a eles centenas de vezes mais efetivamente do que um não treinado.
Outra aplicação interessante da IA nesse contexto é o agrupamento de animais. Os pássaros migram em bandos, os peixes se reúnem em cardumes, os lobos caçam em bandos, etc. Mover-se juntos, com uma localização mútua ideal, pode ser muito benéfico, pois leva ao movimento com o mínimo de esforço. Aplicando a mesma abordagem centrada no objetivo, juntamente com o aprendizado por reforço, a equipe demonstrou que os animais foram capazes de encontrar os padrões mais eficientes de locomoção. Esses eram o arranjo linear para um grupo de dois, triângulos para um grupo de três, um losango para um grupo de quatro. Esses e outros padrões, às vezes inesperados para grupos maiores, foram encontrados por outro método independente, que valida adicionalmente a abordagem baseada em RL.
“Percebendo muito bem que tudo é construído com ‘blocos de construção elementares da matemática’, não consigo parar de me surpreender com o poder dos métodos de IA”, concluiu o professor Brillianov.
Publicado em 25/01/2022 19h15
Artigo original:
Estudo original: