‘Ga naar de mieren, luiaard, kijk hoe ze werken en word wijs’, luidt de bijbelse spreuk waarvan hedendaagse wetenschappers de boodschap ter harte hebben genomen om van de mieren te kunnen leren. Al doende zijn ze veel te weten gekomen over de evolutie van complexiteit en zijn ze er zelfs in geslaagd een de door mieren gehanteerde aanpak van probleemoplossen in een computerprogramma te gieten.

Mieren komen in hun leven voor lastige beslissingen te staan, waarvan het bepalen van de routes naar een voedselbron zeker niet de eenvoudigste is. Hierbij is het, om zo weinig mogelijk energie te verspillen tijdens het transport terug naar het nest, van belang de kortst mogelijke route te vinden. Te oordelen naar de mierenroutes in mijn tuin, lijken ze daar aardig in te slagen. De routes zijn zonder uitzondering recht, wat er op duidt dat ze de kortste afstand tussen twee punten vertegenwoordigen. Mieren kunnen (afhankelijk van het formaat van de mier zelf) tot op een afstand van iets minder dan een meter objecten onderscheiden, maar hun loopsporen kunnen meters lang zijn, waarbij de voedselbron aan het zicht wordt onttrokken door tussenliggende stenen, bladeren en takken. Hoe slagen mieren erin zulke schitterend rechte routes op te zetten?

Laboratoriumexperimenten met een kolonie Argentijnse mieren (Iridomyrex humilis) leverden het antwoord. Onderzoekers van de afdeling Gedragsecologie van de Universiteit van Brussel bouwden een brug tussen de kolonie en de voedselbron. De brug vertakte zich halverwege en bood daar de keuze uit twee gebogen routes, waarvan de ene twee keer zo lang was als de andere. De eerste mieren die op zoek naar voedsel de kolonie verlieten, namen volstrekt toevalsgewijs de ene of de andere aftakking, maar binnen luttele minuten had vrijwel de hele kolonie de kortste route ontdekt, net zoals wij al snel een kortere weg ontdekken die een snellere manier biedt om van huis naar kantoor te komen.

‘De kortste route vinden,’ zeiden de wetenschappers, ‘is buitengewoon belangrijk, niet alleen voor Romeinse wegenbouwers, dorstige hockeyers en toegewijde wiskundigen die aan dit probleem werken, maar ook voor elke diersoort (waaronder de mens) waarvan de leden zich regelmatig tussen verschillende punten moeten verplaatsen.’ Ze ontdekten dat de mieren de kortste routes niet bepaalden door op hun horloge te kijken, maar met behulp van chemische signaalstoffen, feromonen genaamd, die ze onderweg deponeerden om andere mieren in staat te stellen hun spoor te volgen. Maar hoe konden deze signaalstoffen hen helpen de kortste route te vinden?

De reden ligt, zoals Sherlock Holmes ooit zei, achteraf gezien zeer voor de hand. De mieren die als eerste van hun voedseltocht op het nest terugkeren zijn degenen die toevallig de kortste route hebben gekozen. Ze zullen onderweg feromonen hebben achtergelaten om het spoor te markeren, en dit spoor zal door andere mieren worden gevolgd, die genetisch zijn geprogrammeerd om ‘het feromoon te volgen’. Tegen de tijd dat mieren die het langere spoor volgen zijn teruggekeerd, zullen er meer mieren zijn die het kortere spoor volgen en hun eigen bijdrage leveren aan de daar gedeponeerde hoeveelheid feromoon. Daar komt nog bij dat mieren die op de heenweg het langere spoor volgen, maar via het kortere spoor terugkeren, eveneens feromoon zullen toevoegen aan het kortere spoor. Uiteindelijk zal het kortere spoor een vele malen hogere feromoonconcentratie hebben en om die reden door de meeste mieren worden gekozen.

De mieren gebruiken de selectieve bekrachtiging van een goede oplossing om de efficiëntste route naar hun voedselbron te bepalen. Wij gebruiken een soortgelijk proces om tijdens het autorijden kortere routes te vinden. Als een automobilist een kortere route heeft ontdekt, zal het enkele mensen mogelijk opvallen dat er mensen zijn die de hoofdroute verlaten of juist weer opzoeken en zullen ze hen mogelijk volgen, in de veronderstelling dat zij een kortere weg hebben gevonden. Elk van die volgers zou weer door enkele anderen kunnen worden opgemerkt, die anderen weer door anderen, enzovoort, waarmee het watervaleffect voortdurend wordt versterkt. Dit proces van positieve terugkoppeling zorgt ervoor dat al snel iedereen weet heeft van de route. We hebben niet eens feromonen nodig om het bericht te ontvangen: kijken is al voldoende.

