stringtranslate.com

Роевой интеллект

Стая скворцов реагирует на хищника

Роевой интеллект ( СИ ) — это коллективное поведение децентрализованных , самоорганизующихся систем, естественных или искусственных. Концепция используется в работе над искусственным интеллектом . Выражение было введено Херардо Бени и Цзин Ваном в 1989 году в контексте клеточных роботизированных систем. [1] [2 ]

Системы SI обычно состоят из популяции простых агентов или боидов, локально взаимодействующих друг с другом и с окружающей средой. [3] Вдохновение часто приходит из природы, особенно из биологических систем. [4] Агенты следуют очень простым правилам, и хотя нет централизованной структуры управления, диктующей, как должны себя вести отдельные агенты, локальные и в определенной степени случайные взаимодействия между такими агентами приводят к появлению « разумного» глобального поведения, неизвестного отдельным агентам. [5] Примерами роевого интеллекта в природных системах являются колонии муравьев , колонии пчел , стаи птиц, охота ястребов , выпас животных , рост бактерий , косяки рыб и микробный интеллект .

Применение принципов роя к роботам называется роевой робототехникой , в то время как роевой интеллект относится к более общему набору алгоритмов. Роевое предсказание использовалось в контексте задач прогнозирования. Аналогичные подходы, предложенные для роевой робототехники, рассматриваются для генетически модифицированных организмов в синтетическом коллективном интеллекте. [6]

Модели поведения роя

Боиды (Рейнольдс 1987)

Boids — это программа искусственной жизни , разработанная Крейгом Рейнольдсом в 1986 году, которая имитирует стадность . Она была опубликована в 1987 году в трудах конференции ACM SIGGRAPH . [7] Название «boid» соответствует сокращенной версии «bird-oid object», которая относится к птицеподобному объекту. [8]

Как и большинство искусственных симуляций жизни, Boids является примером эмерджентного поведения; то есть сложность Boids возникает из взаимодействия отдельных агентов (в данном случае boids), придерживающихся набора простых правил. Правила, применяемые в простейшем мире Boids, следующие:

Могут быть добавлены более сложные правила, такие как обход препятствий и поиск цели.

Самодвижущиеся частицы (Vicsek)и др.. 1995)

Самодвижущиеся частицы (SPP), также называемые моделью Вичека , были введены в 1995 году Вичеком и др. [9] как частный случай модели боидов , введенной в 1986 году Рейнольдсом . [7] Рой моделируется в SPP совокупностью частиц, которые движутся с постоянной скоростью, но реагируют на случайное возмущение, принимая на каждом приращении времени среднее направление движения других частиц в их локальном окружении. [10] Модели SPP предсказывают, что роящиеся животные разделяют определенные свойства на уровне группы, независимо от типа животных в рое. [11] Роящиеся системы порождают эмерджентное поведение , которое происходит во многих различных масштабах, некоторые из которых оказываются как универсальными, так и надежными. В теоретической физике стало проблемой найти минимальные статистические модели, которые охватывают это поведение. [12] [13] [14]

Метаэвристика

Эволюционные алгоритмы (EA), оптимизация роя частиц (PSO), дифференциальная эволюция (DE), оптимизация колонии муравьев (ACO) и их варианты доминируют в области метаэвристик, вдохновленных природой . [15] Этот список включает алгоритмы, опубликованные примерно до 2000 года. Большое количество более поздних метаэвристик, вдохновленных метафорами, начали вызывать критику в исследовательском сообществе за то, что они скрывают отсутствие новизны за сложной метафорой. Для алгоритмов, опубликованных с того времени, см. Список метаэвристик, основанных на метафорах .

Метаэвристикам не хватает уверенности в решении. [16] Когда определены соответствующие параметры и когда достигнута достаточная стадия сходимости, они часто находят решение, которое является оптимальным или близким к оптимальному – тем не менее, если заранее не известно оптимальное решение, качество решения неизвестно. [16] Несмотря на этот очевидный недостаток, было показано, что эти типы алгоритмов хорошо работают на практике, и были тщательно исследованы и разработаны. [17] [18] [19] [20] [21] С другой стороны, можно избежать этого недостатка, вычислив качество решения для особого случая, где такой расчет возможен, и после такого запуска известно, что каждое решение, которое по крайней мере так же хорошо, как решение, которое имел особый случай, имеет по крайней мере уверенность решения, которую имел особый случай. Одним из таких примеров является вдохновленный Ant алгоритм Монте-Карло для минимального набора дуг обратной связи , где это было достигнуто вероятностно с помощью гибридизации алгоритма Монте-Карло с техникой оптимизации колонии муравьев . [22]

Оптимизация колонии муравьев (Дориго 1992)

