大量的動物（哺乳類，鳥類，魚類，昆蟲類）同時遷徙或者統一運動，是怎麼組織起來的？
怎麼組織？誰組織？他們怎麼知道要跟隨？跟隨誰？
今年天氣暖和的早，家門口的第一波大雁已經從荷蘭過完冬天飛回來了，過幾天估計都要陸陸續續地回來佔領草坪。去年漫山遍野的它們從我頭頂上方5-10米處飛過去的時候，我就在想，你們要是敢拉一點點東西下來，我就敢去掏你們的鳥蛋。結果回去一查，這些傢伙叫白頰黑雁，人家貌似根本不在乎自己的鳥蛋……還好，後來發現，漫山遍野一起飛的情況很少，大多數是一小撮一小撮地飛。
所以就以鳥類遷徙為例吧。
現有的研究普遍認為遷徙是鳥類的本能，屬於「刻在基因里」的到時間就會有的「衝動」。當氣候、溫度、日照或者食物分布發生變化時，候鳥們不需要有一個頭領跳出來，握著小喇叭，號召大家集合出發。每隻候鳥自然而然地就想換個地方。
當然，開始的時候不會是一隻鳥拉上三五好友，就愣頭愣腦地準備飛，或者像人類社會那樣，一個公司一個學校地進行集體活動，遷徙大多數是以家族為單位的。我們常說的「一字形」或「人字形」的飛行隊列一般就屬於一個家族，到了該遷徙的時候，老鳥們開始飛，小鳥們自然跟上，這是自然界的印隨現象。很多哺乳動物和鳥類出生以後會緊跟著它第一眼見到的較大的可移動的物體而走。在這樣的機制下，由曾經有過遷徙經驗的老鳥帶著沒飛過的小鳥們，熟悉路線和沿途的標誌物等等，將這經驗一代代地傳下去。
遷徙過程中的確是有領頭的傢伙，無論是「一字形」或「人字形」。但往往不會是固定的，而是在整個過程中會不停變換。至於誰來做這個領導，想來應該跟年齡、經驗、身體狀況和家族中的地位有關係，但受限於技術手段，人們還難以對一個族群整個遷徙的過程進行跟蹤監測，所以對誰能當領導這件事還是摸不太透。
不過呢，組織和領導這種東西還真沒有想像中的神秘，人類都可以代替老鳥們完成。美國尼西達國家野生動物保護區的工作人員就冒充過老鳥，帶從未遷徙過的小美洲鶴們進行了一次遷徙。美洲鶴是北美最稀有的鳥類之一，曾經野外群落只剩下21隻，於是人們不得不圈養起來進行保育。由於老鳥的缺乏，工作人員在他們小時候就冒充他們的媽媽，獲取小鳥們的信任。這裡穿怪異的白色衣服是為了防止小鶴們把其他人類也認作媽媽（正常人不會穿這種衣服）。
在遷徙的時候，用了一架超輕型飛機帶著它們前往目的地。小鶴們跟隨的很好，而且這一次以後，就再也不需要飛機的帶領了，每次遷徙的時候都可以自己飛。在這些工作人員的精心照顧下，07年就至少已經有266隻美洲鶴了，現在應該更多了。可見，雖然還不能完全了解遷徙的機制問題，但人類已經可以根據觀察到的現象，跟鳥類打成一片了，還是可喜可賀的。
哺乳動物的遷徙，跟鳥類有很多相似之處。至於魚類和昆蟲，長得太不可愛，不想理他們。好吧，其實我不會……
我來說一下昆蟲的遷徙（遷飛）。昆蟲的遷徙和哺乳動物鳥類魚類是不太一樣的，所以不好放在一起講，遷飛的原理不一樣。
我的碩士論文是關於稻飛虱遷飛的研究論文,稻飛虱是東亞和東南亞地區水稻上危害和影響最大的害蟲,遷飛性明顯,主要包括褐飛虱和白背飛虱（灰飛虱在水稻上影響相對較小,遷飛性不如其他兩種飛虱明顯,且有本地滯育越冬能力）。 稻飛虱是遷飛規律是我國遷飛界研究比較透徹的實例之一, 稻飛虱喜濕熱,尤其是褐飛虱,食性較為單一,冬季在我國大陸地區很難有越冬,僅大陸南部沿海地區再生稻上少量越冬 ,每年開春時期,東南亞和海南南部的水稻產區的待遷飛稻飛虱就隨著西太平洋沿岸地區開始盛行的西南季風開始北上,隨著我國大陸地區水稻由南到北逐漸栽種,稻飛虱的發生及分布地區隨之擴大。到了盛夏時期,我國南方水稻產區都會有稻飛虱的發生,成為我國水稻生產中主要防治的害蟲。