In een gecomputeriseerde versie van mierenlogica die bekendstaat als ‘mierenkolonieoptimalisatie’ heeft positieve terugkoppeling een soortgelijk heilzaam effect. Stel dat een programmeur wordt gevraagd een busreis te plannen tussen een aantal steden. Hoe kan hij de kortste route bepalen, of de snelste, als er sprake is van wegen met verschillende snelheidslimieten?

Hoe simpel deze vraag ook moge lijken, over de exacte wiskundige oplossing voor dit type probleem (dat bekendstaat als het ‘handelsreizigerprobleem’) hebben vele generaties wiskundigen zich het hoofd gebroken, wat de huidige generatie nog altijd doet. Niet alleen theoretisch, maar ook vanwege zijn praktische toepassingen is het vraagstuk zo belangrijk, dat er een speciale website (http://www.tsp.gatech.edu/) aan is gewijd die veel informatie biedt over de geschiedenis en de toepassingen ervan.

Een van de manieren om, geholpen door de huidige generatie computers, het probleem bij de horens te vatten is simpelweg de reistijd voor alle mogelijke routes te bepalen en uit die lijst de beste route te kiezen. Zolang het niet meer dan enkele steden betreft, is dit misschien nog wel te doen, maar de berekeningen zijn al gauw niet meer te behappen. Om bijvoorbeeld de optimale route te berekenen die Odysseus had kunnen nemen tussen de zestien steden die in de Odyssee worden vermeld, moeten 653.837.184.000 mogelijke routes worden geëvalueerd waarlangs hij had kunnen afreizen en naar huis terugkeren. Dit komt neer op zoiets als tienduizend miljard berekeningen, een klus waar zelfs een moderne computer wel even zoet mee is.

Mieren pakken het anders aan en gebruiken een principe van positieve terugkoppeling om tot een oplossing te komen die een goede benadering is. De virtuele insecten in computersimulaties worden losgelaten in een uit zestien steden bestaande denkbeeldige wereld, met de opdracht om elke stad aan te doen alvorens naar huis terug te keren. De steden zijn op zodanige wijze, via ‘links’ genoemde denkbeeldige lijnen, met elkaar verbonden, dat elke stad met elke andere stad is verbonden, waarbij de onderlinge afstand tussen elk tweetal steden wordt gerepresenteerd door de lengte van de lijn die hen verbindt.

En nu komt de truc. Als een virtuele mier thuiskomt, herinnert hij zich hoe lang zijn reis is geweest en kent hij aan elke link een getal toe (het equivalent van een feromoon) dat de totale lengte van de tocht weerspiegelt (het equivalent van een feromoon). Elke link die deel uitmaakt van het afgelegde traject krijgt hetzelfde getal toegekend en hoe korter de tocht, des te groter het getal. Naarmate meer en meer ‘mieren’ over het netwerk reizen, verzamelen de links die onderdeel uitmaken van de kortste routes steeds hogere totaalcijfers (equivalent aan hogere feromoonconcentraties). De getallen nemen zelfs nog sterker toe doordat de daaropvolgende mieren de opdracht krijgen om, als ze tussen links moeten kiezen, enige voorkeur aan de dag te leggen voor de link die al het hoogste bijbehorende getal heeft.

En nu komt het echt slimme gedeelte. De grootte van de getallen loopt in de loop van de tijd terug aan de hand van een geprogrammeerd terugtelproces dat overeenkomt met de geleidelijke verdamping van een feromoonspoor, het proces zoals zich dat in de echte wereld voltrekt. Het effect hiervan is een onevenredig sterk teruglopen van de waarden van inefficiënte verbindingen (equivalent aan de geleidelijk teruglopende nadruk op sporen die minder vaak gebruikt worden als gevolg van feromoonverdamping), zodat de efficiëntste links zich duidelijker onderscheiden. Al snel is de efficiëntste route (of eentje die de efficiëntste route zeer dicht benadert) voor iedereen duidelijk te zien en heeft mierenkolonieoptimalisatie zijn werk gedaan.