Оптимизация колонии муравьев (ACO), представленная Дориго в его докторской диссертации, представляет собой класс алгоритмов оптимизации , смоделированных на основе действий колонии муравьев . ACO — вероятностный метод, полезный в задачах, связанных с поиском лучших путей через графы. Искусственные «муравьи» — агенты моделирования — находят оптимальные решения, перемещаясь по пространству параметров, представляющему все возможные решения. Естественные муравьи откладывают феромоны , направляя друг друга к ресурсам, исследуя свою среду. Имитируемые «муравьи» аналогичным образом регистрируют свои позиции и качество своих решений, так что в последующих итерациях моделирования больше муравьев находят лучшие решения. [23]

Оптимизация роя частиц (Кеннеди, Эберхарт и Ши, 1995)

Оптимизация роя частиц (PSO) — это глобальный алгоритм оптимизации для решения задач, в которых наилучшее решение может быть представлено как точка или поверхность в n-мерном пространстве. Гипотезы строятся в этом пространстве и задаются начальной скоростью , а также каналом связи между частицами. [24] [25] Затем частицы перемещаются через пространство решений и оцениваются в соответствии с некоторым критерием пригодности после каждого временного шага. Со временем частицы ускоряются в направлении тех частиц в своей коммуникационной группировке, которые имеют лучшие значения пригодности. Главное преимущество такого подхода перед другими стратегиями глобальной минимизации, такими как имитация отжига, заключается в том, что большое количество членов, составляющих рой частиц, делает метод впечатляюще устойчивым к проблеме локальных минимумов .

Алгоритм искусственной колонии пчел (Карабога 2005)

Карабога представил метаэвристику ABC в 2005 году в качестве ответа на оптимизацию числовых задач. Вдохновленная поведением медоносных пчел , модель Карабоги состояла из трех компонентов. Работающая пчела, наблюдатель и разведчик. На практике искусственная пчела-разведчик будет выявлять все позиции источников пищи (решения) как хорошие, так и плохие. Работающая пчела будет искать кратчайший путь к каждой позиции, чтобы извлечь количество пищи (качество) источника. Если пища в источнике истощалась , работающая пчела становилась разведчиком и случайным образом искала другие источники пищи. Каждый источник, который становился заброшенным, создавал отрицательную обратную связь, что означает, что найденные ответы были плохими решениями. Пчелы-наблюдатели ждут, пока работающие пчелы либо покинут источник, либо дадут информацию о том, что в источнике много пищи и стоит отправить дополнительные ресурсы. Чем больше пчел-наблюдателей набирается, тем более положительной становится обратная связь, что означает, что ответ, скорее всего, является хорошим решением.

Искусственный роевой интеллект (2015)

Искусственный роевой интеллект (ИИ) — это метод усиления коллективного интеллекта сетевых групп людей с использованием алгоритмов управления, смоделированных по образцу естественных роев. Иногда называемая человеческим роением или ИИ роя, эта технология объединяет группы участников-людей в системы реального времени, которые обдумывают и сходятся на решениях как динамические рои, когда им одновременно задают вопрос [26] [27] [28] ИИ использовался для широкого спектра приложений, от предоставления бизнес-командам возможности генерировать высокоточные финансовые прогнозы [29] до предоставления возможности спортивным болельщикам превзойти рынки ставок в Вегасе. [30] ИИ также использовался для того, чтобы позволить группам врачей ставить диагнозы со значительно более высокой точностью, чем традиционные методы. [31] [32] ИИ использовался Продовольственной и сельскохозяйственной организацией Объединенных Наций (ФАО) для прогнозирования голода в горячих точках по всему миру. [33] [ требуется лучший источник ]

Приложения

Методы, основанные на роевом интеллекте, могут использоваться в ряде приложений. Военные США изучают методы роя для управления беспилотными летательными аппаратами. Европейское космическое агентство думает об орбитальном рое для самосборки и интерферометрии. NASA изучает использование технологии роя для планетарного картирования. В статье 1992 года М. Энтони Льюиса и Джорджа А. Беки обсуждается возможность использования роевого интеллекта для управления наноботами внутри тела с целью уничтожения раковых опухолей. [34] Напротив, аль-Рифаи и Абер использовали стохастический диффузионный поиск для помощи в обнаружении опухолей. [35] [36] Роевой интеллект (SI) все чаще применяется в системах Интернета вещей (IoT) [37] [38] и в связи с сетями на основе намерений (IBN) [39] из-за его способности обрабатывать сложные распределенные задачи с помощью децентрализованных самоорганизующихся алгоритмов. Роевой интеллект также применялся для добычи данных [40] и кластерного анализа . [41] Модели на основе муравьев также являются предметом современной теории управления. [42]

