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.
Skúmam mravce v púšti, v tropickom lese, v mojej kuchyni aj v kopcoch okolo Silicon Valley, kde momentálne žijem. Len nedávno som pochopila, že mravce interagujú rozdielne v rozdielnych prostriediach a to ma prinútilo zamyslieť sa, že by sme sa z toho mohli niečo naučiť o iných systémoch, ako sú mozgy a dátové siete, ktoré vytvárame, či dokonca o rakovine.
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.
To, čo majú všetky tieto systémy spoločné, je, že v nich neexistuje centrálne ovládanie. Mravčia kolónia sa skladá z neplodných robotníc — to sú tie mravce, ktoré vidíte pobehovať — a z jednej alebo viacerých plodných samíc, ktoré proste len kladú vajíčka. Nevydávajú žiadne príkazy. A aj keď ich nazývame kráľovné, nikomu nehovoria, čo má kto robiť. Takže v mravčej kolónii nikto nie je šéfom a všetky takéto systémy bez centrálnej kontroly sú regulované s použitím veľmi jednoduchých interakcií. Mravce interagujú pomocou vôní. Dokážu cítiť pachy pomocou tykadiel a preto aj interagujú pomocou tykadiel, takže keď sa mravec dotkne druhého pomocou tykadiel, môže mu to napríklad povedať, či je daný mravec z jeho vlastnej kolónie a akú úlohu tento ďalší mravec vykonáva. Tu môžete vidieť množstvo mravcov, ktoré pobehujú a interagujú v laboratórnej aréne, ktorá je potrubím spojená s ďalšími dvoma arénami. Takže keď mravec stretne druhého mravca, a je jedno, akého mravca stretne, dá sa povedať, že nevysielajú žiadne komplikované signály ani správy. Pre mravcov je najdôležitejšie, s akou frekvenciou sa stretávajú s ostatnými mravcami. A všetky tieto interakcie, keď sa vezmú dohromady, vytvárajú sieť. Takže toto je sieť mravcov, ktorých ste práve videli, ako sa pohybujú v priestore, a je to práve táto neustále sa meniaca sieť, ktorá určuje chovanie kolónie, ako napríklad, či sa všetky mravce schovávajú v mravenisku alebo koľko z nich sa vydá von zháňať potravu. Mozog v podstate pracuje na tom istom princípe, ale na mravcoch je skvelé to, že tu môžete vidieť celú sieť v reálnom čase.
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.
Na svete je viac ako 12 000 druhov mracov, sú v každom predstaviteľnom prostredí a menia spôsob spoločnej interakcie podľa rozdielnych nárokov ich životného prostredia. Jednou dôležitou výzvou prostredia, ktorú musí každý systém riešiť, sú náklady na prevádzku -- jednoducho, čo to stojí udržať takýto systém v chode. Ďalšou výzvou životného prostredia sú zdroje, ich vyhľadanie a zber. Prevádzkové náklady v púšti si vysoké, pretože voda je vzácna, a tak musí druh mravcov živiaci sa semenami, ktorý študujem v púšti, míňať vodu, aby získal vodu. Takže mravec, ktorý vonku zháňa potravu a hľadá semená na horúcom slnku, proste stráca vodu odparovaním do vzduchu. Ale kolónia získa svoju stratenú vodu metabolickou premenou tukov v semenách, ktoré konzumujú. Takže v tomto prostredí sa interakcie využívajú na zahájanie zberu potravy. Preto zberač potravy nevyjde z mraveniska, kým nedostane dostatok podnetov od vracajúcich sa zberačov. Tu môžete vidieť vracajúcich sa zberačov, ktorí vchádzajú tunelom do mraveniska a stretávajú sa so zberačmi, ktorí sú na ceste von. Pre kolóniu to dáva zmysel, pretože o čo viac potravy sa vonku nachádza, o to rýchlejšie ju zberači nájdu, o to rýchlejšie sa vrátia späť a o to viac zberačov sa vyberie von. Celý system je pozastavený, až kým nenastane nejaký pozitívny podnet.
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.
