Att bin röstar och demokratiska känns som ett tilltalande koncept men som indikerat kan man ju se det som på ett annat sätt: ungefär som insikter i människans arbetsminne istället för demokratiska val.
Är man ännu mer road av att förenkla saker utan att vara särskilt noggrann kan man ju vara road av att då plocka en relation man använt tidigare för arbetsminne och upplevt ha värde. Där har jag denna jag skrev i GNU Octave där vi kan se formeln som en primitiv för belöningsstyrd inlärning vi kan anpassa för att modulera mycket.
Den skiljer sig alla föreslagna jag lyckades hitta idag (och den första källan jag såg den i varifrån jag kan ha ändrat den något hittade jag inte) men klarar nog av att visa mycket dom klarar - om inte allt - för de kontext som är aktuella (den är väldigt begränsad i vad den är aktuell för).
function [ P ] = learning (n,a,z)
P = ones (1, n);
P(1) = z;
for i=2:n
P(i) = 1 - (1 - P(1)) * (1 - a)^(i-1);
endfor
endfunction
Parametern n indikerar antalet försök vi gör (ett dumt försök inkluderat), a är den parameter vi använder för att konfigurera känsligheten och vi kan t.ex. tänka oss i människans hjärna kunna översätta den via en annan funktion till densitet för t.ex. D2-receptorer (jag vet dock inte säkert att det går med denna relation).
Vad vi får ut är vad vi kan med lite flexibilitet se som sannolikheten att vi klarat något vi övat oss i men den användningen även om den troligen inte är ovanlig är skakig.
Bättre ser vi den som i dessa situationer att vi har ett tröskelvärde där något vi sett tillräckligt många gånger ha värde gör att vi accepterar det och inför en optimerad organisation för att följa det därefter som övertygelse. Tänk ett tröskelvärde satt på den som när vi överstiger innebär insikt respektive för bina att en kandidat man tror är det nya hemmet hittats efter ett givet antal försök där vi här översätter det till dagar.
För svärmande bin motsvarar det att man beslutat sig för en boplats. Låt oss nu givet att de skickar ut 20 - 40 spejare skatta våra parametrar där vi också ser spejarna som motsvarande grupper (vilket bin också är givet deras egna biologiska neurala nätverk och därav att relationen håller därför detta är belöningsdrivet för respektive spejare) av organiserade neuroner i prefrontala cortex d.v.s. vad jag klumpar samman som arbetsminne.
Spejare sägs lägga ungefär 40 minuter på att undersöka en boplats. Hur snabbt de flyger mellan är svårt för mig att bedöma exakt men jag har sett dem söka blommor automatiskt där falska kandidater för honung kastas bort snabbt. Här antog för enkelheten att det tillsammans kostar ungefär en timme per möjlig kandidat sett för gruppen spejare totalt.
För en spejare som lämnar svärmen för att söka en kandidat är sannolikheten att denne kommer hitta en boplats exakt 1/(antal spejare) därför vi har ingen annan kännedom d.v.s. det är P(1).
Vår faktor för att ställa in effektiviteten för spejarna d.v.s. motsvarande t.ex. om onormalt få boplatser finns i närheten eller för människor kanske densitet av D2-receptorer motsvarar vad de hinner med per dag vilket blir ungefär 1/10 om vi antar att de är aktiva tio timmar (givet att de är erfarna bin tror vi att det finns en boplats att hitta utan att någon övernattning krävs).
På en dag hinner de också med tio försök.
Bina sägs sitta upp till några dagar på grenen så låt oss plotta kurvan för 20 respektive 40 spejare där samma plats är antagen (annars får vi justera antaganden om tid något där man kan gissa att faktiskt skillnad i vad man skickar ut speglar sådana behov).
P = learning(50,0.1,1/20)
P = learning(50,0.1,1/50)
Vi ser att de i båda fallen är i princip klara i tid. Andra bin som under i efterhand är här vad som saknar betydelse givet att alltid fler bin finns att skicka om de försvinner på vägen och att avståndet inte är långt.
Vidare ser vi att ingen skillnad egentligen finns i inlärning och av vad jag såg när jag sökte runt så stannar de också ungefär samma tid. Det är också de mest erfarna arbetsbina de skickar och vi kan anta att uppgiften i mycket ligger i att kontrollera platsen och att redundans liksom efterkontroll är viktigt - spejaren kan ha en sjukdom som ger felbedömning där sannolikheten för det är mycket låg givet att han klarade att flyga hela vägen tillbaka men hela kolonins överlevnad ligger i potten så bina tar inga risker - där skillnaden i antal mest handlar om situationer där avstånden till potentiella kandidater skiljer sig mer.
Att skicka fler bin är ju bara energislöseri där ju redan en stor del av kolonin lämnats till den nya drottningen.
Det är inte en elegant eller särskilt kontrollerad lösning men relationen vi uttrycker är trevlig just för att den går ofta att passa in på mycket som kan jämföras med belöningsstyrd inlärning. Man får se det som att intelligensen snarare ligger i parametern fast i en hel del fel - alla jag tittat på för arbetsminne i människa från enklare tester utanför hjärnan - är den ytterst trivial och varför skulle det vara annorlunda från mätbara faktorer innanför? Rimligen motsvarar det densiteten för dopamin-receptorer.
Så är bina demokratiska? Uppenbart är dom det. Men orsaken tror jag egentligen mer är att det skulle kosta enorm energi att utse vissa bin som att reagera och väga informationen för att gynna vinnaren istället för att alla gör det. Det är ju vad som kräver en till sorts bi.