Маршрутизация на основе Ant

Использование роевого интеллекта в телекоммуникационных сетях также исследовалось в форме маршрутизации на основе муравьев . Это было впервые предложено отдельно Дориго и др. и Hewlett-Packard в середине 1990-х годов, и существует ряд вариантов. По сути, это использует вероятностную таблицу маршрутизации, вознаграждающую/укрепляющую маршрут, успешно пройденный каждым «муравьем» (небольшим контрольным пакетом), который заполняет сеть. Исследовалось усиление маршрута в прямом, обратном направлении и в обоих направлениях одновременно: обратное усиление требует симметричной сети и связывает два направления вместе; прямое усиление вознаграждает маршрут до того, как станет известен результат (но тогда можно было бы заплатить за кино, прежде чем узнать, насколько хорош фильм). Поскольку система ведет себя стохастически и, следовательно, не имеет повторяемости, существуют большие препятствия для коммерческого развертывания. Мобильные медиа и новые технологии способны изменить порог коллективных действий благодаря роевому интеллекту (Рейнгольд: 2002, стр. 175).

Расположение инфраструктуры передачи для сетей беспроводной связи является важной инженерной проблемой, включающей конкурирующие цели. Минимальный выбор местоположений (или участков) требуется при условии обеспечения адекватного покрытия области для пользователей. Совершенно другой, вдохновленный муравьями алгоритм роевого интеллекта, стохастический диффузионный поиск (SDS), был успешно использован для предоставления общей модели для этой проблемы, связанной с упаковкой кругов и покрытием множеств. Было показано, что SDS может применяться для определения подходящих решений даже для крупных проблемных случаев. [43]

Авиакомпании также использовали маршрутизацию на основе муравьев для назначения прибывающих самолетов к выходам в аэропорту. В Southwest Airlines программное обеспечение использует теорию роя или роевой интеллект — идею о том, что колония муравьев работает лучше, чем один. Каждый пилот действует как муравей, ищущий лучшие выходы в аэропорту. «Пилот узнает на своем опыте, что лучше для него, и оказывается, что это лучшее решение для авиакомпании», — объясняет Дуглас А. Лоусон . В результате «колония» пилотов всегда направляется к выходам, к которым они могут быстро прибыть и улететь. Программа может даже предупреждать пилота о резервных самолетах до того, как они произойдут. «Мы можем предвидеть, что это произойдет, поэтому у нас будут доступные выходы», — говорит Лоусон. [44]

Моделирование толпы

Художники используют технологию роя как средство создания сложных интерактивных систем или имитации толпы . [ необходима ссылка ]

Экземпляры

В трилогии фильмов «Властелин колец» использовалась похожая технология, известная как Massive (программное обеспечение) , во время батальных сцен. Технология Swarm особенно привлекательна, поскольку она дешева, надежна и проста.

Стэнли и Стелла в фильме «Разбивая лед» стал первым фильмом, в котором для рендеринга использовалась технология роя, реалистично изображающая движения групп рыб и птиц с помощью системы Boids. [ необходима цитата ]

В фильме Тима Бертона «Бэтмен возвращается» также использовалась технология роя для показа движений группы летучих мышей. [45]

Авиакомпании использовали теорию роя для моделирования посадки пассажиров в самолет. Исследователь Southwest Airlines Дуглас А. Лоусон использовал компьютерную симуляцию на основе муравьев, применяя всего шесть правил взаимодействия для оценки времени посадки с использованием различных методов посадки. (Миллер, 2010, xii-xviii). [46]

Человеческое роение

Сети распределенных пользователей могут быть организованы в «человеческие рои» посредством внедрения систем управления с обратной связью в реальном времени. [47] [48] Разработанное Луи Розенбергом в 2015 году, человеческое роение, также называемое искусственным роевым интеллектом, позволяет использовать коллективный интеллект взаимосвязанных групп людей в сети. [49] [50] Коллективный интеллект группы часто превосходит способности любого отдельного члена группы. [51]

Медицинская школа Стэнфордского университета опубликовала в 2018 году исследование, показывающее, что группы врачей-людей, объединенные вместе с помощью алгоритмов роения в реальном времени, могут диагностировать заболевания со значительно более высокой точностью, чем отдельные врачи или группы врачей, работающих вместе с использованием традиционных методов краудсорсинга. В одном из таких исследований группам врачей-рентгенологов, объединенным вместе, было поручено диагностировать рентгенограммы грудной клетки, и они продемонстрировали снижение диагностических ошибок на 33% по сравнению с традиционными человеческими методами и улучшение на 22% по сравнению с традиционным машинным обучением. [31] [52] [53] [32]

Медицинская школа Калифорнийского университета в Сан-Франциско (UCSF) в 2021 году опубликовала препринт о диагностике изображений МРТ небольшими группами сотрудничающих врачей. Исследование показало 23%-ное увеличение точности диагностики при использовании технологии искусственного роевого интеллекта (ASI) по сравнению с голосованием большинства. [54] [55]

