“太多厨子反而煮坏汤”——这句西谚概括了人类协作里一个常见的困境：人越多，协调越乱，效率可能不升反降。但以色列魏茨曼科学研究所的行为生态学家奥弗·费纳曼最近却忍不住冒出一个反直觉的念头：同样的规则，放到蚂蚁身上还成立吗？

他带着团队用长角疯蚁做了一组实验，结果令人困惑：在蚂蚁的世界里，“人手”越充足，它们解决复杂难题的本事反而越强。这项研究已发表在《皇家学会界面杂志》上，直接挑战了我们关于集体智慧的直觉。（）

打开网易新闻 查看精彩图片

费纳曼的疑问，来自一次偶然的观察。他在野外看到蚂蚁们合力搬运形状不规则、重心歪斜的食物块回巢，整个过程似乎没有因为参与者增多而陷入混乱。于是他决定把这种“拖重物过迷宫”的场景搬进实验室，看看群体规模究竟如何影响解题能力。

团队用3D打印制作了一批形状和重量都经过精确设计的微型道具。为了让蚂蚁对这些东西感兴趣，他们提前把道具泡在猫粮里过夜，染上让长角疯蚁无法抗拒的气味。所有道具的重量都按参与实验的蚂蚁数量做了等比缩放，确保比较的是协调与合作能力，而不是单纯的体力消耗。

实验装置是激光切割出来的迷宫，路径从简单到复杂逐级递进，有些甚至需要蚂蚁在搬运途中考虑重力的影响。研究者在蚁巢附近摆好这些装了饵料的迷宫，剩下的就是架好摄像机，安静地等待。

几乎每一组规模的蚂蚁群体，在简单迷宫里都能顺利地把较小的物体拖到出口。可当路线变复杂、负重也相应增加以后，不同人数级的表现出现了明显分野。大的蚂蚁群体开始展现出令人意外的效率优势，比小团队更快也更稳地找到出路，极少卡死在拐角或扭力改变的地方。

费纳曼同时让计算机跑了一批模拟，把同样的迷宫和负载条件丢给机器学习程序，并引入物理理论和力的因子，看看程序能不能给出解释。模拟结果呈现了一幅有趣的对照图景。

“模拟显示，简单的谜题靠单纯的基于重力的模型就能解开，”费纳曼在一份声明里说，“假如你拿着整个迷宫，连同里面的负载，倾斜它、摇晃几下，物体最后总会掉出来。”但在更难的迷宫中，这种被动倒出来的办法就完全失效了。

要让机器学习程序有效解决更复杂的场景，研究人员不得不加入一些“蚂蚁式”的属性，这些属性与蚂蚁的分布式特性密切相关。一个典型的区别是：重力在这种情况下并不总是作用在质心上，每隔几秒它可能就落在物体的不同部位，就像有多只手在不同时间点交替施力。

换句话说，小群体更像是单点受力，容易卡住；而大群体像一个活的搬运网络，通过不断试错和局部调整，把原本困难的几何约束拆解成一连串可执行的短步骤。研究者的观察也印证了这一点：蚂蚁不仅会分工，还会根据重物的实时姿态切换推、拉、抬的不同角色。

尽管研究并未穷尽所有变量——论文也承认只观察了一种蚂蚁在特定迷宫中的行为——但它至少提供了一个清晰的对比绳尺：对人类而言，“人多”可能意味着沟通成本和搭便车风险激增；对蚂蚁来说，更多的个体却能叠加出一套更弹性的解题机制。

有趣的是，这一发现并没有让费纳曼急于去开“向蚂蚁学管理”的药方。他更在意的是，这种不靠中央指令就能完成的分布式协作，或许能为多机器人系统、自动搬运调度等工程问题提供新的灵感。在那些领域，“不要都听一个人的指挥，而是让每个单元对局部信息做出反应”的思路，正悄悄地成为另一种解题路径。