I study ants in the desert, in the tropical forest and in my kitchen, and in the hills around Silicon Valley where I live. I've recently realized that ants are using interactions differently in different environments, and that got me thinking that we could learn from this about other systems, like brains and data networks that we engineer, and even cancer.
Saya mempelajari semut di gurun, di hutan tropis dan di dapur saya, dan juga di perbukitan di sekitar Silicon Valley tempat saya tinggal. Baru-baru ini saya menyadari bahwa interaksi semut berbeda dalam lingkungan yang berbeda, dan kitapun bisa belajar dari hal ini tentang sistem-sistem lain, seperti otak dan jaringan data yang kita rekayasa, bahkan juga kanker.
So what all these systems have in common is that there's no central control. An ant colony consists of sterile female workers -- those are the ants you see walking around — and then one or more reproductive females who just lay the eggs. They don't give any instructions. Even though they're called queens, they don't tell anybody what to do. So in an ant colony, there's no one in charge, and all systems like this without central control are regulated using very simple interactions. Ants interact using smell. They smell with their antennae, and they interact with their antennae, so when one ant touches another with its antennae, it can tell, for example, if the other ant is a nestmate and what task that other ant has been doing. So here you see a lot of ants moving around and interacting in a lab arena that's connected by tubes to two other arenas. So when one ant meets another, it doesn't matter which ant it meets, and they're actually not transmitting any kind of complicated signal or message. All that matters to the ant is the rate at which it meets other ants. And all of these interactions, taken together, produce a network. So this is the network of the ants that you just saw moving around in the arena, and it's this constantly shifting network that produces the behavior of the colony, like whether all the ants are hiding inside the nest, or how many are going out to forage. A brain actually works in the same way, but what's great about ants is that you can see the whole network as it happens.
Nah, kesamaan dari semua sistem ini adalah tidak ada kontrol pusat. Koloni semut terdiri atas para pekerja betina yang steril -- yaitu semut-semut yang biasa Anda lihat berkeliling -- dan satu atau beberapa betina produktif yang hanya bertelur. Mereka tidak memberi perintah. Meskipun mereka disebut ratu, mereka tidak memerintah semut lainnya. Jadi, dalam koloni semut, tidak ada pemimpin, dan tanpa adanya kontrol pusat, seluruh sistem ini diatur menggunakan interaksi yang sangat sederhana. Semut berinteraksi menggunakan penciuman. Mereka mencium bau dengan antena mereka, dan mereka berinteraksi dengan antena mereka, jadi ketika seekor semut menyentuh semut lain dengan antenanya, ia bisa tahu apakah semut itu dari sarang yang sama, dan tugas apa yang dikerjakan semut tersebut. Jadi, di sini Anda lihat banyak semut bergerak ke mana-mana dan berinteraksi dalam sebuah arena lab yang terhubung melalui tabung ke dua arena lain. Ketika seekor semut bertemu semut lain, semut mana pun juga, mereka sebetulnya tidak memancarkan sinyal atau pesan kompleks apa pun. Yang penting bagi semut adalah kecepatan saat ia bertemu dengan semut lainnya. Dan semua interaksi ini secara keseluruhan, menghasilkan sebuah jaringan. Ini adalah jaringan semut yang baru saja Anda lihat berkeliaran di sekeliling arena dan jaringan yang terus-menerus bergerak inilah yang membentuk perilaku koloni, seperti apakah semua semut bersembunyi dalam sarang, atau berapa banyak yang keluar mencari makan. Cara kerja otak sebenarnya juga sama, tapi yang hebat dari semut adalah Anda dapat melihat seluruh jaringan secara langsung.
There are more than 12,000 species of ants, in every conceivable environment, and they're using interactions differently to meet different environmental challenges. So one important environmental challenge that every system has to deal with is operating costs, just what it takes to run the system. And another environmental challenge is resources, finding them and collecting them. In the desert, operating costs are high because water is scarce, and the seed-eating ants that I study in the desert have to spend water to get water. So an ant outside foraging, searching for seeds in the hot sun, just loses water into the air. But the colony gets its water by metabolizing the fats out of the seeds that they eat. So in this environment, interactions are used to activate foraging. An outgoing forager doesn't go out unless it gets enough interactions with returning foragers, and what you see are the returning foragers going into the tunnel, into the nest, and meeting outgoing foragers on their way out. This makes sense for the ant colony, because the more food there is out there, the more quickly the foragers find it, the faster they come back, and the more foragers they send out. The system works to stay stopped, unless something positive happens.
