Apa yang diajarkan semut tentang otak, kanker dan Internet

Ahli ekologi Deborah Gordon mempelajari semut di mana pun dia bisa menemukan mereka -- di gurun, di daerah tropis, di dapurnya... Dalam paparan yang mengesankan ini, ia menjelaskan obsesinya terhadap serangga yang akan dipukul mati oleh sebagian besar dari kita tanpa berpikir dua kali. Ia berpendapat bahwa kehidupan semut menyediakan model yang berguna untuk mempelajari tentang banyak topik lain, termasuk penyakit, teknologi, dan otak manusia.

Saya mempelajari semut

di gurun, di hutan tropis

dan di dapur saya,

dan juga di perbukitan di sekitar
Silicon Valley tempat saya tinggal.

Baru-baru ini saya menyadari bahwa

interaksi semut berbeda

dalam lingkungan yang berbeda,

dan kitapun bisa belajar dari hal ini

tentang sistem-sistem lain,

seperti otak dan jaringan data
yang kita rekayasa,

bahkan juga kanker.

Nah, kesamaan dari semua sistem ini

adalah tidak ada kontrol pusat.

Koloni semut terdiri atas
para pekerja betina yang steril --

yaitu semut-semut yang biasa
Anda lihat berkeliling --

dan satu atau beberapa betina produktif

yang hanya bertelur.

Mereka tidak memberi perintah.

Meskipun mereka disebut ratu,

mereka tidak memerintah semut lainnya.

Jadi, dalam koloni semut,
tidak ada pemimpin,

dan tanpa adanya kontrol pusat,
seluruh sistem ini

diatur menggunakan interaksi yang
sangat sederhana.

Semut berinteraksi menggunakan penciuman.

Mereka mencium bau dengan antena mereka,

dan mereka berinteraksi
dengan antena mereka,

jadi ketika seekor semut menyentuh
semut lain dengan antenanya,

ia bisa tahu apakah semut itu

dari sarang yang sama,

dan tugas apa yang dikerjakan
semut tersebut.

Jadi, di sini Anda lihat banyak semut
bergerak ke mana-mana

dan berinteraksi dalam
sebuah arena lab

yang terhubung melalui tabung
ke dua arena lain.

Ketika seekor semut bertemu semut lain,

semut mana pun juga,

mereka sebetulnya tidak memancarkan

sinyal atau pesan kompleks apa pun.

Yang penting bagi semut adalah kecepatan

saat ia bertemu dengan semut lainnya.

Dan semua interaksi ini
secara keseluruhan,

menghasilkan sebuah jaringan.

Ini adalah jaringan semut

yang baru saja Anda lihat
berkeliaran di sekeliling arena

dan jaringan yang terus-menerus
bergerak inilah

yang membentuk perilaku koloni,

seperti apakah semua semut
bersembunyi dalam sarang,

atau berapa banyak yang
keluar mencari makan.

Cara kerja otak sebenarnya juga sama,

tapi yang hebat dari semut

adalah Anda dapat melihat seluruh jaringan
secara langsung.

Ada lebih dari 12.000 spesies semut,

dalam segala macam lingkungan,

dan mereka berinteraksi secara berbeda

untuk menjawab tantangan
lingkungan yang berbeda.

Salah satu tantangan lingkungan
yang penting,

yang harus dihadapi setiap sistem

adalah biaya operasional yang diperlukan

untuk menjalankan sistem.

Tantangan lingkungan lainnya
adalah menemukan dan

mengumpulkan sumber daya.

Di gurun, biaya operasional tinggi

karena air langka,

dan semut pemakan-biji yang
saya pelajari di gurun

harus menghabiskan air
untuk mendapatkan air.

Jadi, seekor semut yang
keluar mencari makan,

mencari biji-bijian di bawah
terik matahari,

justru kehilangan air yang menguap.

Tapi koloni memperoleh airnya

melalui metabolisme lemak dari

biji-bijian yang mereka makan.

Sehingga dalam lingkungan ini,
interaksi digunakan

untuk mencari makan.

Pencari makan tidak keluar kecuali

ada cukup interaksi dengan
pencari makan yang kembali,

ini adalah pencari makan yang kembali,

masuk ke lubang, ke dalam sarang,

dan bertemu pencari makan dalam
perjalanan ke luar.