Грамматики роя

Грамматики роя — это рои стохастических грамматик , которые могут быть развиты для описания сложных свойств, таких как в искусстве и архитектуре. [56] Эти грамматики взаимодействуют как агенты, ведущие себя в соответствии с правилами интеллекта роя. Такое поведение также может предполагать алгоритмы глубокого обучения , в частности, когда рассматривается отображение таких роев в нейронные цепи. [57]

Искусство роя

В серии работ аль-Рифаи и др. [58] успешно использовали два алгоритма роевого интеллекта — один, имитирующий поведение одного вида муравьев ( Leptothorax acervorum ) при поиске пищи ( стохастический диффузионный поиск , SDS), а другой алгоритм, имитирующий поведение стай птиц ( оптимизация роя частиц , PSO), — чтобы описать новую стратегию интеграции, использующую локальные свойства поиска PSO с глобальным поведением SDS. Полученный гибридный алгоритм используется для создания эскизов новых рисунков входного изображения, используя художественное напряжение между локальным поведением «птиц, сбивающихся в стаю» — когда они стремятся следовать входному эскизу — и глобальным поведением «муравьев, ищущих пищу» — когда они стремятся побудить стаю исследовать новые области холста. «Творчество» этой гибридной роевой системы было проанализировано в философском свете «ризомы» в контексте метафоры Делеза «Орхидея и оса». [59]

Более поздняя работа аль-Рифаи и др. «Swarmic Sketches and Attention Mechanism» [60] представляет новый подход, развертывающий механизм «внимания» путем адаптации SDS для выборочного внимания к подробным областям цифрового холста. Как только внимание роя привлечено к определенной линии на холсте, способность PSO используется для создания «роевого эскиза» посещаемой линии. Рои перемещаются по цифровому холсту в попытке удовлетворить свои динамические роли — внимание к областям с большим количеством деталей — связанные с ними через их функцию приспособленности. Связав процесс рендеринга с концепциями внимания, производительность участвующих роев создает уникальный, неидентичный эскиз каждый раз, когда рои «художников» приступают к интерпретации входных линейных рисунков. В других работах, в то время как PSO отвечает за процесс эскизирования, SDS контролирует внимание роя.

В похожей работе «Рой картин и внимание к цвету» [61] нефотореалистичные изображения создаются с использованием алгоритма SDS, который в контексте данной работы отвечает за внимание к цвету.

« Вычислительная креативность » вышеупомянутых систем обсуждается в [58] [62] [63] через две предпосылки креативности (т.е. свободу и ограничения) в двух печально известных фазах роевого интеллекта: исследовании и эксплуатации.

Майкл Теодор и Николаус Коррелл используют интеллектуальную художественную инсталляцию роя, чтобы исследовать, что требуется для того, чтобы инженерные системы выглядели как живые. [64]