Ada lebih dari 12.000 spesies semut, dalam segala macam lingkungan, dan mereka berinteraksi secara berbeda untuk menjawab tantangan lingkungan yang berbeda. Salah satu tantangan lingkungan yang penting, yang harus dihadapi setiap sistem adalah biaya operasional yang diperlukan untuk menjalankan sistem. Tantangan lingkungan lainnya adalah menemukan dan mengumpulkan sumber daya. Di gurun, biaya operasional tinggi karena air langka, dan semut pemakan-biji yang saya pelajari di gurun harus menghabiskan air untuk mendapatkan air. Jadi, seekor semut yang keluar mencari makan, mencari biji-bijian di bawah terik matahari, justru kehilangan air yang menguap. Tapi koloni memperoleh airnya melalui metabolisme lemak dari biji-bijian yang mereka makan. Sehingga dalam lingkungan ini, interaksi digunakan untuk mencari makan. Pencari makan tidak keluar kecuali ada cukup interaksi dengan pencari makan yang kembali, ini adalah pencari makan yang kembali, masuk ke lubang, ke dalam sarang, dan bertemu pencari makan dalam perjalanan ke luar. Ini masuk akal bagi koloni semut, karena semakin banyak makanan diluar sana, semakin cepat pencari makan menemukannya, semakin cepat pula mereka kembali dan semakin banyak pencari makan yang diutus. Sistem tersebut tetap mandek, kecuali terjadi sesuatu yang positif.
So interactions function to activate foragers. And we've been studying the evolution of this system. First of all, there's variation. It turns out that colonies are different. On dry days, some colonies forage less, so colonies are different in how they manage this trade-off between spending water to search for seeds and getting water back in the form of seeds. And we're trying to understand why some colonies forage less than others by thinking about ants as neurons, using models from neuroscience. So just as a neuron adds up its stimulation from other neurons to decide whether to fire, an ant adds up its stimulation from other ants to decide whether to forage. And what we're looking for is whether there might be small differences among colonies in how many interactions each ant needs before it's willing to go out and forage, because a colony like that would forage less.
Sehingga interaksi berfungsi untuk mengaktivasi para pencari makan. Dan kami sudah lama mempelajari evolusi sistem ini. Pertama, ada variasi. Ternyata koloni-koloni itu berbeda. Saat kering, ada koloni yang mengurangi pencarian makan, jadi koloni berbeda dalam cara mereka mengelola antara menghabiskan air untuk mencari biji-bijian dan mendapatkan kembali air tersebut dalam bentuk biji-bijian. Kami sedang mencari tahu mengapa ada koloni yang mencari lebih sedikit makanan daripada koloni lain, dengan menganalogikan semut seperti neuron, menggunakan model ilmu syaraf. Jadi, seperti halnya neuron mengumpulkan stimulasi dari neuron lain untuk menyalurkan rangsangan, seekor semut mengumpulkan stimulasi dari semut lain untuk memutuskan apakah akan mencari makan. Yang kami cari adalah apakah ada perbedaan kecil di antara koloni-koloni dalam berapa banyak interaksi yang diperlukan masing-masing semut sebelum pergi keluar dan mencari makan, karena koloni seperti itu akan lebih sedikit mencari makan.
And this raises an analogous question about brains. We talk about the brain, but of course every brain is slightly different, and maybe there are some individuals or some conditions in which the electrical properties of neurons are such that they require more stimulus to fire, and that would lead to differences in brain function.
Dan ini menimbulkan pertanyaan serupa tentang otak. Kita berbicara tentang otak, tapi tentu saja setiap otak agak berbeda, mungkin ada beberapa individu atau keadaan tertentu dimana sifat-sifat listrik neuron yang membutuhkan lebih banyak stimulus untuk menyalurkan rangsangan, akan menimbulkan perbedaan dalam fungsi otak.