Ini masuk akal bagi koloni semut,

karena semakin banyak makanan diluar sana,

semakin cepat pencari makan menemukannya,

semakin cepat pula mereka kembali

dan semakin banyak pencari makan
yang diutus.

Sistem tersebut tetap mandek,

kecuali terjadi sesuatu yang positif.

Sehingga interaksi berfungsi untuk
mengaktivasi para pencari makan.

Dan kami sudah lama mempelajari
evolusi sistem ini.

Pertama, ada variasi.

Ternyata koloni-koloni itu berbeda.

Saat kering, ada koloni yang
mengurangi pencarian makan,

jadi koloni berbeda dalam

cara mereka mengelola

antara menghabiskan air
untuk mencari biji-bijian

dan mendapatkan kembali air tersebut
dalam bentuk biji-bijian.

Kami sedang mencari tahu mengapa ada

koloni yang mencari lebih sedikit makanan

daripada koloni lain,
dengan menganalogikan semut

seperti neuron,
menggunakan model ilmu syaraf.

Jadi, seperti halnya neuron
mengumpulkan stimulasi dari

neuron lain untuk menyalurkan rangsangan,

seekor semut mengumpulkan
stimulasi dari semut lain

untuk memutuskan apakah
akan mencari makan.

Yang kami cari adalah apakah ada

perbedaan kecil di antara koloni-koloni

dalam berapa banyak interaksi yang
diperlukan masing-masing semut

sebelum pergi keluar dan mencari makan,

karena koloni seperti itu akan
lebih sedikit mencari makan.

Dan ini menimbulkan pertanyaan serupa
tentang otak.

Kita berbicara tentang otak,

tapi tentu saja setiap otak agak berbeda,

mungkin ada beberapa individu

atau keadaan tertentu

dimana sifat-sifat listrik neuron
yang membutuhkan

lebih banyak stimulus
untuk menyalurkan rangsangan,

akan menimbulkan perbedaan
dalam fungsi otak.

Jadi sebelum mengajukan pertanyaan
tentang evolusi

kita harus mengetahui tingkat
keberhasilan reproduksi.

Ini adalah peta dari lokasi studi

dimana saya melacak populasi

koloni semut pemanen selama 28 tahun,

yang kira-kira seumur hidup koloni.

Setiap simbol adalah satu koloni,

dan ukuran simbol melambangkan jumlah
keturunan yang dimilikinya,

karena kita bisa memakai
variasi genetik

untuk mencocokkan koloni induk dan
keturunan,

yakni, untuk mencari tahu koloni mana

yang didirikan anak betina ratu

dari koloni induk yang mana.

Saya sangat takjub ketika menemukan,

misalnya, bahwa koloni 154 yang sudah

saya kenal baik selama bertahun-tahun,

adalah nenek buyut.

Ini adalah koloni anak betinanya,

ini adalah koloni cucu betinanya,

dan ini adalah koloni cicit betinanya.

Dan dengan melakukan ini, saya mempelajari

bahwa koloni keturunan
menyerupai koloni induk

dalam memutuskan untuk tidak mencari makan

ketika cuaca sangat panas,

dan keturunan dari koloni induk

hidup berjauhan satu sama lain
sehingga tak pernah bertemu,

jadi semut-semut dari koloni keturunan

tak mungkin mempelajarinya
dari koloni induk.

Jadi yang kami lakukan selanjutnya

adalah mencari variasi genetik yang
menyebabkan kemiripan ini.

Lalu kita bisa bertanya,
keadaan siapa yang lebih baik?

Sepanjang studi berlangsung,

khususnya 10 tahun terakhir,

terjadi kekeringan yang
sangat parah dan semakin buruk

di wilayah Barat Daya AS,

dan ternyata koloni yang menghemat air,

yang tidak keluar saat suhunya
sangat panas,

dengan resiko tidak memperoleh makanan,

adalah koloni yang cenderung
memiliki banyak keturunan.

Jadi selama ini, saya mengira koloni 154

adalah pecundang, karena
pada masa-masa kering

mereka hanya sedikit mencari makan,

sementara koloni lain pergi ke luar

mencari makan, menimbun makanan,

tapi nyatanya, koloni 154 sangat sukses.