Inmiddels wordt deze methode op tal van plaatsen toegepast voor soortgelijke klussen, met name in de telecommunicatie-industrie, waar het handelsreizigerprobleem staat voor het op zo efficiënt mogelijke wijze door complexe netwerken leiden van berichten. Hierbij fungeren de berichten als mieren die hun eigen voortgang registreren en het spoor dienovereenkomstig markeren.

Zouden we een soortgelijke procedure kunnen gebruiken om reis- en netwerkproblemen in onze eigen levens op te lossen? Robert J. Dillon, een van de oorspronkelijke leden van de commissie die opdracht gaf voor de aanleg van Central Park, had een dergelijk idee toen hij in 1856 voorstelde om de definitieve planning van het voetpadennet door het park uit te stellen totdat de voetgangers in New York City ze al lopende hadden gemarkeerd, waarbij de dieper uitgesleten paden de paden zouden zijn die het vaakst werden gebruikt en dus het efficiëntst waren.

Hoewel Dillon uiteindelijk zijn zin niet kreeg, heeft recent onderzoek door de Duitse verkeersdeskundige Dirk Helbing en diens collega's aangetoond dat Dillons idee, een elegant voorbeeld van de toepassing mierenkolonieoptimalisatie in de menselijke samenleving, een goede oplossing zou zijn geweest. Toen ik Helbing, die met zijn collega's veel van dergelijke paden heeft gefotografeerd en geanalyseerd, vroeg hoe valide Dillons benadering was, antwoordde hij:

Het lijkt erop dat we, in situaties waarin we mierenkolonieoptimalisatie kunnen gebruiken, dat spontaan doen en tot oplossingen komen die redelijk dicht bij het optimum liggen. Om dat optimum ook echt te kunnen bereiken, zijn echter nauwkeurig ingestelde randvoorwaarden vereist. Een goed voorbeeld hiervan is de gemeenschappelijke website Digg.com, die gebruikers de mogelijkheid biedt om nieuwsberichten te plaatsen die ze op internet zijn tegengekomen.

Nieuwe berichten komen terecht op een ‘Upcoming Stories’ gedoopte verzamelpagina. Andere leden die een bericht lezen dat ze interessant vinden, kunnen er een digg-punt aan toekennen. Berichten die er binnen een bepaalde tijd niet in slagen voldoende diggs te verzamelen worden verwijderd. Slaagt een bericht er snel genoeg in om voldoende diggs te verzamelen, dan komt het terecht op de voorpagina, waar het vervolgens mogelijk nog meer diggs zal verzamelen.

Het proces van positieve terugkoppeling wordt tegenwicht geboden door het feit dat het nieuwe van berichten er na verloop van tijd af gaat. Het effect is vergelijkbaar met het verdampen van een feromoonspoor en het teruglopen van linkgetallen bij mierenkolonieoptimalisatie: de berichten krijgen minder en minder aandacht en dus ook steeds minder diggs. Uiteindelijk verdwijnen ze van de voorpagina en maken ze plaats voor nieuwere en interessantere verhalen die naar de voorgrond zijn getreden.

De rubriek ‘Aan de redactie’ van mijn plaatselijke krant volgt een soortgelijk patroon. Als een onderwerp voldoende ingezonden brieven aantrekt zullen er waarschijnlijk nog meer brieven volgen en lijken redacteuren eerder geneigd brieven over dat onderwerp te plaatsen. Na verloop van tijd slaat de verveling toe, komen de brieven nog slechts druppelsgewijs binnen en zullen redacteuren mogelijk laten weten dat brieven over die kwestie niet langer welkom zijn.

Positieve terugkoppeling kan een zeer nuttig hulpmiddel zijn om de aandacht te vestigen op een kwestie en hem op de openbare agenda te houden. Hiervoor is echter wel iets meer denkwerk en planning vereist dan veel actiegroepen lijken te beseffen. Lering trekkend uit mierenkolonieoptimalisatie, is de beste strategie om, in plaats van in één keer een stroom brieven te doen uitgaan en het daar vervolgens bij te laten, ervoor te zorgen dat de leden van een groep een gestage stroom brieven over verschillende facetten van de kwestie in stand houden. Deze strategie komt overeen met het, voordat het de tijd heeft gehad om te verdampen, voortdurend bijdragen aan de concentratie van een feromoon. Het suggereert de volgende regel: Als je een kwestie onder de aandacht wilt brengen van een groep mensen of het grote publiek, wees dan geen eendagsvlieg en plan de zaken zo dat er in de loop van de tijd verschillende aspecten na elkaar naar voren worden gebracht.

