蜜蜂是如何让互联网运转的

计算机工程师研究如何优化复杂系统的数学。举个例子，他们面临一个物流挑战，称为“旅行推销员问题”:一个假设的推销员如何在最短的距离内访问他们路线上的每一个城市?

为回答这类问题而开发的算法在许多情况下都是有用的，比如减少运输车队的成本和污染。但当工程师们试图优化互联网上的流量时，他们发现自己的方法有缺陷。需求会迅速上升和下降——例如，一场即将到来的飓风会使气象网站的流量增加，或者一个运动队在一场重要比赛时的浏览量达到峰值——因此，资源不能系统地分配，而必须不断地重组，以应对不断变化的情况。

蜜蜂不学习数学，但进化的需求会奖励那些成功优化资源的蜂群。幸运的是，在蜜蜂如何运作互联网的奇怪故事中。科学家们很聪明，知道蜜蜂比他们懂得多。

系统工程师能否为蜜蜂提供咨询服务?

这一切都始于系统工程师John Hagood Vande Vate在美国国家公共电台(NPR)上听到了一个关于蜜蜂的故事。康奈尔大学的蜜蜂研究员Tom Seeley描述了采蜜归来的蜜蜂是如何通过找到一只蜂房蜜蜂将花蜜储存起来所需的时间来猜测是否有充足的收成的。如果蜂房蜜蜂稀少，觅食的蜜蜂会通过在最容易的地方挑食来保存它们的能量。

但如果蜜蜂需要更多的花蜜，一只成功找到的蜜蜂甘露的好来源将表演一段生动的“摇摆舞”，让其他人跟随他们的宝藏。在那天的午餐中，这位系统工程师与他的同事约翰·j·巴托尔迪三世和克雷格·a·托维亚特分享了这个故事佐治亚理工学院他们一起想知道是否可以利用他们的知识让蜜蜂更成功。要是蜜蜂能雇用他们就好了!

一场合作就此诞生。佐治亚理工学院的系统工程师利用用于支持没有可预见应用的基础研究的资金，与康奈尔大学的蜜蜂研究人员合作，他们提出了一个数学模型，描述了蜜蜂如何在资源中分配自己——花朵的斑块会根据一天中的时间、天气和季节而变化。

然而奇怪的是，描述蜜蜂觅食的模型并不是“最优”的——这个术语在系统工程的上下文中有非常明确的定义。但进一步的研究表明，蜜蜂的模式可以在各种条件下高效采集花蜜。

佐治亚理工学院的团队意识到他们发现了一些东西:蜜蜂算法“可以击败传统的数学解。科学家们还需要几年时间才能证明，在条件高度变化的情况下，蜜蜂的行为实际上比优化算法更有利可图。

“蜜蜂算法”适用于互联网

在这一点上，研究陷入了死胡同。试图将蜜蜂算法应用于各种情况，如解释蚁群如何组织或优化高速公路交通，都不太合适。

一次偶然的会面改变了这一切。一天，Sunil Nakrani走进Tovey的办公室，想找他指导一个与网络托管和可变网络流量有关的系统工程问题。Nakrani并不知道Tovey对蜜蜂的研究，但Tovey很快发现，Nakrani描述的问题“就像蜜蜂觅食者分配问题一样!”

事实证明，共享网络托管服务器一次只能运行一个应用程序(出于安全原因)，每次服务器切换应用程序，时间(和金钱)都在损失。最好的服务器分配算法必须分配资源以优化利润，即使流量(=收入)的来源可能变得高度不可预测。

当Nakrani为他的论文辩护时，他的论文是关于一种算法，在该算法中，服务器通过自己的“摇摆舞”来交流它们与一个有利可图的客户有关。令他惊讶的是，他面对的不是关于他的方法和结论的问题，而是小组成员的问题:“你申请了这个专利吗?”

为生物模仿和基础科学研究辩护

在今年在德克萨斯州奥斯汀举行的美国科学促进会年会上，托维希望用他“对自然解决方案的敬畏和喜爱”来激励其他人，因为他分享了好奇心是如何导致从蜜蜂那里学习如何使价值500亿美元且不断增长的网络托管行业运转起来的故事。

托维的故事为科学家们需要资金来追随疯狂的直觉或研究疯狂的概念辩护，即使这些知识在当时似乎没什么用处。它为生物模拟提供了一个强有力的例子——有时我们可以通过观察大自然解决问题的方式学到更多，而不是通过我们自己用人类的逻辑来解决问题。

因为在最后的分析中，“蜜蜂算法”在测试中击败了最好的算法，甚至超越了一个假设的“全知算法”，该算法可以在条件高度变化的情况下提前预测未来的流量——这在互联网上并不罕见。通过试错，蜜蜂比我们最好的数学家还要聪明。

幸运的是，Nakrani对论文小组的问题的回答是:“不，我们还没有申请这个专利。”因为这项工作的灵感来自对知识的追求，而不是个人利益，“蜜蜂算法”及其应用程序已经发表，不再有资格获得专利保护。因此，我们每个人都从更便宜、更快、工作效率更高的网络服务器中受益，因为它们从蜜蜂那里学到了东西。