Ia adalah betina pemimpin.

Ia adalah salah satu nenek buyut
yang langka di lokasi.

Setahu saya, inilah pertama kali

kami mampu melacak

evolusi berkelanjutan dari
perilaku kolektif

dalam populasi alami hewan

dan menemukan apa yang sebetulnya
paling berhasil.

Sekarang, internet menggunakan algoritma

untuk mengatur aliran data

yang sangat mirip dengan algoritma

yang digunakan semut pemanen
untuk mengatur

aliran pencari makan

Dan tebak, kami sebut apa analogi ini?

Anternet.

(Tepuk tangan)

Jadi, data tidak meninggalkan
komputer sumber

kecuali ia mendapat sinyal bahwa
ada cukup bandwidth

untuk ditumpangi.

Waktu internet masih baru,

ketika biaya operasi sangat tinggi

dan sangat penting untuk
tidak kehilangan data apapun,

sistem dipersiapkan untuk interaksi

yang mengaktivasi aliran data.

Menarik bahwa semut menggunakan algoritma

yang begitu mirip dengan
yang baru-baru ini kita temukan,

tapi ini hanya satu dari
sekian banyak algoritma semut

yang kita ketahui,

dan semut sudah melalui 130 juta tahun

untuk berevolusi menjadi lebih baik,

dan menurut saya sangat mungkin

bahwa sebagian dari 12.000 spesies lainnya

memiliki algoritma menarik

untuk jaringan data

yang bahkan belum terpikir oleh kita.

Jadi, apa yang terjadi ketika biaya
operasional rendah?

Biaya operasi di daerah tropis rendah,

karena sangat lembap, dan mudah bagi semut

untuk berjalan-jalan di luar.

Tapi semut begitu banyak

dan beragam jenisnya di daerah tropis

sehingga ada banyak persaingan.

Sumber daya yang dipakai satu spesies,

mungkin dipakai juga oleh spesies lain

pada waktu bersamaan.

Sehingga dalam lingkungan ini,
interaksi digunakan

secara berlawanan.

Sistem terus berjalan

kecuali ada hal-hal negatif,

dan satu spesies yang saya amati
membuat sirkuit

di dalam pohon semut pencari makan

yang pergi dari sarang ke
sumber makanan dan kembali,

begitu seterusnya,

kecuali hal negatif terjadi,

seperti interaksi

dengan semut dari spesies lain.

Ini adalah contoh
pertahanan keamanan semut.

Di tengah, ada seekor semut

yang menyumbat pintu masuk sarang
dengan kepalanya

sebagai respons atas
interaksi dengan spesies lain.

Semut-semut kecil berkeliaran

sambil mengangkat perut.

Tapi begitu ancaman berlalu,

pintu masuk dibuka lagi.

Dan mungkin ada situasi dalam

keamanan komputer

di mana biaya operasional cukup rendah

sehingga kita bisa menutup akses sementara

sebagai respons terhadap ancaman,

kemudian membukanya lagi,

daripada berusaha membangun

firewall atau benteng permanen.

Tantangan lingkungan lainnya

yang harus dihadapi semua sistem

adalah menemukan dan
mengumpulkan sumber daya.

Dan semut telah berhasil memecahkan

masalah pencarian kolektif,

yang merupakan pertanyaan penting

di bidang robotika sekarang,

karena kita sudah memahami bahwa,

ketimbang mengirim satu

robot canggih dan mahal

untuk menjelajahi planet lain

atau untuk menyusuri gedung yang terbakar,

mungkin lebih efektif

mengirim sekelompok robot yang lebih murah

yang saling bertukar informasi dasar,

dan begitulah semut-semut melakukannya.

Semut Argentina yang invasif

membuat jaringan pencarian sekali pakai.

Mereka mahir menghadapi masalah utama

pencarian kolektif,

yang merupakan tarik-ulur antara

pencarian yang teliti

atau pencarian dalam wilayah yang luas,

Yang mereka lakukan adalah,

ketika ada banyak semut dalam ruang kecil,

masing-masing akan mencari dengan teliti

karena akan ada semut lain yang mencari
di bagian lainnya,

tapi jika hanya ada beberapa semut

dalam ruang besar, maka mereka

perlu melebarkan jangkauan mereka

untuk mencakup daerah yang lebih luas.