稻飛虱在原發生地區遷出的動機是什麼?很顯然,生存環境的不利變化,包括氣候溫度食料條件等。因為稻飛虱是在水稻上過活,大多數時候氣溫還不至於太低,除非是晚稻收割前的秋末時期，所以在稻飛虱每年在我國南方稻區生活史中，最早遷飛北上的批次和晚稻收割造成的南下回遷批次的稻飛虱的有效遷飛範圍受溫度影響比較大。
一般一塊水稻快收割時,大約在水稻乳熟時,食料條件對稻飛虱就不太好了，稻飛虱的長翅型成蟲比例逐漸升高,比較傾向起飛遷出,去食料條件更好的地方。到了水稻黃熟期,稻飛虱基本就遷出完畢了。稻飛虱中的白背飛虱比褐飛虱對食料條件要求更高，遷飛能力更強，當水稻生育期發展到後期，水稻植株老化不利進食時，白背飛虱率先遷出，褐飛虱可以再堅持一下，等到水稻收割前集中羽化成長翅型遷出。
到了我國水稻收割期,食料條件的惡化和溫度的降低等因素造成在我國廣大地區稻飛虱遷出傾向明顯,而此時,我國東部地區盛行東北季風,這樣,很多稻飛虱藉助這個又可以重回東南亞老家了。遷飛過程中風向不對的遷飛過程中,稻飛虱遷徙的錯誤會使它們全軍覆沒，長距離遷飛降落到不對的方向（降落受下沉氣流和降水因素影響），當地沒有良好的生存條件（水稻收割或即將收割、海面上、非水稻產區等），這一股稻飛虱降落後又基本上無法再遷飛，所以這批蟲子就只能損失掉了。不過,昆蟲數量的巨大和繁殖暴兵能力強勁是不會在意這點小損失的。
稻飛虱的遷飛起飛條件比較嚴格,除了有食料條件，也有光照因素,稻飛虱遷飛起飛需要在晨昏光照條件變化時期發生,也就是日出前和日落後半小時,是蟲群的集中起飛時刻。起飛必須有一定範圍的風速支持,起飛高度大約至500到3000米高空就可以向其他地區順風飛行,飛行高度和不同高度的氣溫氣壓有關係,季節不同,飛行高度也有差異,稻飛虱就是靠藉助空中的氣流遷飛。遷飛動力當然不能和鳥類一樣,鳥類可以主動遷飛,而像稻飛虱，非洲西亞的沙漠蝗，等等,主動遷飛能力弱,無風情況下飛行範圍小,只能藉助自然風力在高空日行數百里,甚至千里。
本人發表的文章中的插圖，稻飛虱飛行路徑受氣象因素左右的程度非常明顯，圖中的點實際上是稻飛虱降落點，遷飛軌跡採用美國國家與大氣海洋局（NOAA）和澳大利亞國家氣象局（Australian Bureau of Meteorology）共同開發的大氣質點軌跡分析平台HYSPLIT進行在線模擬。我根據氣象條件和稻飛虱的遷飛特徵在圖中軌跡線上推算出一些可能的起飛點，就大致判斷了稻飛虱的遷出地區（我發表的文章是講的颱風下的特殊案例，此圖只是簡單演示稻飛虱遷飛過程，稻飛虱遷飛研究的詳細內容可查找南京農業大學翟保平教授團隊的相關研究論文，或聯繫我也可以）
本人發表的文章中的插圖，稻飛虱飛行路徑受氣象因素左右的程度非常明顯，圖中的點實際上是稻飛虱降落點，遷飛軌跡採用美國國家與大氣海洋局（NOAA）和澳大利亞國家氣象局（Australian Bureau of Meteorology）共同開發的大氣質點軌跡分析平台HYSPLIT進行在線模擬。我根據氣象條件和稻飛虱的遷飛特徵在圖中軌跡線上推算出一些可能的起飛點，就大致判斷了稻飛虱的遷出地區（我發表的文章是講的颱風下的特殊案例，此圖只是簡單演示稻飛虱遷飛過程，稻飛虱遷飛研究的詳細內容可查找南京農業大學翟保平教授團隊的相關研究論文，或聯繫我也可以）
所以,類似稻飛虱這樣的昆蟲,飛行傾向是生存條件的變化左右的，飛行動力和飛行去向主要是由季風所決定的，沒有水稻就沒法存活,沒有風就沒法遷徙，它們去哪,怎麼走,最終的結果它們也決定不了，所以這點和魚類鳥類哺乳動物不一樣。總體說來，在遷移動力上，稻飛虱作為遷飛型昆蟲主要是被動遷飛，不同於鳥類的主動遷飛。下面這篇文章，是我在學習、實踐量化投資這條路上積累保存下來的，覺得很有價值的文章。複雜的金融市場，也是一種群體性行為。
