群知能

群知能 (SI) は、分散型で自己組織化されたシステムの集合的な振る舞いを定義し、通常は自然または人工のものです。この概念は、アリのコロニー、鳥の群れ、魚の群れ、バクテリアの増殖など、自然界に見られる生物学的システムから大きなインスピレーションを得ています。人工知能 (AI)の文脈では、群知能システムは、互いに、そして環境と局所的に相互作用する単純なエージェントの集団で構成されます。個々のエージェントがどのように振る舞うべきかを指示する中央制御構造はありませんが、そのようなエージェント間の局所的な相互作用は、「インテリジェントな」グローバルな振る舞いの出現につながり、単一の個体の能力を超えた複雑なタスクを解決することができます。

主要なメカニズムとアルゴリズム

群知能の力は、協力によって非線形問題を解決する能力にあります。これらのシステムのエージェントは、「分離」「整列」「結合」と表現されることが多い単純なルールに従い、グループが動的な環境をナビゲートすることを可能にします。このアプローチは、探索空間が広大で複雑な最適化アルゴリズムにおいて特に効果的です。

最も顕著なアルゴリズム実装の2つは次のとおりです。

• 粒子群最適化 (PSO): 鳥の群れの社会的行動に触発されて、PSOは、与えられた品質尺度に関して候補解を反復的に改善しようとすることで問題を最適化します。これは、ニューラルネットワークのトレーニングや最適なハイパーパラメータの探索に広く使用されています。その数学的基礎を理解するために、粒子群最適化のメカニズムについて詳しく読むことができます。
• アリコロニー最適化（ACO）: アリの採餌行動、特にフェロモントレイルを使用してコロニーと食料源の間の最短経路を見つける方法に基づいています。ACOは、電気通信におけるルーティング問題やロジスティクス業務に頻繁に適用されます。

コンピュータービジョンにおける群知能

コンピュータビジョン (CV)の分野では、スウォームインテリジェンスが機械が世界をどのように知覚し解釈するかを革新しています。単一のモノリシックモデルに依存するのではなく、スウォームベースのアプローチは、しばしばエッジコンピューティングデバイスに展開される複数の軽量エージェントを利用して、データを収集し、協調的に推論を実行します。

実際のアプリケーション

1. 自律ドローンによる捜索救助: 災害シナリオでは、単一のドローンはバッテリー寿命と視野が限られています。しかし、自律ドローンの群れは広範囲を効率的にカバーできます。YOLO26のようなオブジェクト検出モデルを搭載したこれらのドローンは、検出座標を相互に通信します。もし1機のドローンが生命の兆候をdetectした場合、他のドローンに集まって検証するよう信号を送り、人間のパイロットからの絶え間ない指示なしにリアルタイムで捜索経路を最適化できます。

2. Smart City Traffic Management:現代の都市計画では、スマートシティにおけるAIを活用して渋滞を緩和しています。群れのように機能する交通カメラは、都市全体の交差点を監視できます。遅延を引き起こす中央でのフィード処理ではなく、これらの分散型エージェントはエッジAIを使用して、地域の交通量と隣接データに基づいて信号のタイミングを動的に調整します。この分散型アプローチにより、交通網全体が自己最適化され、待ち時間と排出ガスが削減されます。

ビジョンエージェントの実装

スウォームをデプロイするには、各エージェントは通常、低電力ハードウェアで実行可能な、高速で効率的なモデルを必要とします。以下の例は、軽量なものを初期化する方法を示しています。 YOLO26n モデル を使用している。 ultralytics パッケージ。これは、スウォーム内の単一エージェントの視覚能力を表します。

from ultralytics import YOLO

# Load a lightweight YOLO26 nano model optimized for edge agents
# This simulates one agent in a swarm initializing its vision system
model = YOLO("yolo26n.pt")

# Perform inference on a local image (what the agent 'sees')
# The agent would then transmit these results to neighbors
results = model.predict("path/to/image.jpg")

# Print the number of objects detected by this agent
print(f"Agent detected {len(results[0].boxes)} objects.")

スウォームインテリジェンスの比較

群知能と関連するAIの概念を区別することが重要です。

• vs. アンサンブル学習: どちらも複数のコンポーネントを伴いますが、アンサンブル学習は通常、異なる静的モデル（ランダムフォレストなど）の予測を組み合わせて精度を向上させます。対照的に、群知能は、解決空間や物理環境を移動し、相互作用しながら時間とともに振る舞いを変化させる能動的なエージェントを伴います。
• vs. 進化アルゴリズム: 進化アルゴリズムは、突然変異や交叉などのメカニズムを使用して、世代を超えて個体群を進化させます。群知能も個体群を使用しますが、群れの個体は通常、死んだり繁殖したりせず、仲間からの情報に基づいて位置を学習し適応します。これはスティグマジーとして知られるプロセスです。

協調AIの未来

ハードウェアが小型化し、モノのインターネット (IoT)が拡大し続けるにつれて、スウォームインテリジェンスは分散型自動化において極めて重要な役割を果たすでしょう。Ultralytics Platformのようなツールは、チームがデータセットを管理し、デバイスのフリートに容易にデプロイできるモデルをトレーニングすることを可能にすることで、この未来を促進し、高度なスウォームロボティクスや自動運転車に必要な同期された「集合知」を実現します。