Menurut saya mereka menggunakan interaksi
untuk mengukur kepadatan,

sehingga mereka lebih sering bertemu
ketika ramai,

dan mereka mencari dengan lebih teliti.

Spesies semut berbeda pasti menggunakan
alogaritma berbeda pula

karena mereka telah berevolusi
untuk menghadapi

sumber daya yang berbeda,

dan pengetahuan ini bisa sangat berguna.

Jadi kami mengamati semut

untuk menjawab masalah pencarian kolektif

dalam lingkungan ekstrem

mikro-gravitasi

di Stasiun Luar Angkasa Internasional.

Ketika pertama melihat gambar ini,

saya pikir mereka menempatkan
habitat secara vertikal

tapi kemudian saya sadar
bahwa itu tidak penting.

Jadi, idenya disini adalah bahwa semut

bekerja keras untuk berpegangan

ke dinding atau lantai atau apa saja

sehingga mereka enggan berinteraksi,

jadi kaitan antara

jumlah dan frekuensi bertemu mereka

akan menjadi kacau.

Kami masih menganalisis data.

Saya belum punya hasilnya.

Tapi akan menarik untuk mengetahui

bagaimana spesies lain
menyelesaikan masalah ini

dalam lingkungan yang berbeda di bumi,

jadi kami membuat program

yang mengajak anak-anak di seluruh dunia

untuk mencoba eksperimen ini dengan
spesies yang berbeda

Sangat sederhana.

Dapat dilakukan dengan bahan-bahan murah.

Dengan demikian, kita bisa membuat
sebuah peta global

algoritma pencarian kolektif semut.

Saya kira cukup mungkin bahwa
spesies yang invasif,

yang masuk ke bangunan kita,

akan sangat mahir dalam hal ini,

karena mereka ada di dapur Anda

karena mereka sangat mahir menemukan
air dan makanan.

Kesempatan yang paling baik bagi semut

adalah saat piknik,

dan ini adalah sumber daya terkelompok.

Bila ada satu buah-buahan,

sangat mungkin ada buah-buahan lain
di dekatnya,

dan semut yang spesialis pada
sumber daya terkelompok

menggunakan interaksi untuk perekrutan.

Jadi saat semut saling bertemu

atau saat ia menemukan jejak semut lain
di tanah,

ia mengubah arah untuk mengikuti

arah interaksi, dan begitulah

Anda mendapati barisan semut

merubungi piknik Anda.

Dari sini mungkin kita dapat

belajar sesuatu dari semut tentang kanker.

Pertama, jelas ada banyak hal yang dapat

dilakukan untuk mencegah kanker

dengan mencegah migrasi

atau menjual toksin yang mendorong

evolusi kanker dalam tubuh kita.

Semut memang tidak dapat banyak
membantu dalam hal ini

karena semut tak pernah meracuni
koloni mereka sendiri.

Namun kita mungkin dapat belajar

tentang pengobatan kanker.

Ada bermacam-macam jenis kanker,

masing-masing bermula di
bagian tubuh tertentu,

dan sebagian jenis kanker akan menyebar

atau metastasis ke jaringan lainnya,

dimana terdapat sumber daya
yang mereka perlukan.

Bila Anda berpikir dari perspektif

sel kanker metastatik awal

saat mereka sedang mencari-cari

sumber daya yang mereka perlukan,

jika sumber daya itu terkelompok,

mereka lebih mungkin menggunakan
interaksi untuk perekrutan,

dan jika kita bisa mencari tahu bagaimana
sel kanker merekrut,

mungkin kita bisa memasang perangkap

untuk menangkap mereka sebelum
menjadi ganas.

Jadi semut menggunakan interaksi
dengan cara-cara berbeda

dalam lingkungan yang berbeda,

dan kita bisa belajar dari sini

tentang sistem lain yang beroperasi

tanpa kontrol pusat.

Dengan interaksi sederhana,

koloni semut telah menunjukkan

prestasi mengagumkan selama
lebih dari 130 juta tahun.

Kita harus belajar banyak dari mereka.

Terima kasih.

(Tepuk tangan)