複製黏貼來的，文中儘可能保留了引用，如還有不當之處，還請指出。
簡單規則如何孕育複雜行為
一大群紅翅黑鸝變換著陣型飛過加州的薩克拉門托山谷。
攝影：Lukas Felzmann
步入這所用來飼養蝗蟲的牛津大學實驗室，首先衝擊伊恩·卡岑（Iain Couzin）的便是氣味，類似於堆滿陳草的破敗穀倉的氣味。其次就是蝗蟲，無處不在的蝗蟲。這種昆蟲經常會從籠子里逃竄出來，撲到科學家和實驗室技術人員的臉上。房間既悶熱又潮濕，20000隻蝗蟲的持續騷動產生了一種濃厚的昆蟲體臭。為了避免嚴重過敏，很多工作人員都被迫戴上了呼吸器。「在這裡做研究著實不輕鬆，」卡岑說。
在本世紀頭十年的中期，這所實驗室還是世界上唯一一處進行此類科學研究的場所。事實上，卡岑關注的並不是蝗蟲，而是集群行為（collective behavior）。蜂群、鳥群、魚群或菌落……這些都是個體行為轉化為群體行為的典型例證。生物學家們已經詳細分析了蝗蟲的解剖學，並對其從綠色無翅初生若蟲到黑黃色飛行成蟲的轉變過程進行了描述，但即便你挨個解剖它們，也搞不清楚它們為什麼會形成遮天蔽日的蝗災。自上世紀60年代以來，就很少有人曾親眼目睹過蝗蟲如何集結成群——坦白地講，要目擊這一過程太困難了。一小群無序的愚蠢昆蟲如何搖身一變，組合成數目為百萬之巨且團結一心的大群體？對於這樣的問題，沒有人能說清楚。
卡岑會將120多隻幼蟲放入一個他稱之為蝗蟲加速器的墨西哥帽形「競技場」，讓它們每天沿著邊緣兜圈兜八個小時，同時利用一架攝影機拍下它們的運動，再通過軟體標註出它們的位置和運動方向。這些實驗最終讓卡岑發現了自己想要找尋的規律：當形成一定密度時，昆蟲會轉為聚集且均衡的集群。到達第二個臨界點以後，集群會變成一支單向行進的蝗蟲軍隊。原先無序兜圈的個體成為了循規蹈矩的「普通成員」——這是它們轉變為黑黃色成蟲的前奏。
上述情形在自然界中可謂是司空見慣，但從來沒有人在實驗室中誘導出這種轉變——至少從未對動物進行過此類研究。1995年，一位名叫塔馬斯·維澤克（Tamás Vicsek）的匈牙利物理學家及其同事設計出了一種模型來解釋群體行為，模型的基礎前提為：所有個體以恆定速度運動，每個個體的運動方向與特定半徑範圍內的鄰近個體的運動方向相同。當這個假設的集合變大時，它會從一種無序的群體轉換為有組織的集群，就如同卡岑的蝗蟲實驗一樣。這是一種類似水轉化為冰的相變過程。個體並不存在事先規劃，它們不遵從任何指令。但在正確的「如果則」（if-then）規則的操縱下，秩序隨即出現。
卡岑想知道「如果則」規則是否也會使生物體產生類似的行為。「我們原以為通過彼此靠近，它們也許能夠傳遞信息，」卡岑說。但實際上它們並沒有以某種可辨識的方式來相互交流。因此，一些其他的動力學機制肯定在發揮作用。
最終得到的答案相當令人恐懼。每天清晨，卡岑都會數一下加速器中蝗蟲的數量；到了晚上，他的同事傑羅姆·布爾（Jerome Buhl）會將蝗蟲拿出來，同時再數一遍。但布爾發現，自己計算的蝗蟲數量竟然比早上卡岑的計數要少。「我都快瘋了，」卡岑說。「如果連蝗蟲的準確數量都計算不出來，那實驗還有什麼可信度而言。」
當重放錄像片段並進行放大之後，他發現如果蝗蟲彼此靠得太近，它們會相互撕咬。有些不走運的個體甚至被分食精光。這就是問題的關鍵所在。調整集群的力量源自同類相食，而非相互合作。卡岑想出了一種可以證實上述理論的巧妙方案：「我們可以切斷蝗蟲腹部讓它們感知後方撕咬的神經，這樣就能完全消除它們集群的能力，」他說。