Известные исследователи

Смотрите также

Ссылки

  1. ^ Бени, Г.; Ван, Дж. (1993). «Рой интеллекта в клеточных робототехнических системах». Продолжение. Продвинутый семинар НАТО по роботам и биологическим системам, Тоскана, Италия, 26–30 июня (1989) . Берлин, Гейдельберг: Springer. стр. 703–712. doi :10.1007/978-3-642-58069-7_38. ISBN 978-3-642-63461-1.
  2. ^ Бени, Г. (1989). «Концепция клеточной роботизированной системы». Труды Международного симпозиума IEEE по интеллектуальному управлению 1988 г. IEEE. стр. 57–62. doi :10.1109/ISIC.1988.65405. ISBN 978-0-8186-2012-6.
  3. ^ Ху, Дж.; Тургут, А.; Крайник, Т.; Леннокс, Б.; Арвин, Ф., «Проектирование протокола координации на основе окклюзии для задач автономного роботизированного пастуха», Труды IEEE по когнитивным и развивающим системам, 2020.
  4. ^ Гад, Ахмед Г. (2022-08-01). «Алгоритм оптимизации роя частиц и его применение: систематический обзор». Архив вычислительных методов в инженерии . 29 (5): 2531–2561. doi : 10.1007/s11831-021-09694-4 . ISSN  1886-1784.
  5. ^ Ху, Дж.; Бхоумик, П.; Джанг, И.; Арвин, Ф.; Ланзон, А., «Децентрализованная структура сдерживания формирования кластера для систем с несколькими роботами», Труды IEEE по робототехнике, 2021.
  6. ^ Соле Р., Родригес-Амор Д., Дюран-Небреда С., Конде-Пуэйо Н., Карбонелл-Баллестеро М., Монтаньес Р. (октябрь 2016 г.). «Синтетический коллективный разум». БиоСистемы . 148 : 47–61. Бибкод : 2016BiSys.148...47S. doi :10.1016/j.biosystems.2016.01.002. hdl : 10630/32279 . ПМИД  26868302.
  7. ^ ab Reynolds, Craig (1987). "Flocks, herds and schools: A Distributed behavioral model". Труды 14-й ежегодной конференции по компьютерной графике и интерактивным технологиям . Association for Computing Machinery . стр. 25–34. CiteSeerX 10.1.1.103.7187 . doi :10.1145/37401.37406. ISBN  978-0-89791-227-3. S2CID  546350.
  8. ^ Banks, Alec; Vincent, Jonathan; Anyakoha, Chukwudi (июль 2007 г.). «Обзор оптимизации роя частиц. Часть I: предпосылки и развитие». Natural Computing . 6 (4): 467–484. CiteSeerX 10.1.1.605.5879 . doi :10.1007/s11047-007-9049-5. S2CID  2344624. 
  9. ^ Vicsek, T. ; Czirok, A.; Ben-Jacob, E.; Cohen, I.; Shochet, O. (1995). «Новый тип фазового перехода в системе самодвижущихся частиц». Physical Review Letters . 75 (6): 1226–1229. arXiv : cond-mat/0611743 . Bibcode :1995PhRvL..75.1226V. doi :10.1103/PhysRevLett.75.1226. PMID  10060237. S2CID  15918052.
  10. ^ Czirók, A.; Vicsek, T. (2006). «Коллективное поведение взаимодействующих самодвижущихся частиц». Physica A. 281 ( 1): 17–29. arXiv : cond-mat/0611742 . Bibcode : 2000PhyA..281...17C. doi : 10.1016/S0378-4371(00)00013-3. S2CID  14211016.
  11. ^ Buhl, J.; Sumpter, DJT; Couzin, D.; Hale, JJ; Despland, E.; Miller, ER; Simpson, SJ; et al. (2006). «От беспорядка к порядку у марширующей саранчи» (PDF) . Science . 312 (5778): 1402–1406. Bibcode :2006Sci...312.1402B. doi :10.1126/science.1125142. PMID  16741126. S2CID  359329. Архивировано из оригинала (PDF) 29-09-2011 . Получено 07-10-2011 .
  12. ^ Toner, J.; Tu, Y.; Ramaswamy, S. (2005). "Гидродинамика и фазы стай" (PDF) . Annals of Physics . 318 (1): 170–244. Bibcode :2005AnPhy.318..170T. doi :10.1016/j.aop.2005.04.011. Архивировано из оригинала (PDF) 2011-07-18 . Получено 2011-10-07 .
  13. ^ Bertin, E.; Droz, M.; Grégoire, G. (2009). "Гидродинамические уравнения для самодвижущихся частиц: микроскопический вывод и анализ устойчивости". J. Phys. A. 42 ( 44): 445001. arXiv : 0907.4688 . Bibcode : 2009JPhA...42R5001B. doi : 10.1088/1751-8113/42/44/445001. S2CID  17686543.
  14. ^ Li, YX; Lukeman, R.; Edelstein-Keshet, L.; et al. (2007). "Минимальные механизмы формирования школ в самодвижущихся частицах" (PDF) . Physica D: Nonlinear Phenomena . 237 (5): 699–720. Bibcode :2008PhyD..237..699L. doi :10.1016/j.physd.2007.10.009. Архивировано из оригинала (PDF) 2011-10-01.
