De ontwikkeling van complexe communicatiesystemen binnen populaties is een centraal thema in de biologie en computationele wetenschappen. Recent onderzoek heeft zich gericht op de manier waarop kunstmatige agenten, gemodelleerd naar bijen, een gedeelde code ontwikkelen om voedselbronnen te lokaliseren. De kern van dit proces ligt in de coördinatie tussen zender en ontvanger; wanneer de gebruikte code verandert, moet deze synchronisatie behouden blijven om een totale ineenstorting van de informatieoverdracht te voorkomen.
In een wetenschappelijke publicatie via arxiv.org wordt toegelicht dat de vorm van communicatie sterk afhankelijk is van de fysieke omgeving, zoals de structuur van een nest. Bij soorten met horizontale raten is het mogelijk om direct in de richting van een voedselbron te wijzen. Bij soorten met verticale raten is dit fysiek onmogelijk, waardoor zij een systeem gebruiken dat refereert aan de zwaartekracht. De ontvanger moet deze informatie vervolgens decoderen in relatie tot de stand van de zon.
Onderzoeker Grzegorz Chrupała heeft deze dynamiek gesimuleerd met populaties van bij-achtige agenten, waarbij de selectie op kolonieniveau plaatsvindt. Uit de modellen blijkt dat het direct aanwijzen van voedselbronnen relatief eenvoudig evolueert wanneer voedsel matig moeilijk vindbaar is via willekeurige zoektochten. Dit effect treedt op bij zowel een klein aantal grote bronnen als bij een groot aantal kleine bronnen. Er zijn echter grenzen aan dit proces: wanneer voedsel te schaars is, worden er geen dansen gestimuleerd, en wanneer voedsel juist overvloedig is, wordt signalering overbodig omdat agenten de bronnen zelfstandig vinden.
Een cruciaal onderdeel van het onderzoek is de transitie naar een code die refereert aan de zwaartekracht, zodanig dat er een extern voordeel ontstaat voor verticale raten. Volgens de wordt deze verschuiving primair gestuurd door de omvang van het voordeel van de verticale structuur en de snelheid waarmee mutaties optreden. Ook de mate waarin mutaties bij de zender en ontvanger gekoppeld zijn, is van belang, zeker bij een lage mutatiesnelheid. Wanneer deze variabelen gunstig samenvallen, blijft de communicatie tijdens de transitie stabiel.
Dit type onderzoek sluit aan bij de bredere biologische definitie van evolutie, waarbij populaties over meerdere generaties erfelijk veranderen. Zoals beschreven door nature.com, verloopt dit proces via mechanismen zoals genetische drift, seksuele selectie en natuurlijke selectie.
Naast deze theoretische benaderingen zijn er computationele simulaties die vergelijkbare principes van genetische algoritmen toepassen. Een voorbeeld hiervan is de simulator itch.io, waarin neurale netwerken worden gebruikt om wezens te laten optimaliseren in fysieke taken zoals springen, klimmen en vliegen. Hoewel dit een sandbox-omgeving is, illustreert het hoe digitale modellen kunnen helpen om de mechanismen van evolutionaire verbetering inzichtelijk te maken.
De synergie tussen multi-agent systemen en theoretische biologie biedt nieuwe perspectieven op sociale coördinatie. De resultaten van het onderzoek naar de bij-agenten tonen aan dat de stabiliteit van een communicatiesysteem tijdens een evolutionaire transitie sterk afhankelijk is van omgevingsfactoren en de snelheid van genetische veranderingen.