Takže interakcie slúžia na aktiváciu zberačov. A my študujeme vývoj celého tohto systému. Po prvé si treba uvedomiť, že sú tu rozdiely. Ukazuje sa, že kolónie sú rozdielne. V suchých dňoch niektoré kolónie zbierajú menej, takže kolónie sa odlišujú v tom, ako spravujú túto výmenu medzi vodou, ktorú minú na získanie semien, a vodou, ktorú získajú späť vo forme semien. A my sa snažíme pochopiť, prečo niektoré kolónie zbierajú potravu menej ako druhé, a to tak, že o týchto mravcoch rozmýšľame ako o neurónoch a používame modely z neurológie. Rovnako ako neurón vyhodnotí svoju stimuláciu od iného neurónu a rozhodne sa, či ju má poslať ďalej, mravec vyhodnotí podnety od druhého mravca a rozhodne sa, či pôjde von zbierať potravu. My sa snažíme zistiť, či by mohli byť medzi kolóniami malé rozdiely v tom, koľko interakcii potrebuje každý mravec, kým sa vyberie von na zber potravy, pretože takáto kolónia by zberala menej.
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.
A to prináša analogickú otázku ohľadom mozgu. Hovoríme o mozgu, ale je samozrejmé, že každý mozog je trochu iný a možno sú niektorí jednotlivci alebo niektoré podmienky, v ktorých sú elektrické vlastnosti neurónov také, že potrebujú viac stimulácie, aby reagovali, a to by viedlo k rozdielom v mozgovej činnosti.
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.
Ak sa teda chceme pýtať evolučné otázky, potrebujeme vedieť o úspešnosti rozmnožovania. Toto je mapa štúdie priestranstva, na ktorom som sledovala túto populáciu kolónií mravcov-zberačov počas 28 rokov, čo je asi priemerná dĺžka života kolónie. Každý symbol reprezentuje jednu kolóniu a veľkosť symbolu určuje, koľko dcérskych kolónií kolónia mala, pretože sme použili genetickú rozmanitosť, aby sme určili vzťah materských a dcérskych kolónií, a teda zistili, ktoré kolónie boli založené dcérskou kráľovnou a z ktorej materskej kolónie táto kráľovná pochádzala. A čo ma po všetkých týchto rokoch naozaj ohromilo, bolo zistenie, že napríklad kolónia 154, ktorú sme dobre poznali už toľko rokov, je vlastne pramatkou. Tu vidíme jej dcérsku kolóniu, tu vidíme vnučky tejto kolónie a toto sú jej pravnučky. Pri tomto výskume som pochopila, že dcérske kolónie sa podobajú na materské kolónie v rozhodovaní o tom, ktoré dni sú tak horúce, že nezberajú potravu. Dcérske kolónie a materské kolónie žijú od seba tak ďaleko, že samotné mravce sa nikdy nestretnú, takže mravce dcérskej kolónie sa to nemôžu učiť od mravcov z materskej kolónie. Takže naším ďalším krokom je hľadať nejakú genetickú rozdielnosť, ktorá vytvára základ tejto podobnosti.
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.
Potom som sa mohla opýtať: ktoré kolónie sú na tom lepšie? Počas celej doby tejto štúdie, a hlavne za posledných 10 rokov, boli obdobia veľkého sucha na území juhozápadu Spojených štátov a ukazuje sa, že kolónie, ktoré šetria vodu tým, zostávajú v mravenisku, keď je vonku naozaj teplo, a teda obetujú maximálny zber potravy, sú práve tie, ktoré budú mať s väčšou pravdepodobnosťou dcérske kolónie. Celý čas som si myslela, že kolónia 154 je na tom zle, pretože počas naozaj horúcich dní zbierali potravu len minimálne, zatiaľ čo ostatné kolónie behali vonku, zbierali, zhromažďovali množstvo potravy, ale pravda je taká, že kolónia 154 je veľmi úspešná. Ona je vládcom. Ona je jedna z mála pra-pramatiek kolónií v danom priestore. Pokiaľ viem, toto bolo prvý krát, čo sme boli schopní sledovať prebiehajúcu evolúciu hromadného správania v prirodzenej populácii zvierat a zistili sme, čo vlastne funguje najlepšie.