  15. ^ Лонес, Майкл А. (2014). «Метаэвристика в алгоритмах, вдохновленных природой». Труды сопутствующей публикации ежегодной конференции 2014 года по генетическим и эволюционным вычислениям (PDF) . стр. 1419–1422. CiteSeerX 10.1.1.699.1825 . doi :10.1145/2598394.2609841. ISBN  9781450328814. S2CID  14997975.
  16. ^ ab Silberholz, John; Golden, Bruce; Gupta, Swati; Wang, Xingyin (2019), Gendreau, Michel; Potvin, Jean-Yves (ред.), "Computational Comparison of Metaheuristics", Handbook of Metaheuristics , Международная серия по исследованию операций и науке управления, Cham: Springer International Publishing, стр. 581–604, doi : 10.1007/978-3-319-91086-4_18, ISBN 978-3-319-91086-4, S2CID  70030182
  17. ^ Берк, Эдмунд; Де Каусмеккер, Патрик; Петрович, Санья; Берге, Грит Ванден (2004), Резенде, Маурисио GC; де Соуза, Хорхе Пиньо (ред.), «Поиск переменного соседства для проблем составления расписания медсестер», Метаэвристика: принятие решений на компьютере , прикладная оптимизация, Бостон, Массачусетс: Springer US, стр. 153–172, doi : 10.1007/978-1-4757-4137-7_7, ISBN 978-1-4757-4137-7
  18. ^ Fu, Michael C. (2002-08-01). "Основная статья: Оптимизация для моделирования: теория против практики". INFORMS Journal on Computing . 14 (3): 192–215. doi :10.1287/ijoc.14.3.192.113. ISSN  1091-9856.
  19. ^ Дориго, Марко; Бираттари, Мауро; Штутцле, Томас (ноябрь 2006 г.). «Оптимизация колонии муравьев». Журнал IEEE Computational Intelligence . 1 (4): 28–39. doi :10.1109/MCI.2006.329691. ISSN  1556-603X.
  20. ^ Hayes-RothFrederick (1975-08-01). "Обзор "Адаптации в естественных и искусственных системах" Джона Х. Холланда, Издательство Мичиганского университета, 1975". ACM SIGART Bulletin (53): 15. doi :10.1145/1216504.1216510. S2CID  14985677.
  21. ^ Резенде, Маурисио GC; Рибейро, Селсо C. (2010), Джендро, Мишель; Потвин, Жан-Ив (ред.), «Жадные рандомизированные адаптивные процедуры поиска: достижения, гибридизации и приложения», Справочник по метаэвристике , Международная серия по исследованию операций и науке управления, Бостон, Массачусетс: Springer US, стр. 283–319, doi : 10.1007/978-1-4419-1665-5_10, ISBN 978-1-4419-1665-5
  22. ^ Куделич, Роберт; Ивкович, Никола (2019-05-15). «Вдохновленный муравьем алгоритм Монте-Карло для минимального набора дуг обратной связи». Экспертные системы с приложениями . 122 : 108–117. doi :10.1016/j.eswa.2018.12.021. ISSN  0957-4174. S2CID  68071710.
  23. ^ Оптимизация колонии муравьев Марко Дориго и Томаса Штютцле, MIT Press, 2004. ISBN 0-262-04219-3 
  24. ^ Парсопулос, К. Э.; Врахатис, М. Н. (2002). «Современные подходы к глобальным задачам оптимизации с помощью оптимизации роя частиц». Natural Computing . 1 (2–3): 235–306. doi :10.1023/A:1016568309421. S2CID  4021089.
  25. ^ Оптимизация роя частиц Мориса Клерка, ISTE, ISBN 1-905209-04-5 , 2006. 
  26. ^ Розенберг, Луис (2015-07-20). «Человеческие стаи, метод коллективного интеллекта в реальном времени». 20.07.2015-24.07.2015 . Том 27. С. 658–659. doi :10.7551/978-0-262-33027-5-ch117. ISBN 9780262330275.
  27. ^ Розенберг, Луис; Уиллкокс, Грегг (2020). «Искусственный роевой интеллект». В Би, Яксин; Бхатия, Рахул; Капур, Суприя (ред.). Интеллектуальные системы и приложения . Достижения в области интеллектуальных систем и вычислений. Том 1037. Springer International Publishing. стр. 1054–1070. doi :10.1007/978-3-030-29516-5_79. ISBN 9783030295165. S2CID  195258629.
  28. ^ Меткалф, Линн; Аскай, Дэвид А.; Розенберг, Луис Б. (2019). «Поддержание людей в курсе событий: объединение знаний с помощью искусственного роевого интеллекта для улучшения принятия бизнес-решений». California Management Review . 61 (4): 84–109. doi : 10.1177/0008125619862256. ISSN  0008-1256. S2CID  202323483.
  29. ^ Шуман, Ганс; Уиллкокс, Грегг; Розенберг, Луис; Пескетелли, Никколо (2019).«Human Swarming» повышает точность и рентабельность инвестиций при прогнозировании финансовых рынков». Международная конференция IEEE 2019 года по гуманизированным вычислениям и коммуникациям (HCC) . С. 77–82. doi : 10.1109/HCC46620.2019.00019. ISBN 978-1-7281-4125-1. S2CID  209496644.