Mierenkolonieoptimalisatie is nuttig als bron van ideeen voor analoge strategieën, maar de lessen die we eraan kunnen ontlenen zijn niet de enige die de mierenlogica ons te bieden heeft. Een versie van mierenkolonieoptimalisatie die dichter bij onze alledaagse ervaring ligt is de zogeheten ‘mierenkolonieroutering’. In dit proces leren de mierachtige actoren die een virtuele computerwereld bevolken op basis van ervaring wat de kortste en snelste routes zijn. De volgende keer dat hun wordt gevraagd in actie te komen, gebruiken ze dat wat ze zich van de routes herinneren, in plaats van te vertrouwen op door eerdere gebruikers achtergelaten signalen. Als het gaat om de routes in een communicatienetwerk, bijvoorbeeld, herinneren de agents zich de delen van het netwerk die de grootste kans lopen verstopt te raken en kiezen ze op basis daarvan ze nieuwe routes, net als wij doen als we de keuze hebben uit meerdere routes tussen huis en werk. Uiteindelijk raken de nieuwe routes op hun beurt overvol, maar mierenkolonieroutering kan met deze dynamische veranderingen omgaan op een manier waar standaard mierenkolonieoptimalisatie niet toe in staat is.

De verst doorgevoerde toepassing van mierenlogica op probleemoplossen is deeltjeszwermoptimalisatie, een combinatie van sprinkhanen-, bijen- en mierenlogica die geen insect had kunnen bedenken en die ontsproten is aan de vruchtbare breinen van Russell Eberhart en Jim Kennedy (respectievelijk verbonden aan de Purdue School of Engineering and Technology van de Universiteit van Indiana en het U.S. Bureau of Labor Statistics). Hun techniek is de bekroning van een zoektocht naar een vorm van gecomputeriseerde zwermintelligentie met een zo breed mogelijke probleemoplossingcapaciteit.

De manier waarop het in zijn werk gaat heeft wel iets weg van een schriftelijk examen waarbij spieken is toegestaan. Elke kandidaat noteert het beste antwoord dat hij kan bedenken, maar mag over de schouders van degenen om hem heen meekijken en zijn antwoord aanpassen als hij denkt dat iemand anders een beter antwoord heeft.

Dat is echter nog niet alles, aangezien een kandidaat verderop in het examenlokaal, na de antwoorden van degenen bij hem of haar in de buurt te hebben bekeken, met een nog beter antwoord zou kunnen komen. Vervolgens kan de eerste student met iets nóg beters komen door dat laatste antwoord over te nemen. Op den duur zal de klas als geheel via dit proces van positieve terugkoppeling het eens worden over het antwoord dat echt het beste is.

De les die we hieruit kunnen trekken luidt als volgt: als je mensen iets op een betere manier ziet doen, kopieer dan hun gedrag. Het is een les waaraan ik herinnerd werd toen mijn volwassen zoon me hielp om dode takken over onze lange oprit te verslepen om ze langs de weg klaar te leggen voor de versnipperaar. Ik merkte dat hij, naarmate de stapel groeide, geleidelijk aan op me voor kwam te liggen. Ik kon maar niet achterhalen hoe dat kwam, totdat ik me realiseerde dat de stapel aan de linkerkant lag en hij de takken onder zijn linkerarm droeg (en ze dus rechtstreeks op de stapel kon laten vallen), terwijl ik ze onder mijn sterkere rechterarm droeg, maar ze vervolgens eerst neer moest leggen, om moest lopen en ze weer op moest pakken voordat ik ze op de stapel kon gooien.

