تحقيقات انجام شده در دانشگاه آريزونا نشان مي‌دهد مورچه‌ها مي‌توانند عملي را عقلاني‌تر از انسان‌ها انجام دهند.
اين به آن معنا نيست كه مورچه‌ها عاقل‌‌تر از انسان‌ها هستند. انسان‌ها و حيوانات زماني كه در شرايط سخت و چالش‌برانگيز قرار مي‌گيرند، ممكن است انتخاب‌هاي نادرست و نامعقولي انجام دهند.
اين پارادوكس در مورچه‌ها در نتيجه جبري آشكار صورت مي‌گيرد، چراكه هر مورچه به تنهايي شناختي از يك انتخاب دارد و انتخاب انجام شده از سوي مجموعه‌اي كولوني به صورت خود سازمان يافته و در نتيجه تعامل بين تعداد زيادي مورچه با آگاهي محدود صورت مي‌گيرد.
پژوهشگران با آزمايش فرآيند انتخاب لانه در مورچه‌اي به نام Temnodorax Curvispinosus به اين نتايج دست يافته‌اند.
اين مورچه‌ها در حفره‌هاي كوچكي به اندازه يك بلوط زندگي مي‌كنند و مهارت زيادي در يافتن مكان‌هاي جديد براي بيتوته كردن دارند. هنگامي كه 2 مكان براي انتخاب با مزاياي بسيار نزديك به هم پيدا كردند، كولوني به بحث مي‌نشيند و بهترين را انتخاب مي‌كند.
آنچه محققان در اين تصميم‌گيري جمعي يافته‌اند، اين است كه نبود انتخاب‌هاي فردي در نهايت به نتيجه‌اي دقيق‌تر منجر مي‌شود و امكان تصميم‌گيري اشتباه فردي را به حداقل مي‌رساند و اين يعني «استفاده ازخرد جمعي در مورچه‌ها.»
اساسا ما انسان‌ها فكر مي‌كنيم كه داشتن امكان انتخاب‌هاي فردي، استراتژي‌ها و روش‌هاي متفاوت هميشه سودمند است. اما زماني كه وي بين گزينه‌هاي مختلف به مقايسه مستقيم مي‌پردازد، احتمال وجود يك تصميم غيرمنطقي و نامعقول افزايش مي‌يابد.
مطالعه اين‌كه چرا و چگونه تصميم نامعقولي رخ مي‌دهد، مي‌تواند نگرشي جديد درباره مكانيسم‌هاي شناختي و محدوديت‌ها به ما دهد و راهنماي مناسبي در توسعه و پيشرفت هوش مصنوعي باشد.
يكي از ايده‌هاي مهم در علوم رباتيك اين است كه هر ربات به تنهايي ماشين ساده‌اي است اما مي‌توان از آن و در سايه به كارگيري گروهي به نتايج هوشمندانه و پيچيده‌اي برسيم.
توانايي كار با سيستم‌هاي مصنوعي بدون اعمال كنترل مركزي پيچيده، مورد نظر بسياري از كارشناسان اين رشته است و اين ايده كه محدوديت در سطوح فردي مي‌تواند بالقوه در سطوح گروهي و تيمي مفيد و قابل استفاده باشد.
محققان معتقدند؛ وجود محدوديت‌هاي استراتژيك در آگاهي‌هاي فردي مي‌تواند باعث افزايش كارآيي يك گروه پيچيده و بزرگ كه سعي در انجام دادن برخي كارها به صورت جمعي هستند شود.
منبع: PHYSORG