  30. ^ Bayern, Macy (4 сентября 2018 г.). «Как системы искусственного интеллекта превзошли букмекеров Вегаса по точности спортивных прогнозов». TechRepublic . Получено 10 сентября 2018 г.
  31. ^ ab Scudellari, Megan (2018-09-13). "ИИ-человеческий "коллективный разум" диагностирует пневмонию". IEEE Spectrum: Новости технологий, инженерии и науки . Получено 20 июля 2019 г.
  32. ^ ab Розенберг, Луис; Лунгрен, Мэтью; Халаби, Сафван; Уиллкокс, Грегг; Балтаксе, Дэвид; Лайонс, Мими (ноябрь 2018 г.). «Искусственный роевой интеллект, используемый для повышения точности диагностики в радиологии». 9-я ежегодная конференция IEEE по информационным технологиям, электронике и мобильной связи (IEMCON) 2018 г. Ванкувер, Британская Колумбия: IEEE. стр. 1186–1191. doi :10.1109/IEMCON.2018.8614883. ISBN 9781538672662. S2CID  58675679.
  33. ^ Розенберг, Луис (13 октября 2021 г.). «Ройный интеллект: ИИ, вдохновленный медоносными пчелами, может помочь нам принимать более обоснованные решения». Big Think .
  34. ^ Льюис, М. Энтони; Бекей, Джордж А. «Поведенческая самоорганизация нанороботов с использованием локальных правил». Труды Международной конференции IEEE/RSJ 1992 года по интеллектуальным роботам и системам .
  35. ^ al-Rifaie, MM; Aber, A. «Выявление метастазов при сканировании костей с помощью стохастического диффузионного поиска». Proc. IEEE Information Technology in Medicine and Education, ITME . 2012 : 519–523.
  36. ^ al-Rifaie, Mohammad Majid, Ahmed Aber и Ahmed Majid Oudah. ​​«Использование стохастического диффузионного поиска для выявления метастазов при сканировании костей и микрокальцификаций на маммографах [ мертвая ссылка ] ». В Bioinformatics and Biomedicine Workshops (BIBMW), IEEE International Conference on, 2012, стр. 280-287. IEEE, 2012.
  37. ^ Сан, Вэйфэн; Тан, Минь; Чжан, Лицзюнь; Хо, Чжицян; Шу, Лэй (январь 2020 г.). «Обзор использования алгоритмов роевого интеллекта в Интернете вещей». Датчики . 20 (5): 1420. Bibcode : 2020Senso..20.1420S. doi : 10.3390/s20051420 . ISSN  1424-8220. PMC 7085620. PMID 32150912  . 
  38. ^ Абуалига, Лайт; Фальконе, Дебора; Форестьеро, Агостино (29.05.2023). «Роевой интеллект для решения проблем Интернета вещей». Вычислительный интеллект и нейронаука . 2023 : 4254194. doi : 10.1155/2023/4254194 . ISSN  1687-5265. PMC 10241578. PMID 37284052  . 
  39. ^ «Сети на основе намерений для Интернета вещей | Тема исследования Frontiers». www.frontiersin.org . Получено 14 августа 2024 г.
  40. ^ Мартенс, Д.; Баесенс, Б.; Фосетт, Т. (2011). «Редакционный обзор: роевой интеллект для добычи данных». Машинное обучение . 82 (1): 1–42. doi : 10.1007/s10994-010-5216-5 .
  41. ^ Трун, М.; Ульч, А. (2021). «Роевой интеллект для самоорганизованной кластеризации». Искусственный интеллект . 290 : 103237. arXiv : 2106.05521 . doi : 10.1016/j.artint.2020.103237. S2CID  213923899.
  42. ^ Фладерер, Йоханнес-Пауль; Курцманн, Эрнст (ноябрь 2019 г.). МУДРОСТЬ МНОГИХ: как создать самоорганизацию и как использовать коллективный... интеллект в компаниях и обществе из маны . КНИГИ ПО ЗАПРОСУ. ISBN 9783750422421.
  43. ^ Уитакер, Р. М., Херли, С.. Подход на основе агентов к выбору площадки для беспроводных сетей. Proc ACM Symposium on Applied Computing, стр. 574–577, (2002).
  44. ^ "Самолеты, поезда и муравейники: специалисты по информатике моделируют активность муравьев, чтобы сократить задержки рейсов". Science Daily . 1 апреля 2008 г. Архивировано из оригинала 24 ноября 2010 г. Получено 1 декабря 2010 г.
  45. ^ Mahant, Manish; Singh Rathore, Kalyani; Kesharwani, Abhishek; Choudhary, Bharat (2012). "A Profound Survey on Swarm Intelligence". International Journal of Advanced Computer Research . 2 (1) . Получено 3 октября 2022 г.
  46. ^ Миллер, Питер (2010). Умный рой: как понимание стай, косяков и колоний может помочь нам лучше общаться, принимать решения и выполнять задачи . Нью-Йорк: Avery. ISBN 978-1-58333-390-7.