So in order to ask evolutionary questions, we need to know about reproductive success. This is a map of the study site where I have been tracking this population of harvester ant colonies for 28 years, which is about as long as a colony lives. Each symbol is a colony, and the size of the symbol is how many offspring it had, because we were able to use genetic variation to match up parent and offspring colonies, that is, to figure out which colonies were founded by a daughter queen produced by which parent colony. And this was amazing for me, after all these years, to find out, for example, that colony 154, whom I've known well for many years, is a great-grandmother. Here's her daughter colony, here's her granddaughter colony, and these are her great-granddaughter colonies. And by doing this, I was able to learn that offspring colonies resemble parent colonies in their decisions about which days are so hot that they don't forage, and the offspring of parent colonies live so far from each other that the ants never meet, so the ants of the offspring colony can't be learning this from the parent colony. And so our next step is to look for the genetic variation underlying this resemblance.
Jadi sebelum mengajukan pertanyaan tentang evolusi kita harus mengetahui tingkat keberhasilan reproduksi. Ini adalah peta dari lokasi studi dimana saya melacak populasi koloni semut pemanen selama 28 tahun, yang kira-kira seumur hidup koloni. Setiap simbol adalah satu koloni, dan ukuran simbol melambangkan jumlah keturunan yang dimilikinya, karena kita bisa memakai variasi genetik untuk mencocokkan koloni induk dan keturunan, yakni, untuk mencari tahu koloni mana yang didirikan anak betina ratu dari koloni induk yang mana. Saya sangat takjub ketika menemukan, misalnya, bahwa koloni 154 yang sudah saya kenal baik selama bertahun-tahun, adalah nenek buyut. Ini adalah koloni anak betinanya, ini adalah koloni cucu betinanya, dan ini adalah koloni cicit betinanya. Dan dengan melakukan ini, saya mempelajari bahwa koloni keturunan menyerupai koloni induk dalam memutuskan untuk tidak mencari makan ketika cuaca sangat panas, dan keturunan dari koloni induk hidup berjauhan satu sama lain sehingga tak pernah bertemu, jadi semut-semut dari koloni keturunan tak mungkin mempelajarinya dari koloni induk. Jadi yang kami lakukan selanjutnya adalah mencari variasi genetik yang menyebabkan kemiripan ini.
So then I was able to ask, okay, who's doing better? Over the time of the study, and especially in the past 10 years, there's been a very severe and deepening drought in the Southwestern U.S., and it turns out that the colonies that conserve water, that stay in when it's really hot outside, and thus sacrifice getting as much food as possible, are the ones more likely to have offspring colonies. So all this time, I thought that colony 154 was a loser, because on really dry days, there'd be just this trickle of foraging, while the other colonies were out foraging, getting lots of food, but in fact, colony 154 is a huge success. She's a matriarch. She's one of the rare great-grandmothers on the site. To my knowledge, this is the first time that we've been able to track the ongoing evolution of collective behavior in a natural population of animals and find out what's actually working best.
Lalu kita bisa bertanya, keadaan siapa yang lebih baik? Sepanjang studi berlangsung, khususnya 10 tahun terakhir, terjadi kekeringan yang sangat parah dan semakin buruk di wilayah Barat Daya AS, dan ternyata koloni yang menghemat air, yang tidak keluar saat suhunya sangat panas, dengan resiko tidak memperoleh makanan, adalah koloni yang cenderung memiliki banyak keturunan. Jadi selama ini, saya mengira koloni 154 adalah pecundang, karena pada masa-masa kering mereka hanya sedikit mencari makan, sementara koloni lain pergi ke luar mencari makan, menimbun makanan, tapi nyatanya, koloni 154 sangat sukses. Ia adalah betina pemimpin. Ia adalah salah satu nenek buyut yang langka di lokasi. Setahu saya, inilah pertama kali kami mampu melacak evolusi berkelanjutan dari perilaku kolektif dalam populasi alami hewan dan menemukan apa yang sebetulnya paling berhasil.
