Электроны, свистящие вокруг друг друга, и люди, собравшиеся вместе на политическом митинге, похоже, не имеют много общего, но исследователи из Корнелла связывают точки.
Они разработали высокоточный математический подход к предсказанию поведения толп живых существ, используя методы, удостоенные Нобелевской премии, первоначально разработанные для изучения больших коллекций квантово-механически взаимодействующих электронов. По словам исследователей, последствия для изучения человеческого поведения глубоки.
Например, используя общедоступные видеоданные о скоплении людей в общественных местах, их подход может предсказать, как люди будут распределяться в условиях экстремального скопления людей. Измеряя колебания плотности с помощью приложения для смартфона, этот подход может описывать текущее поведенческое состояние или настроение толпы, обеспечивая систему раннего предупреждения для толпы, склоняющейся к опасному поведению.
Томас Ариас, профессор физики, является ведущим автором «Теории плотности и функциональных колебаний толпы», опубликованной 30 августа в Nature Communications. Среди соавторов профессор физики Итай Коэн; и Юнус А. Кинхабвала, докторант в области инженерии.
Взаимодействия между людьми в толпе могут быть сложными и трудными для математической оценки; большое количество актеров в толпе приводит к сложной математической задаче. Исследователи стремились предсказать поведение толпы, используя простые измерения плотности, чтобы сделать вывод об основных взаимодействиях и использовать эти взаимодействия для предсказания нового поведения.
Для достижения этого они применили математические концепции и подходы из теории функционала плотности (DFT), раздела физики многих тел, разработанного для квантово-механических систем, к поведению толпы.
«Это один из слишком редких случаев - особенно когда речь идет о живых системах - когда теория предшествовала экспериментам, и эксперименты, в точных математических деталях, полностью подтвердили теорию», - сказал Ариас.
Чтобы проверить свою теорию, исследователи создали модельную систему, используя ходячих плодовых мушек (Drosophila melanogaster). Сначала они продемонстрировали математический способ извлечения функций, которые количественно определяют, насколько мухам нравятся разные места в их среде - функция «досады» - и насколько они не против скучиться вместе - функция «разочарования», основанная на деталях того, как плотность популяции меняйтесь по мере того, как летает больше вокруг.
Затем они показали, что, смешивая и сопоставляя эту информацию с наблюдениями за одной мухой в совершенно новой среде, они могут точно предсказать еще до каких-либо наблюдений, как большое скопление мух будет распределяться в этой новой среде. Они также отслеживали изменения в общем поведении толпы, то есть в ее «настроении», отслеживая эволюцию функции «разочарования» социальных предпочтений.
В то время как плодовые мушки были «удобной и этичной первой тестовой системой», сказал Ариас, поведение толпы на политическом митинге могло бы служить человеческим примером теории DFT. Люди будут пытаться найти лучшее место для стояния - как правило, ближайшее к сцене - избегая при этом переполненных мест. Когда станут доступны новые и лучшие места, люди, скорее всего, переедут к ним.
Чтобы разработать математически предсказательную теорию, исследователи связали число - функцию раздражения - с внутренней желательностью каждого местоположения; самое низкое значение будет в идеальном месте, ближе всего к сцене. Функция фрустрации объясняет нежелательность эффектов скопления людей, а правило поведения объясняет склонность людей искать лучшие места.
«Замечательное математическое открытие, - сказал Ариас, - заключается в том, что точные значения досады и разочарования могут быть получены мгновенно и автоматически, просто путем наблюдения за изменениями в скученности, когда толпа суетится, без необходимости в каком-либо виде. опрос, чтобы спросить людей в толпе, как они относятся к разным местам или к скоплению людей."
Изменяя социальные обстоятельства в своих экспериментах с мухами - например, изменяя соотношение самцов и самок или вызывая голод и жажду - и отслеживая уровень фрустрации толпы, исследователи показали, что они могут обнаруживать изменения в « настроение» толпы. Таким образом, подход DFT не только предсказывает поведение толпы в новых обстоятельствах, но также может использоваться для быстрого и автоматического обнаружения изменений в социальном поведении.
Другое приложение, использующее мобильные телефоны и данные переписи населения, могло бы анализировать политические или экономические факторы и давление населения, чтобы описывать и прогнозировать крупномасштабные потоки населения, такие как массовые миграции.«Полученные в результате прогнозы миграции во время чрезвычайных ситуаций позволят лучше планировать все уровни государственных чиновников, от местных муниципалитетов до международных организаций, с потенциалом спасения миллионов человеческих жизней», - отмечают исследователи.
Среди других участников были Х. Фелипе Мендес-Вальдеррама, профессор физики Университета Лос-Андес, Богота, Колумбия; и Джеффри Сильвер, старший аналитик Metron Inc.