Джерело: phys.org
У медоносних бджіл є королева, але вона не керує життям вулика. Натомість комахи ухвалюють колективні рішення децентралізовано. Математики з університетів Цинциннаті, Колорадо та Х'юстона за допомогою теорії ймовірностей та комп'ютерного моделювання вирахували найефективнішу стратегію виживання таких безлідерних спільнот.
Результати дослідження, опубліковані в Proceedings of the National Academy of Sciences, показують, що ідеальний вулик тримається на балансі двох груп:
«Відчайдушна меншість» — ризикові особини, які вилітають на пошуки їжі за будь-якої погоди.
«Обережна більшість» — бджоли, які залишаються в безпеці й вилітають лише тоді, коли умови стають сприятливими.
Завдяки ризиковим розвідникам увесь вулик миттєво дізнається, коли ситуація покращується і можна безпечно відновлювати масовий збір нектару. У голодні чи посушливі часи кількість сміливців природно зменшується, щоб зберегти ресурси колонії.
Математичне моделювання підтвердило: для ефективного розподілу праці контроль не потрібен. Якщо кожна особина діє за власним простим алгоритмом, децентралізована група працює так само ефективно, як і під керівництвом «всевидючого» менеджера.
Вчені виявили дивовижну закономірність: великим колоніям потрібно пропорційно менше розвідників. Якщо спільнота збільшується вдесятеро, їй не потрібно вдесятеро більше сміливців для досягнення того ж результату. Проте це працює лише за умови, що всередині групи налагоджений швидкий обмін інформацією.
«Червоні мурахи-тижневики втрачають воду під час пошуку їжі в пустелі. У спекотні та сухі дні вони мінімізують виходи, щоб зберегти вологу, — пояснює співавтор дослідження Закарі Кілпатрік. — Що суворіші умови, то менше розвідників вони відправляють».
У бджіл цю роль інформатора виконує «виляючий танець», яким розвідник по поверненню детально описує напрямок, відстань та якість знайдених квітів.
Природа постійно змінюється, і тваринам необхідно миттєво реагувати на ці коливання. Математичні моделі допомагають зрозуміти закони колективної поведінки та адаптації, які згодом можна використовувати для налаштування роботи автономних робототехнічних мереж чи оптимізації людських логістичних систем.