Deze tip is met name doeltreffend in grotere groepen, waarin de beste oplossingen zich door positieve terugkoppeling en herhaald leren van degenen om je heen in hoog tempo door de hele groep kunnen verspreiden. Eberhart en Kennedy realiseerden een computertegenhanger van dit proces door de virtuele mieren uit de mierenkolonieoptimalisatie te vervangen door deeltjes, die in dit geval stonden voor schattingen van de oplossing voor een probleem. (Een deeltje kon dus bijvoorbeeld een vergelijking zijn, of een stel instructies, al naargelang het probleem.) Een zwerm deeltjes mag vervolgens de probleemruimte doorkruisen, waarbij ze niet alleen onthouden hoe goed ze het er af hebben gebracht, maar ook opmerken hoe goed de deeltjes in hun buurt het doen.

De deeltjes volgen regels die lijken op de regels die Reynolds voor zijn boids gebruikte. De beweging van een deeltje wordt bepaald door het evenwicht tussen twee krachten, waarvan de ene het deeltje in de richting van de best passende locatie trekt die het voor zichzelf heeft ontdekt en de andere kracht het naar de beste locatie trekt zoals zijn buren die hebben ontdekt. Het is simpeler dan het lijkt, zoals we kunnen vaststellen door een van de vele computervisualisaties te bekijken die beschikbaar zijn, bijvoorbeeld die op Project Computing (http://www.projectcomputing.com/resources/psovis/index.html), waar een zwerm deeltjes in een virtueel berglandschap de hoogste top probeert te vinden.

Deeltjeszwermen zijn met name goed in het detecteren van abrupte veranderingen in hun omgeving, zoals pieken, dalen, randen of plotselinge bewegingen. Het vermogen om pieken en dalen te detecteren heeft deeltjeszwermoptimalisatie zelfs tot een nuttig hulpmiddel gemaakt bij investeringsbeslissingen. Vanwege zijn vermogen om randen te detecteren heeft deeltjeszwermoptimalisatie ingang gevonden als hulpmiddel voor de analyse van MRI-scans en satellietbeelden en voor het automatisch bijsnijden van digitale foto's, terwijl het door het gemak waarmee beweging kan worden waargenomen zijn nut bewijst bij het opmerken van indringers, het volgen van de olifantentrek en het analyseren van tremors bij de diagnose van de ziekte van Parkinson.

Hoewel voor al deze toepassingen krachtige computers nodig zijn, wil dat niet zeggen dat gecomputeriseerde zwermintelligentie onze eigen menselijke beslisprocessen heeft vervangen. Het is eerder zo dat het nieuwe en interessante mogelijkheden biedt voor innovatieve benaderingen van vraagstukken, zoals de benadering die UPS hanteerde toen het bedrijf jaren van opgebouwde kennis combineerde met de routeplanningsmogelijkheden van nieuwe software en besloot om zo veel mogelijk afslagen naar rechts in zijn bezorgroutes op te nemen.

De redenering lag voor de hand. Vrijwel elke afslag naar links houdt in dat je tegemoetkomend verkeer kruist, wat mogelijk wachten en overeenkomstig tijdverlies met zich meebrengt, alsmede een grotere kans op ongelukken. Het waren echter de opgebouwde kennis en het proces van chauffeurs die van elkaar leerden op een manier die vergelijkbaar is met mierenkolonieroutering die het bedrijf ervan overtuigden dat vaker naar rechts afslaan daadwerkelijk tijdwinst zou opleveren. Deze communicatie tussen agents, gecombineerd met nieuwe procedures voor de pakketstromen (eveneens ontworpen met behulp van mierenkolonielogica!), leidde tot substantiële besparingen op brandstof: alleen al in 2006 meer dan 13,5 miljoen liter.

Wat UPS kan kunnen wij ook. UPS benutte de zwermintelligentie van zijn chauffeurs om de strategie te ontwikkelen. Wij kunnen ons voordeel doen met die zwermintelligentie door hem te kopiëren. Hier volgt dus nog een regel: Kies bij ingewikkelde tochten door een stad een route die vaak naar rechts afslaat.