Now, the Internet uses an algorithm to regulate the flow of data that's very similar to the one that the harvester ants are using to regulate the flow of foragers. And guess what we call this analogy? The anternet is coming. (Applause) So data doesn't leave the source computer unless it gets a signal that there's enough bandwidth for it to travel on. In the early days of the Internet, when operating costs were really high and it was really important not to lose any data, then the system was set up for interactions to activate the flow of data. It's interesting that the ants are using an algorithm that's so similar to the one that we recently invented, but this is only one of a handful of ant algorithms that we know about, and ants have had 130 million years to evolve a lot of good ones, and I think it's very likely that some of the other 12,000 species are going to have interesting algorithms for data networks that we haven't even thought of yet.
Sekarang, internet menggunakan algoritma untuk mengatur aliran data yang sangat mirip dengan algoritma yang digunakan semut pemanen untuk mengatur aliran pencari makan Dan tebak, kami sebut apa analogi ini? Anternet. (Tepuk tangan) Jadi, data tidak meninggalkan komputer sumber kecuali ia mendapat sinyal bahwa ada cukup bandwidth untuk ditumpangi. Waktu internet masih baru, ketika biaya operasi sangat tinggi dan sangat penting untuk tidak kehilangan data apapun, sistem dipersiapkan untuk interaksi yang mengaktivasi aliran data. Menarik bahwa semut menggunakan algoritma yang begitu mirip dengan yang baru-baru ini kita temukan, tapi ini hanya satu dari sekian banyak algoritma semut yang kita ketahui, dan semut sudah melalui 130 juta tahun untuk berevolusi menjadi lebih baik, dan menurut saya sangat mungkin bahwa sebagian dari 12.000 spesies lainnya memiliki algoritma menarik untuk jaringan data yang bahkan belum terpikir oleh kita.
So what happens when operating costs are low? Operating costs are low in the tropics, because it's very humid, and it's easy for the ants to be outside walking around. But the ants are so abundant and diverse in the tropics that there's a lot of competition. Whatever resource one species is using, another species is likely to be using that at the same time. So in this environment, interactions are used in the opposite way. The system keeps going unless something negative happens, and one species that I study makes circuits in the trees of foraging ants going from the nest to a food source and back, just round and round, unless something negative happens, like an interaction with ants of another species. So here's an example of ant security. In the middle, there's an ant plugging the nest entrance with its head in response to interactions with another species. Those are the little ones running around with their abdomens up in the air. But as soon as the threat is passed, the entrance is open again, and maybe there are situations in computer security where operating costs are low enough that we could just block access temporarily in response to an immediate threat, and then open it again, instead of trying to build a permanent firewall or fortress.
Jadi, apa yang terjadi ketika biaya operasional rendah? Biaya operasi di daerah tropis rendah, karena sangat lembap, dan mudah bagi semut untuk berjalan-jalan di luar. Tapi semut begitu banyak dan beragam jenisnya di daerah tropis sehingga ada banyak persaingan. Sumber daya yang dipakai satu spesies, mungkin dipakai juga oleh spesies lain pada waktu bersamaan. Sehingga dalam lingkungan ini, interaksi digunakan secara berlawanan. Sistem terus berjalan kecuali ada hal-hal negatif, dan satu spesies yang saya amati membuat sirkuit di dalam pohon semut pencari makan yang pergi dari sarang ke sumber makanan dan kembali, begitu seterusnya, kecuali hal negatif terjadi, seperti interaksi dengan semut dari spesies lain. Ini adalah contoh pertahanan keamanan semut. Di tengah, ada seekor semut yang menyumbat pintu masuk sarang dengan kepalanya sebagai respons atas interaksi dengan spesies lain. Semut-semut kecil berkeliaran sambil mengangkat perut. Tapi begitu ancaman berlalu, pintu masuk dibuka lagi. Dan mungkin ada situasi dalam keamanan komputer di mana biaya operasional cukup rendah sehingga kita bisa menutup akses sementara sebagai respons terhadap ancaman, kemudian membukanya lagi, daripada berusaha membangun firewall atau benteng permanen.