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.
Internet používa algoritmus, aby reguloval tok dát, a ten je veľmi podobný algoritmu, ktorý používajú zberači v mravenisku na reguláciu množstva zberačov. Viete, ako voláme tuto analógiu? Prichádza "mravcoweb". (INTERNET - ANTERNET) (Potlesk) Znamená to, že údaje neodchádzajú zo zdrojového počítača bez toho, aby dostali signál, že je voľné dostatočne široké pásmo, aby údaje mohli pretekať. V počiatkoch internetu, keď prevádzkové náklady boli vysoké a bolo naozaj dôležité, aby sa údaje nestrácali, bol systém nastavený tak, aby vzájomné pôsobenie aktivovalo tok údajov. Je zaujímavé, že mravce používajú algoritmus, ktorý je tak podobný algoritmu objavenému len nedávno, toto je však iba jeden z mravčích algoritmov, o ktorých vieme, a pri tom mravce mali 130 miliónov rokov, aby vyvinuli množstvo dobrých algoritmov, a preto myslím, že je veľmi pravdepodobné, že niektoré z ďalších 12000 druhov mravcov budú mať tiež zaujímavé algoritmy pre dátové siete, o ktorých sme ešte ani len nepremýšľali.
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.
Čo sa teda stane, keď sú prevádzkové náklady nízke? Toto sa týka mravcov v trópoch, pretože kvôli veľkej vlhkosti je pre mravcov jednoduché vyrážať na prechádzky mimo mraveniska. Ale mravce v trópoch sú také početné a rozmanité, že dochádza ku konkurenčnému boju. Akýkoľvek zdroj jeden druh používa, iný druh ho bude chcieť používať tiež. Takže v tomto prostredí sa vzájomné interakcie využívajú opačným spôsobom. Takýto systém funguje, kým sa nestane niečo zlé, a jeden z druhov, ktoré študujem, robí okruhy zbierajúcich mravcov v korunách stromov, chodiacich od mraveniska k zdroju potravy a späť, stále dookola, až kým sa nestane niečo negatívne, ako napríklad interakcia s mravcami z iného druhu. Tu vidíme príklad, ako funguje mravčia ochranka. V strede je mravec, ktorý upcháva vchod do mraveniska hlavou ako reakciu na stretnutie s iným mravčím druhom. Sú to tie malé mravce, ktoré pobehujú s bruškami zdvihnutými do vzduchu. Ale hneď ako hrozba pominie, vchod sa opäť otvorí. Možno by sme našli podobné situácie v počítačovej bezpečnosti, kde sú prevádzkové náklady dosť nízke na to, aby sme mohli blokovať prístup len dočasne, ako odpoveď na momentálne nebezpečenstvo, a potom sme ho mohli zase otvoriť namiesto snaženia sa stavať trvalé firewally či pevnosti.
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.
Ďalšia enviromentálna výzva, s ktorou sa musia vysporiadať všetky systémy, sú zdroje, ich objavenie a zber. Aby to mravce dosiahli, riešia problém kolektívneho hľadania, a to je problematika, o ktorú sa práve teraz veľmi zaujíma robotika, pretože chápeme to, že skôr ako posielať jediného dômyselného, drahého robota na prieskum inej planéty alebo na prieskum horiacej budovy by bolo možno efektívnejšie poslať skupinu lacných robotov, ktorí si vymieňajú iba minimum informácii, a to je presne spôsob, ako to robia mravce. Útočný argentínsky mravec vytvára rozšíriteľné siete hľadania. Veľmi dobre zvládajú hlavný problém spoločného hľadania, ktorým je kompromis medzi veľmi dôsledným hľadaním a pokrytím čo najväčšej časti územia. Robia to tak, že keď je veľa mravcov na malom území, tak môže každý z nich hľadať veľmi dôsledne, pretože nablízku bude ďalší mravec, ktorý prehľadá vedľajšie územie, ale keď hľadá len niekoľko mravcov na veľkom území, tak musia rozšíriť svoju plochu hľadania aby preskúmali väčšie územie. Myslím, že používajú interakcie, aby