群知能は、中央集権的な制御を持たない多数の単純な相互作用エージェントが、どのようにして協調的で知的な振る舞いを生み出すかを説明する概念である。自然界では、アリ、ミツバチ、鳥、魚などに見られるこのような集団的問題解決は、局所的な相互作用、フィードバックループ、そして時には環境を介した間接的な通信によって生じる。こうした考え方は計算機科学や工学にも取り入れられ、堅牢で拡張性が高く、適応的なアルゴリズムやマルチエージェント・システムの設計に役立てられている。入門的な参考資料として、概要を参照。

主な特徴

群知能に着想を得たシステムは、一般に次のような性質を示す。

  • 分散性: ひとつのエージェントが集団全体を指揮するのではなく、制御は分散している。
  • 単純なエージェント: 各個体は基本的な規則に従い、感知能力や記憶は限られている。
  • 局所的相互作用: 振る舞いは、近隣個体同士のやり取りや、環境を介した交換（スティグマジー）から生まれる。
  • 創発: 多数の局所的な行動から、複雑な全体パターンが形成される。

代表的なアルゴリズムとモデル

よく知られた手法の中には、生物の群れを明確に模したものがある。アントコロニー最適化（ACO）は、アリがフェロモンの道標を残し、それをたどって効率的な経路を見つける様子をモデル化する。粒子群最適化（PSO）は、群れのような探索を再現し、候補解が個人の経験と集団の経験の両方に基づいて調整される。他にも、ミツバチに着想を得た採餌アルゴリズムや、セル・オートマトンに基づくシステムがある。研究者は、学習リソースやソフトウェア集を通じて、こうした手法やコードを調べることができる。

応用と例

群ベースの手法は、組合せ最適化（経路設定、スケジューリング）、分散ロボティクス（単純なロボット群による協調作業）、センサーネットワーク、画像処理、適応制御などに応用されている。強みは、故障耐性、並列性、そして変化する環境への柔軟性にある。実用例は、シミュレーション実験から、領域カバーや物体搬送を行う実機のロボット群まで幅広い。さらに詳しい事例は、ケーススタディを参照。

歴史と主な区別

「群知能」という用語は、研究者が生物学と制御理論の考え方を体系化した20世紀後半に広まった。マルチエージェント・システムや創発現象の研究と重なる部分がある一方で、単純なエージェントの集団と、スティグマジーのような生物模倣メカニズムを特に重視する点に特徴がある。より広い背景や学術的な参考文献については、追加文献を参照。