​A Matemática do Rebanho de Ovelhas

Cães de guarda pensam em algoritmos. Usando duas regras fundamentais, os cães analisam o status de um rebanho e determinam a melhor ação dentre um limite de possibilidades.

A eficiência resultante é tão surpreendente que a descrição dos algoritmos caninos poderia ter usos profundos não só na pecuária e no gerenciamento de um rebanho, mas no controle de massas e até na limpeza do meio ambiente.

Isso tudo de acordo com um novo estudo do Journal of the Royal Society Interfaceque descreve um algoritmo geral derivado do comportamento de um cão de guarda e seu rebanho, no qual um único indivíduo pode influenciar o comportamento em grupo de uma multidão massiva e teimosa.

"Alguns dos mais surpreendentes exemplos desse comportamento coletivo [tipo de enxames] acontece na presença de uma ameaça, quando rebanhos e cardumes se agregam e expulsam seus predadores", os autores, liderados pelo biólogo evolucionista Andrew King, apontam.

Acreditam que esse comportamento é regido por uma teoria poderosa chamada "rebanho egoísta". Descrita pela primeira vez em 1971 pelo biólogo evolucionista WD Hamilton, essa teoria explica o comportamento "gregário" de indivíduos em um rebanho sob ameaça.

Simplificando, quando um membro de um rebanho percebe que estão em perigo, eles tendem a buscar uma cobertura, se juntando o máximo possível. Como um todo, essa tendência age como uma força centrípeta, puxando o rebanho para dentro de si mesmo em vórtice de um crescente status denso. Isso persiste até que a ameaça tenha ido embora.

Cães pastores sabem tudo sobre rebanhos egoístas e utilizam esse conhecimento para cumprir sua missão além da capacidade dos pastores humanos. "Mas rebanhos grandes (com mais de 40 indivíduos) tipicamente requerem múltiplos pastores", escrevem os autores. "Porém um único cão pastor consegue com sucesso cuidar de um rebanho de 80 ovelhas ou mais, tanto no trabalho diário como em testes de competição".

Eles fazem isso através das duas regras simples já citadas. Quando as ovelhas ficam dispersas além do ponto, os cães reúnem suas forças para uni-las, reintroduzindo a pressão predatória no rebanho, que responde de acordo com os princípios de interesse, juntando-os em uma unidade mais coesa.

Com isso feito, mover o rebanho de um lugar a outro de novo fica eficiente. Simplificando, se todas as ovelhas ("agentes reunidos") estiverem dentro de um certo raio do centro do rebanho, o cão pastor mira na direção que deve ser seguida; se esse não é o caso, o cachorro mira na ovelha que estiver mais afastada do centro.

Baseado nas observações das ovelhas e dos cães usando GPS – os animais usaram mochilas – "o rebanho tende a inicialmente coletar os agentes até eles serem coesos, até o ponto em que começa a conduzir o grupo", aponta o atual trabalho. "Uma vez que os agentes se movem, o rebanho alterna entre conduzir e meios de coletar até que a tarefa esteja completa e os agentes

Como num algoritmo, os pesquisadores descobriram consistentemente as taxas de sucesso a 100%, enquanto a relação entre o número de possíveis vizinhos de um membro individual do rebanho, pode, eventualmente, permanecer com mais do que metade do tamanho total do rebanho.

"Uma forma de superar o problema e potencialmente permitir que o rebanho possa lidar com tamanhos arbitrários de grupos é programar isso sequencialmente em subgrupos de um tamanho que ele possa lidar", escreve a equipe de King.

Isso funcionou de alguma forma, mas o problema que surgiu algumas vezes foi quando o rebanho acabava no centro de um agrupamento de subrebanhos. Os dois objetivos em uma situação dessas acabou se confundindo: o juntar se enrola com a condução direcional.

Finalmente, os autores concluem: "Nossa abordagem deve sustentar meios eficientes de pastoreio autônomo, agentes que interagem em uma variedade de contextos. Casos óbvios são de pastoreio assistido por robôs, que mantém os animais longe de áreas suscetíveis, mas as aplicações vão desde o controle de robôs unidos até a limpeza de ambientes e controle de massas humanas".

"No caso de rebanhos de robôs móveis, por exemplo, os engenheiros projetaram líderes virtuais ou líderes explícitos para orientar os grupos para atingir posições, ou então assumiu que um título é sentido por todo o grupo", eles continuam.

Cães: mais espertos que os humanos até na projeção de algoritmos.

Tradução: Letícia Naísa