Vilket är det bästa sättet för en grupp individer att samarbeta? Detta är en långvarig fråga med rötter i spelteorin, en vetenskapsgren som använder matematiska modeller för hur individer bäst bör lägga strategier för det optimala resultatet.
Ett enkelt exempel är fångens dilemma:Två personer grips för ett påstått bankrån. Polisen tar dem till centrum och placerar dem i enskilda, isolerade förhörsrum.
Polisen erkänner att de inte har tillräckligt med bevis för att döma dem båda, och ger var och en samma alternativ:om han erkänner och hans partner inte gör det kommer de att släppa biktfadern och döma den andre för den allvarliga anklagelsen om bankrån. Men om den ena inte erkänner och den andre gör det, får den första ett långt fängelsestraff och den andre kommer att släppas. Om båda erkänner kommer de båda att bli avstängda i många år. Om ingen av dem erkänner kommer de att ställas inför rätta för en mindre anklagelse för vapeninnehav.
Vad bör var och en göra för att minimera sin tid i fängelse? Är en individ tyst och litar på att hans partner gör detsamma och accepterar ett kortare fängelsestraff? Eller bekänner han och hoppas att den andre håller tyst. Men tänk om den andre också erkänner? Det är en föga avundsvärd position.
Det finns ingen korrekt lösning på fångens dilemma. Andra liknande problem är kycklingspelet, där varje förare tävlar mot den andra, riskerar en frontalkrock eller svänger undan i sista minuten och riskerar förnedring – att bli kallad "kyckling" i brist på mod. Det finns många andra enkla spel.
Föreställ dig nu en grupp – de kan vara människor, eller så kan de vara cellulära organismer av något slag. Vilken typ av samarbete ger det optimala resultatet, när varje individ är kopplad till någon annan och betalar en kostnad (pengar, energi, tid) för att skapa ett resultat som gynnar alla? Det är givet att individer är själviska och agerar i sitt eget bästa, men vi vet också att samarbete kan resultera i ett bättre resultat för alla. Kommer någon att ta risken eller bara se upp för sig själva?
Ett långvarigt resultat är att, i ett homogent nätverk där alla individer har samma antal grannar, gynnas samarbete om förhållandet mellan den nytta som en samarbetspartner ger och deras tillhörande kostnad som betalas överstiger det genomsnittliga antalet grannar.
Men människor är inte homogena, de är heterogena, och de har vanligtvis inte samma antal länkar till grannar som alla andra eller ändrar sin strategi i samma takt.
Det är också känt att att tillåta varje individ att uppdatera sin strategi på exakt samma gång, till exempel att omedelbart härma sin granne, förändrar samarbetets utveckling avsevärt. Tidigare undersökningar har rapporterat att genomgripande heterogena individuella kopplingar hindrar samarbete när det antas att individer uppdaterar sina strategier i samma takt.
Nu har en grupp forskare i Kina, Kanada och USA hittat ett överraskande resultat:när individers strategiuppdateringshastigheter varierar omvänt med deras antal kopplingar, överträffar heterogena kopplingar homogena när det gäller att främja samarbete. Studien är publicerad i tidskriften Nature Communications .
"Hur man analyserar den kvantitativa effekten av de rådande heterogena nätverksstrukturerna på uppkomsten av gruppoptimala strategier är en långvarig öppen fråga som har väckt stor uppmärksamhet", säger Aming Li, medförfattare och biträdande professor i dynamik och kontroll vid Peking University.
Lis team löste problemet genom analytiska beräkningar uppbackade av datorsimuleringar, för att hitta den grundläggande regeln för att upprätthålla kollektivt samarbete:"Noderna med betydande kopplingar inom det komplexa systemet bör uppdatera sina strategier sällan", säger han. Det vill säga, individuella strategiuppdateringshastigheter bör variera omvänt med antalet anslutningar de har i nätverket. På så sätt överträffar ett nätverk med heterogena kopplingar mellan individer ett nätverk med homogena kopplingar när det gäller att främja samarbete.
Teamet har också utvecklat en algoritm som mest effektivt hittar de optimala strategiuppdateringshastigheterna som åstadkommer gruppens optimala strategier, som de kallar OptUpRat. Denna algoritm hjälper kollektiv nytta i grupper och, säger Li, "är också väsentlig för att utveckla robotsystem för samverkan." Upptäckten kommer att vara användbar för forskare inom multidisciplinära områden som cybernetik, artificiell intelligens, systemvetenskap, spelteori och nätverksvetenskap.
"Vi tror att användningen av AI-relaterade tekniker för att optimera individuella beslut och driva kollektiv intelligens kommer att bli nästa forskningshotspot."