卡岑的發現是某種現象的典型例證，它激發了全世界研究者們的想像力。一個多世紀以來，人們一直在試圖理解個體如何轉變為統一的群體。一些暗示令人感到非常好奇——譬如動物會自發形成類似於物理學家在統計模型中觀察到的隊形。這其中必定存在某些潛在的共同點。集群的秘密暗示了一種認識世界的全新方式。
但這些秘密隱藏了數十年之久。一般而言，相比解釋微小部分如何轉變為複雜事物，科學更擅長於將後者分解為前者。科學家們一直沒有找到解決上述集合問題的方法或數學原理。
現如今，在新型觀測技術、強大軟體和統計方法的輔助之下，集群機制的秘密終於得以揭示。事實上，很多物理學家、生物學家和工程師都介入了此項研究，以至於科學本身似乎也產生了某種密度依賴型的轉變。雖然缺少明顯的領導者和全局規劃，這個沉迷於集體研究的集體卻獲得了重大發現，他們發現，從局部擁擠狀態中產生巨大凝聚力的相應規律，也適用於從神經元到人類的一切事物。看似極為複雜的行為卻擁有簡單至極的基礎。從癌症傳播到大腦的工作機理，再到引導機器人駕駛的車隊在高速公路上行進，這一切都可以利用集群規則來進行解釋。
攝影：Christopher Swann/Science Photo Library
亞里士多德曾首次提出「整體不僅僅是其各部分總和」的概念。自此以後，哲學家、物理學家、化學家和生物學家總是周期性地重新提及上述理論。不過，只是到了能夠對簡單規則集進行數百萬次迭代的計算機時代，亞里士多德的模糊概念才真正成為了科學家的研究焦點。
在20世紀的大部分時間裡，生物學家和物理學家都是沿著平行但卻各自獨立的途徑來研究上述概念。雖然生物學家們知道生物體會表現出明顯的集體行為，但對於它們如何實現這一行為的問題，研究者們依然莫衷一是。事實上，明確集群形成方式之前的關鍵問題在於必須得確定如何進行觀測。群體中的個體看起來都極為相似。另外，它們會以極快的速度穿過三維空間。「活動正確觀測數據的難度極大，」布里斯託大學的生物學家奈傑爾·弗蘭克斯（Nigel Franks）說，他同時也是卡岑的論文導師。「你必須嘗試同時著眼於所有的部分和完整的群體。」
群體如何形成
從神經元和癌細胞到魚類，群體中的個體自組織成為集群，這些集群以可預測的方式運動。但它們從混亂轉換為秩序的方式並不相同。以下我們對某些行為觸發機制進行了羅列。
——Katie M. Palmer
美鯿
行為：避光
鯿魚搜尋黑暗水域大概是為了自我保護。但實際上它們並不能感知可能作為導向的亮度的變化。它們只是遵循了一條指令：當光亮消失時，減慢遊動速度。結果，魚群開始在黑暗區域集中起來，並停留在那裡。
螞蟻
行為：節奏一致
當某種螞蟻擁擠到會彼此碰撞時，協調性的搖擺活動每20分鐘就會貫穿蟻群。
人類
行為：追隨當缺少正常溝通時，人類會如同羊群一般易受影響。如果步行人群的某人接到指示要前往某個目的地，儘管其他人也許並不知道這一目的地——或者甚至連是否有目的地存在也不知道，但整個群體最終被指引著向目標方向前進。
行為：追隨當缺少正常溝通時，人類會如同羊群一般易受影響。如果步行人群的某人接到指示要前往某個目的地，儘管其他人也許並不知道這一目的地——或者甚至連是否有目的地存在也不知道，但整個群體最終被指引著向目標方向前進。
蝗蟲
行為：同類相食
當足夠多的蝗蟲聚集到一起時，來自後方的撕咬會讓個體逃往安全地帶。最終，它們會組成一長溜的群體以避免被同類吃掉。它們也會散布信息素以吸引更多的蝗蟲個體加入群體之中。
椋鳥
行為：模仿鄰近成員
不管鳥群有多擁擠，這些鳥會依照離自己最近的六位成員來協調飛行速度和方向。這種相互作用方式足以引導整個鳥群朝著相同的方向飛行。
