马塞诸斯州大学波士顿

一个人如何理解一个复杂的系统？

传统上，科学家们把这样一个系统拆开，详细地研究它的每一个组成部分——这是还原论的方法。然而，我们正在认识到，许多自然现象，特别是生物学现象，不仅仅是各部分的总和。例如，不可能通过研究单个神经元来理解意识，也不可能通过研究一只鸟来理解迁徙的加拿大鹅的V形。我们称这些系统为复杂系统，令人着迷的涌现特性（如意识或群体结构）通常产生于各个组成部分之间的大量相互作用。为了理解这些涌现的特性，我们需要研究这些系统的复杂特性。

我们实验室对群居动物如何共同决策特别感兴趣。从萨文希尔湾（Savin Hill Cove）游泳的mummichog鱼群，到校园中心外寻找食物的蚂蚁小径，再到头顶飞过的鹅，这样的集体决策在马萨诸塞大学波士顿校区比比皆是。达成共识对于保持群居的简单目的很重要，但也有一个更有趣的可能性：群体中的动物可能比单独做出更好的决定。这是因为每个人都有自己的感官信息和过去的经验，所以从理论上讲，一个集体可以将信息汇集在一起，做出更明智的决定，这种现象被称为“群体智慧”。

一只棕熊正准备在我们的野外捕猎一群红鲑鱼。这只熊和每条鲑鱼都被标记上了一个彩色的点，这与动物的运动速度相对应，这是深度学习自动跟踪算法的结果。图片来源：Albert Kao和Ben Koger

我们用三种方式研究马萨诸塞大学波士顿分校的集体决策。首先，我们建立数学模型来解释我们认为群居动物是如何做决定的，并运行计算机模拟来预测真实的动物群体在不同情况下可能会做什么。然后，我们在实验室测试这些理论预测。目前，我们一直专注于一种小鱼，金光鱼，我们在校园里养了成千上万条。我们的实验室——包括几名马萨诸塞大学波士顿分校的本科生——已经建立了一个定制的实验装置来研究这些鱼，这使我们能够在特定的时间刺激鱼，用头顶的摄像机记录它们的行为，并使用最先进的深度学习跟踪算法跟踪它们的运动。最后，我们通过记录阿拉斯加红鲑鱼的迁徙行为来研究野外的集体决策，这些红鲑鱼一起从海洋迁徙数百英里回到它们多年前出生的同一个池塘。总之，这些不同的方法（模型、实验室实验和实地观察）帮助我们描绘了一幅动物群体如何共同做出决定的画面。

集体决策与生命之树上的无数物种有关，从大象群到鲱鱼群，甚至是微小的细菌群。然而，它也与我们人类高度相关。我们通过社交媒体与当地社区甚至全球交流信息和意见，当我们投票或公众舆论围绕一个想法合并时，我们做出集体决定。事实上，通过学习动物群体如何做出决定——使用经过数百万年进化磨练的策略——我们可能会获得关于如何改进我们自己的信息共享系统的新想法。

在我们位于麻省大学波士顿分校综合科学中心的实验室里，一群金光闪闪的鱼从它们的庇护所里出来，探索实验舞台。图片来源：Fritz Francisco和Shoubhik Banerjee