So another environmental challenge that all systems have to deal with is resources, finding and collecting them. And to do this, ants solve the problem of collective search, and this is a problem that's of great interest right now in robotics, because we've understood that, rather than sending a single, sophisticated, expensive robot out to explore another planet or to search a burning building, that instead, it may be more effective to get a group of cheaper robots exchanging only minimal information, and that's the way that ants do it. So the invasive Argentine ant makes expandable search networks. They're good at dealing with the main problem of collective search, which is the trade-off between searching very thoroughly and covering a lot of ground. And what they do is, when there are many ants in a small space, then each one can search very thoroughly because there will be another ant nearby searching over there, but when there are a few ants in a large space, then they need to stretch out their paths to cover more ground. I think they use interactions to assess density, so when they're really crowded, they meet more often, and they search more thoroughly. Different ant species must use different algorithms, because they've evolved to deal with different resources, and it could be really useful to know about this, and so we recently asked ants to solve the collective search problem in the extreme environment of microgravity in the International Space Station. When I first saw this picture, I thought, Oh no, they've mounted the habitat vertically, but then I realized that, of course, it doesn't matter. So the idea here is that the ants are working so hard to hang on to the wall or the floor or whatever you call it that they're less likely to interact, and so the relationship between how crowded they are and how often they meet would be messed up. We're still analyzing the data. I don't have the results yet. But it would be interesting to know how other species solve this problem in different environments on Earth, and so we're setting up a program to encourage kids around the world to try this experiment with different species. It's very simple. It can be done with cheap materials. And that way, we could make a global map of ant collective search algorithms. And I think it's pretty likely that the invasive species, the ones that come into our buildings, are going to be really good at this, because they're in your kitchen because they're really good at finding food and water.
Tantangan lingkungan lainnya yang harus dihadapi semua sistem adalah menemukan dan mengumpulkan sumber daya. Dan semut telah berhasil memecahkan masalah pencarian kolektif, yang merupakan pertanyaan penting di bidang robotika sekarang, karena kita sudah memahami bahwa, ketimbang mengirim satu robot canggih dan mahal untuk menjelajahi planet lain atau untuk menyusuri gedung yang terbakar, mungkin lebih efektif mengirim sekelompok robot yang lebih murah yang saling bertukar informasi dasar, dan begitulah semut-semut melakukannya. Semut Argentina yang invasif membuat jaringan pencarian sekali pakai. Mereka mahir menghadapi masalah utama pencarian kolektif, yang merupakan tarik-ulur antara pencarian yang teliti atau pencarian dalam wilayah yang luas, Yang mereka lakukan adalah, ketika ada banyak semut dalam ruang kecil, masing-masing akan mencari dengan teliti karena akan ada semut lain yang mencari di bagian lainnya, tapi jika hanya ada beberapa semut dalam ruang besar, maka mereka perlu melebarkan jangkauan mereka untuk mencakup daerah yang lebih luas. Menurut saya mereka menggunakan interaksi untuk mengukur kepadatan, sehingga mereka lebih sering bertemu ketika ramai, dan mereka mencari dengan lebih teliti. Spesies semut berbeda pasti menggunakan alogaritma berbeda pula karena mereka telah berevolusi untuk menghadapi sumber daya yang berbeda, dan pengetahuan ini bisa sangat berguna. Jadi kami mengamati semut untuk menjawab masalah pencarian kolektif dalam lingkungan ekstrem mikro-gravitasi di Stasiun Luar Angkasa Internasional. Ketika pertama melihat gambar ini, saya pikir mereka menempatkan habitat secara vertikal tapi kemudian saya sadar bahwa itu tidak penting. Jadi, idenya disini adalah bahwa semut bekerja keras untuk berpegangan ke dinding atau lantai atau apa saja sehingga mereka enggan berinteraksi, jadi kaitan antara jumlah dan frekuensi bertemu mereka akan menjadi kacau. Kami masih menganalisis data. Saya belum punya hasilnya. Tapi akan menarik untuk mengetahui bagaimana spesies lain menyelesaikan masalah ini dalam lingkungan yang berbeda di bumi, jadi kami membuat program yang mengajak anak-anak di seluruh dunia untuk mencoba eksperimen ini dengan spesies yang berbeda Sangat sederhana. Dapat dilakukan dengan bahan-bahan murah. Dengan demikian, kita bisa membuat sebuah peta global algoritma pencarian kolektif semut. Saya kira cukup mungkin bahwa spesies yang invasif, yang masuk ke bangunan kita, akan sangat mahir dalam hal ini, karena mereka ada di dapur Anda karena mereka sangat mahir menemukan air dan makanan.