posúdili, koľko ich je v priestore, takže keď sú naozaj prehustení, stretávajú sa častejšie a začnú prehľadávať dôslednejšie. Rozdielne druhy mravcov musia používať rozdielne algoritmy, pretože sa vyvinuli na vysporiadanie sa s rôznymi zdrojmi. Bolo by naozaj užitočné vedieť o tom, a tak sme nedávno požiadali mravce, aby vyriešili problém kolektívneho hľadania v extrémnom prostredí mikrogravitácie na palube Medzinárodnej kozmickej stanice. Keď som prvýkrát videla tento obrázok, pomyslela som si: Ach, nie, namontovali mravčí habitat zvislo, ale potom som pochopila, že je to, samozrejme, jedno. Myšlienka tohto pokusu je v tom, že mravce sa všemocne snažia udržať na stene alebo podlahe alebo to nazvite ako chcete, že je menej pravdepodobné, že budú vzájomne na seba pôsobiť, a teda vzťah medzi tým, ako sú mravce nahusto a ako často sa stretávajú, by bol narušený. Stále ešte analyzujeme údaje. Nemám ešte výsledky. Ale bolo by zaujímavé vedieť, ako tento problém riešia iné druhy v rozdielnych prostrediach na zemi, takže začíname s programom, ktorý podnecuje deti z celého sveta, aby vyskúšali tento experiment s rozdielnymi druhmi. Je to veľmi jednoduché. Dá sa to urobiť s lacnými materiálmi. Týmto spôsobom by sme mohli vytvoriť celosvetovú mapu mravčích algoritmov spoločného hľadania. A myslím, že je dosť pravdepodobné, že útočné druhy, tie, ktoré prichádzajú do našich domov, budú v tomto veľmi dobré, keďže sú vo vašej kuchyni preto, že sú naozaj dobré v hľadaní potravy a vody.
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.
Najznámejší zdroj potravy pre mravce je piknik a treba povedať, že je to rozdrobený zdroj. Ak je tam jeden kúsok ovocia, je pravdepodobné, že neďaleko bude ďalší, a mravce, ktoré sa špecializujú na takéto zdroje, využijú interakcie na zapojenie ďalších mravcov. A tak, keď jeden mravec stretne druhého alebo keď nájde na zemi chemickú stopu vytvorenú na zemi iným mravcom, tak zmení smer, ktorý nasleduje, na smer interakcie, a tak sa vám stane, že zrazu máte zástup mravcov, ktorí sa chcú tiež pohostiť na vašom pikniku.
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.
Toto je miesto, kde si myslím, že by sme mohli byť schopní sa od mravcov naučiť niečo o rakovine. Za prvé si myslím, že by sme mohli veľa urobiť na prevenciu rakoviny, a to tak, že by sme ľudom nedovolili rozširovať alebo predávať toxíny, ktoré podporujú vývoj rakoviny v našom tele, ale v tom nám asi mravce veľmi nepomôžu, pretože oni si svoje kolónie nikdy neotrávia. Ale niečo by sme sa od mravcov mohli naučiť o liečbe rakoviny. Je veľa druhov rakoviny. Každá začína na špecifickom mieste v tele a potom sa niektoré druhy rakoviny rozšíria alebo tvoria metastázy v špecifických tkanivách, kde musia dostávať potrebné živiny. Keď sa nad tým zamyslíte z tohto hľadiska, že metastázové rakovinové bunky, ktoré sa pohybujú telom a hľadajú zdroje, ktoré potrebujú, ak sú tie zdroje zhustené, pravdepodobne použijú interakcie na nábor, a keby sme zistili, ako sa rakovinové bunky zvolávajú, možno by sme mohli nastaviť pasce a pochytať ich, kým sa usadia.
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.
Takže mravce používajú interakcie rozdielnymi spôsobmi, vo veľkom množstve prostredí a my by sme sa z tohto mohli naučiť o iných systémov, ktoré pracujú bez centrálnej kontroly. Používaním iba jednoduchých interakcii mravčie kolónie predvádzajú úžasné skutky už viac ako 130 miliónov rokov. Máme sa od nich veľa čo učiť.
Thank you.
Ďakujem.
(Applause)
(Potlesk)