Forskare har upptäckt en möjlig drivkraft bakom några av naturens vackraste skärmar som banar väg för mer komplex och autonom AI.

Forskare ville replikera de grundläggande mekanismerna bakom några av de högst organiserade mönstren som setts i djurriket, till exempel enorma virvlande starlingkvällar och enorma vridande sillstim.

Grupper som dessa, som i många fall består av hundratusentals enskilda djur, verkar röra sig som tvingad av en kollektiv intelligens, sade huvudförfattaren Dr Marco Mazza, lektor i tillämpad matematik, vid Loughborough University.

Men i verkligheten, kan bero på grundläggande överlevnadsinstinkter.

"Naturens skönhet har inspirerat konstnärer, filosofer, och forskare så länge vi kan minnas, sa Dr. Mazza.

"Den till synes enkla harmonin i flyttfåglarnas kollektiva rörelse, eller skolfisk trotsar förklaringar.

"Vårt mål var att få en minimal modell för allmänna egenskaper hos självorganisation i det naturliga, eller djur, värld.

"Principen" maximera dina alternativ " - en enkel, nästan trivial ambition - producerar komplexa organisationsmönster, kallas Goldstone -läget, ett koncept som är välkänt för fysiker som arbetar med livlös materia.

"Detta Goldstone -läge är, i enkla termer, hur en gigantisk flock starar plötsligt kan ändra riktning kollektivt som om det fanns en central hjärna.

"Men i verkligheten, det finns ingen kärnintelligens som driver beteendet. "

Dr Mazza och hans medförfattare, Hannes Hornischer och professor Stephan Herminghaus, skapa enkla datasimuleringar av grupper av partiklar - efterlikna dem som finns i den naturliga världen.

De avslöjade att komplexa mönster, och synkroniserade gruppbeteenden, skapades av varje individ i gruppen som på ett enkelt sätt svarade på små influenser från sina närmaste grannar.

I modellen, varje agent (individ) fick ett mål - att maximera de framtida möjligheter som finns tillgängliga för sig själva.

Den resulterande krusningen av information formade gruppens rörelse och uppenbara 'beteende'.

När gruppen omorganiserades till mer komplexa formationer, enligt ny information, det omprövade sig själv.

Det fortsatte att samla in och utbyta information, och sedan omorganisera, tills målet att maximera utrymmet runt varje partikel uppnåddes.

Denna process, inte observerats tidigare, kan vara det som driver det kollektiva beteendet hos stora grupper av djur, fisk och till och med människor.

I naturen, detta enda målfokus - till exempel att försvara sig mot rovdjur - finns i nästan alla varelser.

Att lära sig mer om hur levande organismer bearbetar och reagerar på sin miljö kan bidra till att förbättra artificiell intelligens genom att ge AI -system grundläggande kognitiva färdigheter, gör dem mindre beroende av mänskligt ingripande.

Dr Mazza sa:"Det nuvarande paradigmet för AI är för mycket beroende av stora mängder data - stora neurala nätverk, till exempel, är giriga efter träningsdata.

"En sådan strategi kan redan visa vissa begränsningar. När man står inför en ny situation, nuvarande AI -metoder kräver omskolning och specifika mänskliga ingrepp som kostar tid och pengar.

"Ett lovande sätt att förbättra det är att utveckla metoder som kan bearbeta ny information precis som organismer med hjärnor gör.

"Det första steget skulle då vara att identifiera sätt att bearbeta information som är öppen för nya insatser och enkelt kan anpassas.

"Tillvägagångssättet i denna publikation har denna potential eftersom det är inspirerat av organismer som har anpassat sig för att bearbeta och lösa nya utmaningar under miljontals år av deras utveckling."