蜜蜂
行為：撞頭
當搜尋新巢穴地點的蜜蜂歸來以後，它們會通過跳搖擺舞來確定先前探尋的位置。但如果有多處位置可選，蜜蜂會用頭撞擊正在跳舞的其他成員，以主張自己的選擇。那些被撞擊多次的蜜蜂會停止舞蹈，最終整個蜂群確定了唯一的選擇。
與此同時，物理學家則遭遇到了全然不同的難題。生物學家所面對的群體其個體數量通常在幾個和數千之間；但物理學家則要對數目極其龐大的群組進行計數。各種經歷相變的聚集體如液體所包含的個體單位計數為10的兩位數方。從統計學的角度來看，物理學和數學基本上將這些集合視為無窮大。因此，我們同樣無法以任何有意義的方式來直接觀察這些個體。但我們可以對其進行模型化。
到了上世紀70年代，相關研究領域迎來了巨大的飛躍，當時一位名叫約翰·康韋（John Conway）的數學家發明了所謂的「生命遊戲」（Game of Life）。康韋設想有一個黑白棋的棋盤，棋盤上的棋子可在黑白兩種狀態中變化。這些被稱之為細胞的棋子的狀態取決於臨近細胞的狀態。周圍不存在或僅存在一個同類的黑色細胞會「死於」孤獨，同時轉變為白色細胞。如果周圍存在兩個黑色同類，則黑色細胞不會發生變化。如果有三個黑色同類，它就會「復活」，從白色轉變為黑色。若增至四個，黑色細胞會死於擁擠——又退化為白色。於是，棋盤就變成了一塊不斷變化的馬賽克。
康韋可以利用實際的棋盤來模擬出上述規則，但是當他和其他程序員對遊戲進行了數字化模擬之後，「生命」開始變得複雜起來。若加快變化速度同時換成更大的棋盤，他們可以模擬出一系列令人驚異的圖案，這些圖案會在屏幕上不斷進化。通過改變初始條件，他們模擬出了噴出陣陣煙霧的細胞式火車，或不斷射出小滑翔機的機槍。當大部分軟體還需要複雜的規則以模擬出簡單行為時，「生命遊戲」卻背道而馳。也就是說，康韋構建了一種倏忽進化模型——他的這些黑白小精靈們具備了自組織成為新東西的能力。
十六年之後，一位名叫克雷格·雷諾茲（Craig Reynolds）的電腦動畫師想要找到一種可以使得動畫中大型群體的動作自動化完成的方法——即一種能夠節約處理時間和資金的更高效演算法。雷諾茲最終開發出了一款名為Boids的軟體，它可以生成模仿鳥群的虛擬主體。雖然軟體將諸如障礙迴避和飛行物理學之類的行為納入其中，但其核心為三條簡單規則：向著鄰近個體的平均位置移動，和它們保持一定的距離，以及與它們的平均航向保持一致（準線可用於度量個體之間運動方向的靠近程度）。看起來僅此而已。
在上世紀90年代早期，Boids和其他同類軟體徹底革新了好萊塢。《蝙蝠俠歸來》（Batman Returns）中的企鵝和蝙蝠都是利用Boids做出的動畫。其派生軟體包括Massive，技術人員利用它精心設計了《魔戒》（Lord of the Rings）三部曲中恢弘的戰鬥場面。這些成就已經足夠令人驚嘆，但Boids所創造的集群表明，在現實世界中，動物群體的出現也可能來自於同樣的機制——而非源於自上而下的命令、有序群體的精神榜樣或心靈感應（有些生物學家曾正兒八經地提出了上述論調）。正如亞里士多德所暗示的那樣，複雜性來自於自下而上。
相關領域的研究開始逐漸活躍起來。1995年，維澤克對集群進行模擬；到了上世紀90年代末期，一位名叫德克·赫爾賓（Dirk Helbing）德國物理學家對以下情形進行了數字模擬：當逃離類似火災之類的危險時，人們會不由自主在擁擠的街道上形成逃跑線路，同時陷入致命的擠壓和踩踏——現實世界中經常會發生這樣的事情。赫爾賓利用簡單的「社交力量」來完成了模擬。他所做的就是告訴虛擬人類以優選速度向某個目的地進發，與牆體和其他人保持一定的距離，同時與鄰近者的方向保持一致。幾乎轉眼間，暴亂就開始了。