So the most familiar resource for ants is a picnic, and this is a clustered resource. When there's one piece of fruit, there's likely to be another piece of fruit nearby, and the ants that specialize on clustered resources use interactions for recruitment. So when one ant meets another, or when it meets a chemical deposited on the ground by another, then it changes direction to follow in the direction of the interaction, and that's how you get the trail of ants sharing your picnic.
Kesempatan yang paling baik bagi semut adalah saat piknik, dan ini adalah sumber daya terkelompok. Bila ada satu buah-buahan, sangat mungkin ada buah-buahan lain di dekatnya, dan semut yang spesialis pada sumber daya terkelompok menggunakan interaksi untuk perekrutan. Jadi saat semut saling bertemu atau saat ia menemukan jejak semut lain di tanah, ia mengubah arah untuk mengikuti arah interaksi, dan begitulah Anda mendapati barisan semut merubungi piknik Anda.
Now this is a place where I think we might be able to learn something from ants about cancer. I mean, first, it's obvious that we could do a lot to prevent cancer by not allowing people to spread around or sell the toxins that promote the evolution of cancer in our bodies, but I don't think the ants can help us much with this because ants never poison their own colonies. But we might be able to learn something from ants about treating cancer. There are many different kinds of cancer. Each one originates in a particular part of the body, and then some kinds of cancer will spread or metastasize to particular other tissues where they must be getting resources that they need. So if you think from the perspective of early metastatic cancer cells as they're out searching around for the resources that they need, if those resources are clustered, they're likely to use interactions for recruitment, and if we can figure out how cancer cells are recruiting, then maybe we could set traps to catch them before they become established.
Dari sini mungkin kita dapat belajar sesuatu dari semut tentang kanker. Pertama, jelas ada banyak hal yang dapat dilakukan untuk mencegah kanker dengan mencegah migrasi atau menjual toksin yang mendorong evolusi kanker dalam tubuh kita. Semut memang tidak dapat banyak membantu dalam hal ini karena semut tak pernah meracuni koloni mereka sendiri. Namun kita mungkin dapat belajar tentang pengobatan kanker. Ada bermacam-macam jenis kanker, masing-masing bermula di bagian tubuh tertentu, dan sebagian jenis kanker akan menyebar atau metastasis ke jaringan lainnya, dimana terdapat sumber daya yang mereka perlukan. Bila Anda berpikir dari perspektif sel kanker metastatik awal saat mereka sedang mencari-cari sumber daya yang mereka perlukan, jika sumber daya itu terkelompok, mereka lebih mungkin menggunakan interaksi untuk perekrutan, dan jika kita bisa mencari tahu bagaimana sel kanker merekrut, mungkin kita bisa memasang perangkap untuk menangkap mereka sebelum menjadi ganas.
So ants are using interactions in different ways in a huge variety of environments, and we could learn from this about other systems that operate without central control. Using only simple interactions, ant colonies have been performing amazing feats for more than 130 million years. We have a lot to learn from them.
Jadi semut menggunakan interaksi dengan cara-cara berbeda dalam lingkungan yang berbeda, dan kita bisa belajar dari sini tentang sistem lain yang beroperasi tanpa kontrol pusat. Dengan interaksi sederhana, koloni semut telah menunjukkan prestasi mengagumkan selama lebih dari 130 juta tahun. Kita harus belajar banyak dari mereka.
Thank you.
Terima kasih.
(Applause)
(Tepuk tangan)