De mens-computerinterface maakt een volstrekt nieuwe benadering van het ontwikkelen van menselijke zwermintelligentie mogelijk. Astronomen die op jacht zijn naar supernova's maken er gebruik van om hun activiteiten op elkaar af te stemmen. Mensen die bij eBay winkelen gebruiken het, zonder zich ervan bewust te zijn, om via het beoordelingssysteem, dat een combinatie van positieve, negatieve en neutrale terugkoppeling gebruikt, de kwaliteit van de transacties te bewaken. Ook hybride systemen die bestaan uit hardware, software en mensen dienen zich aan. Ze maken simpele lokale interacties mogelijk tussen naburige individuen (mens en computer) om daarmee complexe zwermintelligentie te produceren en de groep als geheel beter te laten presteren. Tests met zwermen vrijwilligers door de Amerikaanse marine hebben laten zien dat dit type systeem goed kan werken als het gaat om de bevoorrading van marineschepen en er staan nog veel meer potentiële toepassingen op stapel.

Een van de spectaculairste toepassingen van de menscomputer interface is de totstandkoming van een ‘smartmob’. Smartmobs (ook wel flashmobs genoemd) zijn groepen mensen die mobiele telefoons of andere moderne communicatiemiddelen gebruiken om hun activiteiten op elkaar af te stemmen. Dit type communicatie leidt tot zwermintelligentie doordat een-op-een-communicatie de prestaties van de groep als geheel verbetert, zonder dat er sprake is van een herkenbare leider. De communicatie is buitengewoon efficiënt doordat het aantal netwerkkoppelingen tussen leden van de groep op den duur exponentieel toeneemt.

Flashmobs kunnen behoorlijke angst inboezemen, met name bij autoriteiten. Demonstranten die in 2001 meededen aan de betogingen die leidden tot de val van president Joseph Estrada van de Filippijnen groeiden uit tot een zelfgeorganiseerde groep die via sms'jes contact onderhield. De onlusten in 2005 in Frankrijk, de studentenprotesten in 2006 in Chili en de Wilde Aardbeien-studentenbeweging in 2008 in Taiwan (waarbij een groep van vijfhonderd studenten als uit het niets opdook voor het nationale parlementsgebouw, om daar te protesteren tegen beperkingen van de vrijheid van meningsuiting) waren soortgelijke manifestaties van zelforganisatie. Van recenter datum is de manier waarop Twitter met enig succes werd gebruikt om de protesten tegen de uitslag van de presidentsverkiezingen in Iran te coördineren. Hierbij moet wel worden opgemerkt dat deze manier van netwerken als zwakke punt heeft dat het ‘chaotisch, subjectief en totaal onverifieerbaar’ is en de authenticiteit van bronnen onmogelijk te achterhalen is.

Smartmobs hoeven zich echter niet per se met protesten bezig te houden. De technologie die hen drijft, en die kan leiden tot smartmobheerschappij, kan ons in potentie allemaal helpen ons dagelijks functioneren in groepen te verbeteren. De diensten die Twitter biedt voor sociaal netwerken en microblogs, bijvoorbeeld, wordt inmiddels door politici en beroemdheden, maar ook door families, tieners en andere sociale groeperingen, op reguliere basis gebruikt om permanent op de hoogte te blijven van waar iedereen in de groep mee bezig is.

Het hoeft niet beperkt te blijven tot een-op-een-communicatie tussen mensen. Tegenwoordig kunnen we zelfs communiceren met onze koelkasten en wasmachines. Evolutionair bioloog Simon Garnier, specialist op het gebied van zwermintelligentie bij insecten, geeft hoog op van de mogelijkheden die dit type communicatie biedt voor de ontwikkeling van menselijke toepassingen van zwermintelligentie: ‘Het lijdt volgens ons geen twijfel dat er meer praktische toepassingen van zwermintelligentie zullen blijven opduiken. In een wereld waarin binnenkort elk object een chip zal bevatten, van enveloppen tot vuilnisbakken en kroppen sla, zullen besturingsalgoritmen worden ontwikkeld om deze ‘stomme’ stukjes silicium te laten communiceren [met elkaar en met ons].’

We hoeven echter geen cyborgs te worden om aspecten van zwermintelligentie in onze eigen levens te kunnen toepassen. We hoeven ook geen mieren te worden, ook al maken onze hersenen zelf gebruik van de gedistribueerde logica van de mierenkolonie. Zoals ik in het volgende hoofdstuk laat zien, is in de meeste gevallen de enige voorwaarde om menselijke zwermintelligentie te laten ontstaan dat we in staat zijn om simpele menselijke logica te gebruiken en in sommige gevallen ook het veel zeldzamere vermogen om de grenzen van die logica te herkennen.