  47. ^ Оксенхэм, Саймон. «Почему пчелы могут быть секретом сверхчеловеческого интеллекта» . Получено 2017-01-20 .
  48. ^ Розенберг, Л.; Пескетелли, Н.; Уиллкокс, Г. (октябрь 2017 г.). «Искусственный роевой интеллект усиливает точность прогнозирования финансовых рынков». 8-я ежегодная конференция IEEE по повсеместным вычислениям, электронике и мобильной связи (UEMCON) 2017 г. стр. 58–62. doi :10.1109/UEMCON.2017.8248984. ISBN 978-1-5386-1104-3. S2CID  21312426.
  49. ^ «Умнее как группа: как роевой интеллект выбрал победителей Дерби». Christian Science Monitor .
  50. ^ «Стартап в области искусственного интеллекта использует человеческий «роевой» интеллект для прогнозирования победителей». CNET .
  51. ^ Розенберг, Луис (2016-02-12). «Искусственный роевой интеллект, подход к ИИ с участием человека» Труды тридцатой конференции AAAI по искусственному интеллекту . AAAI'16. Финикс, Аризона: AAAI Press: 4381–4382.
  52. ^ «Единогласный ИИ ставит на 22% более точные диагнозы пневмонии». VentureBeat . 2018-09-10 . Получено 2019-07-20 .
  53. ^ "Рой инсайтов - журнал Radiology Today". www.radiologytoday.net . Получено 20 июля 2019 г.
  54. ^ Шах, Рутвик; Астуто, Бруно; Глисон, Тайлер; Флетчер, Уилл; Банага, Джастин; Свитвуд, Кевин; Йе, Аллен; Патель, Рина; Макгилл, Кевин; Линк, Томас; Крейн, Джейсон (06.09.2021). «Использование платформы цифрового роевого интеллекта для улучшения консенсуса среди рентгенологов и изучение ее приложений». arXiv : 2107.07341 [cs.HC].
  55. ^ Шах, Рутвик; Астуто Аруш Нунес, Бруно; Глисон, Тайлер; Флетчер, Уилл; Банага, Джастин; Свитвуд, Кевин; Йе, Аллен; Патель, Рина; Макгилл, Кевин; Линк, Томас; Крейн, Джейсон; Педойя, Валентина; Маджумдар, Шармила (4 апреля 2023 г.). «Использование платформы цифрового роевого интеллекта для улучшения консенсуса среди рентгенологов и изучение ее приложений». Журнал цифровой визуализации . 36 (2): 401–413. doi :10.1007/s10278-022-00662-3. PMC 10039189. PMID  36414832 . 
  56. ^ vonMammen, Sebastian; Jacob, Christian (2009). «Эволюция грамматик роя — выращивание деревьев, создание искусства и проектирование снизу вверх». IEEE Computational Intelligence Magazine . 4 (3): 10–19. CiteSeerX 10.1.1.384.9486 . doi :10.1109/MCI.2009.933096. S2CID  17882213. 
  57. ^ du Castel, Bertrand (15 июля 2015 г.). «Теория активации/распознавания образов в сознании». Frontiers in Computational Neuroscience . 9 (90): 90. doi : 10.3389/fncom.2015.00090 . PMC 4502584. PMID  26236228 . 
  58. ^ ab al-Rifaie, MM; Bishop, JM; Caines, S. (2012). «Творчество и автономность в системах роевого интеллекта» (PDF) . Cognitive Computation . 4 (3): 320–331. doi :10.1007/s12559-012-9130-y. S2CID  942335.
  59. ^ Делёз Г., Гваттари Ф., Массуми Б. Тысяча плато. Миннеаполис: Издательство Миннесотского университета; 2004.
  60. ^ Аль-Рифаи, Мохаммад Маджид; Бишоп, Джон Марк (2013). «Swarmic Sketches and Attention Mechanism» (PDF) . Эволюционная и биологическая вдохновленная музыка, звук, искусство и дизайн (PDF) . Конспект лекций по информатике. Том 7834. С. 85–96. doi :10.1007/978-3-642-36955-1_8. ISBN 978-3-642-36954-4.
  61. ^ Аль-Рифаи, Мохаммад Маджид; Бишоп, Джон Марк (2013). «Swarmic Paintings and Color Attention» (PDF) . Эволюционная и биологическая вдохновленная музыка, звук, искусство и дизайн (PDF) . Конспект лекций по информатике. Том 7834. С. 97–108. doi :10.1007/978-3-642-36955-1_9. ISBN 978-3-642-36954-4.
  62. ^ аль-Рифаи, Мохаммад Маджид, Марк Дж. М. Бишоп и Ахмед Абер. «Творческий или нет? Птицы и муравьи рисуют мускулами». Труды AISB'11 Computing and Philosophy (2011): 23-30.
  63. ^ al-Rifaie MM, Bishop M (2013) Swarm intelligence and weak artificial creative Archived 2019-08-11 at the Wayback Machine . In: Ассоциация по развитию искусственного интеллекта (AAAI) 2013: Весенний симпозиум, Стэнфордский университет, Пало-Альто, Калифорния, США, стр. 14–19
  64. ^ "Лаборатория Коррелла". Лаборатория Коррелла .

Дальнейшее чтение

Внешние ссылки