211service.com
Computer Vision enthüllt das bemerkenswerte Geheimnis der Beflockung
Beobachten Sie einige Minuten lang einen Schwarm Stare und es ist leicht, sein bemerkenswertes Verhalten zu erkennen. Die Vögel scheinen sich synchron zu bewegen, obwohl sie durch die Breite des Schwarms selbst voneinander getrennt werden können. Irgendwie muss die Bewegung von Vögeln auf gegenüberliegenden Seiten des Schwarms korreliert werden, obwohl sie nur vernünftig mit ihren nächsten Nachbarn kommunizieren können.
Wie dies geschieht, ist Gegenstand großer Faszination. Eine Möglichkeit, dieses Problem anzugehen, besteht darin, das Beflockungsverhalten am Computer zu simulieren, die Simulation mit dem tatsächlichen Beflockungsverhalten zu vergleichen und damit zu erklären.
Dies hat sicherlich zu einigen interessanten Erkenntnissen geführt, leidet jedoch unter einem ernsthaften Mangel an detaillierten Messungen des echten Vogelverhaltens in großen Herden. Das hat sich vor kurzem mit dem Aufkommen fortschrittlicher Computer-Vision-Techniken geändert, die die Position und Geschwindigkeit einer großen Anzahl sich bewegender Objekte in einem einzigen Bild messen können.
Heute verwenden William Bialek von der Princeton University und ein paar Freunde diese neu gewonnenen Daten, um das einfachste theoretische Modell zu erstellen, das das tatsächliche Verhalten echter Herden reproduzieren kann.
Ihr Modell liefert eine bemerkenswerte Erkenntnis. Sie sagen, dass Starenschwärme in einem ganz besonderen physikalischen Zustand funktionieren, der es erlaubt, Korrelationen zwischen einzelnen Vögeln mehr oder weniger unendlich zu erweitern, in diesem Fall über die gesamte Breite des Schwarms.
Bialek und Co. beginnen mit der Analyse der Position und Geschwindigkeit von 122 bis 4268 Staren in 21 verschiedenen Herdenereignissen. Anhand dieser Daten erarbeiten sie die Korrelationen zwischen der Bewegung einzelner Vögel im Schwarm und der Varianz ihrer Geschwindigkeiten gegenüber dem Durchschnitt.
Diese Messungen zeigen, dass das Verhalten der Vögel außerordentlich fein abgestimmt ist. Einzelne Vögel fliegen mit einer Geschwindigkeit, die denen ihrer Nachbarn sehr ähnlich ist. Mit anderen Worten, sie entsprechen sowohl der Geschwindigkeit als auch der Richtung von Vögeln, die in der Nähe fliegen.
Dies wirft eine interessante Frage auf. Das Verhalten jedes Vogels ist mit seinen nächsten Nachbarn korreliert, aber unter normalen Bedingungen sollte diese Korrelation über eine charakteristische Entfernungsskala abklingen, normalerweise nicht viel weiter als die Entfernung zwischen den Vögeln selbst.
Durch diese Denkweise können also nur benachbarte Vögel synchronisiert werden, wodurch kleine unabhängige Gruppen gebildet werden.
Wie kann dann die gesamte Herde synchronisiert werden? Hier kommt ein wenig Physik zum Einsatz. Physiker sind seit langem von Phasenänderungen in Systemen bekannt, bei denen eine kleine Änderung eines Parameters zu einer großen Änderung der Masseneigenschaften des Systems führen kann.
Ein berühmtes Beispiel ist ein Magnet, bei dem eine kleine Temperaturänderung dazu führt, dass sich die Spins in einem Magneten plötzlich ausrichten. Unterhalb dieser Temperatur verhält sich das Schüttgut wie ein Magnet, unterhalb dieser Temperatur ist das Material kein Magnet.
Der wichtige Punkt ist jedoch, dass bei dieser Änderung Spins, die durch große Entfernungen getrennt sind, korreliert werden. Tatsächlich wird die Korrelationsskala unendlich groß.
Der Punkt, an dem dies in einem System auftritt, wird als kritischer Punkt bezeichnet. Was bei der Beflockung klar erscheint, ist, dass auch sie nur an einem kritischen Punkt auftreten kann, an dem sich die Korrelationsskala über die gesamte Herde erstreckt. Dabei verhalten sich alle kleinen Gruppen benachbarter Vögel wie eine Einheit, wodurch das charakteristische Schwarmverhalten entsteht.
Dieses kritische Verhalten fällt natürlich aus dem Modell heraus, das Bialek und Co erstellt haben und das sie mit großer Klarheit als ein System von Federn beschreiben, das jeden Vogel mit seinen nächsten Nachbarn verbindet und das so eingestellt werden kann, dass es seinen Einfluss verändert auf einander.
Auf den ersten Blick erscheint es bemerkenswert, dass das komplexe Verhalten einer so großen Zahl einzelner Organismen so fein ausbalanciert werden kann, um an einem kritischen Punkt zu agieren.
Biologisch können Vögel ihre Geschwindigkeit entweder aus individuellen Gründen variieren oder um ihren Nachbarn zu folgen, parallel zu den im Modell erfassten konkurrierenden Kräften. Der kritische Punkt in dieser Sprache ist der Ort, an dem gesellschaftliche Kräfte die individuellen Vorlieben überwältigen, sagen Bialek und Co.
Das impliziert jedoch, dass das Sozialverhalten von Vögeln etwas Besonderes ist, das zu diesem kritischen Punkt führt. Wie Vögel die sozialen Interaktionen bewältigen, ist nicht klar, aber sie bieten sicherlich einen großen Vorteil. Wenn eine Herde abseits des kritischen Punktes operiert, kann ein Vogel am Rand der Herde seine nächsten Nachbarn nur beeinflussen, wenn sich ein Raubtier nähert.
Aber das ändert sich, wenn die Herde am kritischen Punkt arbeitet. In diesem Fall kann ein Individuum, das ein Raubtier entdeckt, das Verhalten der gesamten Herde beeinflussen. Tatsächlich gibt es viele Beweise dafür, dass Herden bemerkenswert immun gegen Raubtierangriffe sind. Wir wissen, dass Angriffe von Raubtieren auf eine Herde sehr geringe Erfolgsraten haben, sagen Bialek und Co.
Das ist ein faszinierender Einblick in die komplexe Physik hinter einem bemerkenswerten und schönen biologischen Phänomen. Es kann auch Aufschluss darüber geben, wie künstliche Systeme Kritikalität ausnutzen können. Es ist nicht schwer vorstellbar, wie dieses Verhalten nützlich sein könnte, um Roboterschwärme zu kontrollieren oder sogar Informationen über Netzwerke zu leiten.
Ref: arxiv.org/abs/1307.5563 : Soziale Interaktionen dominieren die Geschwindigkeitskontrolle, wenn natürliche Herden in Richtung Kritik getrieben werden