Swarm Intelligence

Trí tuệ bầy đàn (SI) là hành vi tập thể của các hệ thống phi tập trung, tự tổ chức, trong đó nhiều tác nhân đơn giản, mỗi tác nhân tuân theo quy tắc cục bộ và không có thủ lĩnh, cùng giải quyết vấn đề mà từng tác nhân riêng lẻ không thể tự giải quyết. Đàn kiến tìm đường ngắn đến thức ăn, đàn chim đồng loạt chuyển hướng, còn mối xây ụ có hệ thống thông gió — tất cả đều không cần cá thể nào nắm giữ kế hoạch. Gerardo Beni và Jing Wang đưa ra thuật ngữ này vào năm 1989 để mô tả các hệ thống robot tế bào. Trong trí tuệ nhân tạo (AI), trí tuệ bầy đàn có hai nhánh chính: các thuật toán tối ưu hóa mô phỏng tập thể này trong phần mềm và robot bầy đàn, phối hợp nhiều robot vật lý theo cùng cách.

Các nguyên tắc cốt lõi#

Các hệ thống bầy đàn có một số đặc tính chung:

• Tương tác cục bộ: Mỗi tác nhân chỉ nhận biết và phản ứng với các tác nhân lân cận cùng môi trường xung quanh trực tiếp.
• Tự tổ chức: Các mô hình toàn cục, chẳng hạn hình dạng đàn chim hoặc mạng lưới đường đi của đàn kiến, hình thành từ những tương tác cục bộ lặp đi lặp lại thay vì từ một kế hoạch trung tâm.
• Tính bền vững: Vì không tác nhân nào là thiết yếu, bầy đàn vẫn hoạt động khi một số cá thể gặp sự cố.
• Khả năng mở rộng: Thêm tác nhân giúp tăng năng lực mà không cần thiết kế lại logic điều khiển.

Việc phối hợp có thể diễn ra trực tiếp hoặc gián tiếp. Mô hình boids của Craig Reynolds năm 1986 tạo ra chuyển động bầy đàn chân thực từ ba quy tắc trực tiếp: tách biệt (tránh chen chúc với các cá thể lân cận), căn chỉnh (điều hướng theo hướng di chuyển trung bình của chúng) và gắn kết (điều hướng đến vị trí trung bình của chúng). Kiến phối hợp gián tiếp thông qua stigmergy: mỗi con thay đổi môi trường bằng cách để lại pheromone, những con khác phản ứng với môi trường đã thay đổi đó.

Các thuật toán tối ưu hóa bầy đàn#

Các thuật toán tối ưu hóa lấy cảm hứng từ bầy đàn tìm kiếm trong không gian nghiệm lớn bằng một quần thể nghiệm ứng viên có chia sẻ thông tin. Những thuật toán này chỉ cần cách chấm điểm một nghiệm ứng viên, không cần gradient, nên phù hợp với các bài toán nhiễu, không khả vi hoặc tổ hợp.

Tối ưu hóa đàn kiến (ACO), do Marco Dorigo giới thiệu trong luận án tiến sĩ năm 1992, giải quyết các bài toán định tuyến và lập lịch như bài toán người du lịch. Kiến nhân tạo xây dựng lộ trình từng cạnh một, ưu tiên các cạnh có nhiều pheromone hơn; lộ trình ngắn hơn nhận được nhiều pheromone hơn, còn sự bay hơi dần xóa những vệt không được củng cố, ngăn cả đàn mắc kẹt với một lộ trình tầm thường được chọn quá sớm:

Tối ưu hóa bầy đàn hạt (PSO), do James Kennedy và Russell Eberhart giới thiệu năm 1995, hoạt động trong không gian liên tục. Mỗi hạt có vị trí và vận tốc, ghi nhớ vị trí tốt nhất mà nó tìm được và biết vị trí tốt nhất trong toàn bầy; ở mỗi bước, vận tốc của hạt kết hợp momentum hiện tại với lực hút ngẫu nhiên hướng về hai vị trí tốt nhất đó. Ví dụ NumPy này dùng 30 hạt để tối thiểu hóa hàm Rastrigin, có lưới các điểm cực tiểu cục bộ dễ khiến phương pháp tìm kiếm cục bộ đơn giản mắc kẹt:

import numpy as np

rng = np.random.default_rng(0)


def rastrigin(x):
    """Bumpy test function with many local minima and a global minimum of 0 at the origin."""
    return 10 * x.shape[-1] + (x**2 - 10 * np.cos(2 * np.pi * x)).sum(axis=-1)


pos = rng.uniform(-5, 5, (30, 2))  # 30 particles in a 2-D search space
vel = np.zeros_like(pos)
best_pos, best_val = pos.copy(), rastrigin(pos)  # each particle's personal best
start = best_val.min()
for _ in range(100):
    swarm_best = best_pos[best_val.argmin()]  # best position any particle has found
    r1, r2 = rng.random((2, 30, 1))
    # Inertia + pull toward the particle's own best + pull toward the swarm's best
    vel = 0.7 * vel + 1.5 * r1 * (best_pos - pos) + 1.5 * r2 * (swarm_best - pos)
    pos = pos + vel
    val = rastrigin(pos)
    improved = val < best_val
    best_pos[improved], best_val[improved] = pos[improved], val[improved]

print(f"Best value: {start:.3f} at the start, {best_val.min():.6f} after 100 iterations")

Giá trị tốt nhất của bầy giảm từ 9.633 trong các vị trí khởi tạo ngẫu nhiên xuống 0.000000, tức điểm cực tiểu toàn cục tại gốc tọa độ. Với các random seed khác, bầy đôi khi hội tụ ở một điểm cực tiểu cục bộ lân cận tại 0.995; đây là hiện tượng hội tụ sớm mà các biến thể PSO khắc phục bằng bầy lớn hơn, khởi động lại hoặc topology lân cận làm chậm sự lan truyền của nghiệm toàn cục tốt nhất. Trong machine learning, PSO được dùng để tinh chỉnh hyperparameter, lựa chọn đặc trưng và tìm kiếm kiến trúc mạng nơ-ron khi không có gradient.

Trí tuệ bầy đàn và các khái niệm liên quan#

• Thuật toán tiến hóa: Cải thiện một quần thể qua các bước chọn lọc, lai ghép và đột biến, thay thế cá thể qua từng thế hệ. Các hạt PSO tồn tại xuyên suốt và cải thiện bằng cách chia sẻ thông tin về những vị trí tốt.
• Học tổ hợp: Kết hợp dự đoán từ nhiều model đã huấn luyện thành một đầu ra tại thời điểm suy luận. Các tác nhân trong bầy trao đổi thông tin trong suốt quá trình tìm kiếm và thay đổi hành vi để phản ứng với thông tin đó.
• Hệ đa tác nhân: Lĩnh vực rộng nghiên cứu các tác nhân tương tác, có thể phức tạp, được điều phối tập trung hoặc cạnh tranh với nhau. Trí tuệ bầy đàn là trường hợp có nhiều tác nhân đơn giản, hợp tác và chỉ sử dụng thông tin cục bộ.

Robot bầy đàn và thị giác#

Robot bầy đàn áp dụng các nguyên tắc tương tự cho những máy móc vật lý đơn giản, chi phí thấp. Bầy drone dùng cho tìm kiếm, lập bản đồ và nông nghiệp sử dụng phối hợp phi tập trung để cả nhóm tiếp tục hoạt động khi từng drone gặp sự cố hoặc mất liên lạc. Mỗi tác nhân có thể chạy một detector gọn nhẹ như Ultralytics YOLO26 trên thiết bị và chỉ chia sẻ với các tác nhân lân cận những thông điệp phát hiện ngắn, chẳng hạn lớp và vị trí của vật thể, thay vì truyền video về trạm điều khiển. Các buổi trình diễn ánh sáng bằng drone trông giống bầy đàn nhưng bay theo quỹ đạo được tính trước bởi bộ lập kế hoạch trung tâm; không drone nào phản ứng với drone lân cận. Tự tổ chức có thể hoạt động ở quy mô lớn: năm 2014, các nhà nghiên cứu Harvard lập trình 1.024 Kilobot — robot nhỏ di chuyển bằng chân rung — để ghép thành các hình như ngôi sao, cờ lê và chữ K, chỉ bằng các thông điệp hồng ngoại trao đổi giữa những robot lân cận.