到了二十一世紀初期，生物學和物理學中的集群研究開始出現了交叉。照相機和電腦視覺技術足以展現動物群體中的個體行為，而模擬技術也得到了越來越多的逼真結果。於是，研究者們開始提出了一些關鍵性的問題：生物群體所遵循的規則與「生命遊戲」或維澤克模型中的法則同樣簡單嗎？如果事實的確如此，那這些規則又是如何發揮作用的？
成形
改變簡單參數會對群體產生深刻影響。僅通過控制吸引、排斥和調整（即與鄰近者保持相同方向）三要素，研究者伊恩·卡岑就在完全類似於自然群的虛擬群體中誘導出了三種不同的行為。
——Katie M. Palmer
無序
只與最近鄰近者的方向對其只會產生無序的群體。
環面
提升調整水平以後，無序群體變成了被稱之為環面的甜甜圈形狀。
聚集
當對群體施以最高程度的調整之後，環面消失；所有個體都超著相同的方向運動。
在研究集合之前，卡岑首先必須要進行收集。在蘇格蘭長大的卡岑非常喜歡寵物，但因為弟弟經常會產生各種各樣的過敏，小時候他只能養一些極為非正統的寵物。「我在床後面養了一隻蝸牛，在櫥櫃里養了一窩蚜蟲，在學校的儲物櫃里也養了竹節蟲，」他說。所有能聚集成群的生物都是他迷戀的對象。「我記得，有一次電視里播放魚群在遊動時，我看了一遍又一遍，就像著了迷一樣。我原以為魚沒什麼好看，但它們所形成的那些圖案——」卡岑頓了一下，你幾乎可以從他的眼中看到魚群在打著轉兒；很快他又回過神來。「我一直對這些圖案抱有濃厚的興趣，」他簡練地總結道。
1996年，在成為弗蘭克斯實驗室的一名研究生之後，卡岑終於有機會對生物群進行研究。當時弗蘭克斯正在嘗試解決蟻群的自組織過程，於是卡岑加入了進來。他將每隻螞蟻塗上顏料，然後利用視頻進行記錄，然後不斷進行重放，以追蹤不同個體。「研究非常辛苦，」他說。更糟糕的是，卡岑對研究手段能夠奏效產生了質疑。他認為肉眼不可能追蹤到群體內大量的平行交叉。於是，他開始轉向模擬群體的研究。他學著利用電腦編程來追蹤螞蟻——並最終對整個蟻群進行模擬。他的研究對象是蟻群而非單個螞蟻。
對於生物學家來說，這一研究領域幾乎是無人問津。「我原以為肯定有不少實驗室在進行這方面的研究，」卡岑說。「但結果根本沒找到，這讓我很是驚訝。」不過最後，他發現了Boids。2002年，卡岑「破譯」了這款軟體，他將焦點放在了其本質的三要素上，即吸引、排斥和調整上。隨後，他開始利用軟體展開多方面的研究。當吸引和排斥出現時，調整隨即關閉，卡岑的虛擬群保持鬆散和紊亂的狀態。當他引入調整時，集群會合併成一個渦流狀的甜甜圈，就像一群馬鮫魚所形成的圖案。當他將涉及調整的範圍進一步擴大以後，甜甜圈瓦解，所有個體都指向某個方向，並開始整體移動，就如同遷徙的鳥群一般。換句話說，所有這些不同的形狀都來自於同一演算法。「我開始將模擬視為是自己智力的外延，」卡岑說。「通過讓電腦幫助我思考，我可以培養自己對於這些系統工作方式的直覺認識。」
到了2003年，卡岑又來到牛津大學研究蝗蟲。當時世界各地的實驗室都在對其他生物群展開秘密研究。細菌群落、粘液菌、魚類、鳥類……越來越多的相關論文開始出現。但卡岑研究小組的工作，卻首次向物理學家和生物學家展現了這兩類學科是如何融合在一起的。研究動物行為「經常會涉及記筆記和其他文字記錄，譬如『大塊頭的大猩猩打了小個子的大猩猩』之類，」維澤克說。「但現在，我們已經步入了每秒可收集數百萬位元組數據再輸入電腦進行分析的新時代了。」
一群蝗蟲。
攝影：Mitsuhiko Imamori/Minden
39歲的卡岑現在是普林斯頓大學一個實驗室的主任。他臉盤寬大，留著短髮，黑框眼鏡背後流露出來的眼神頗為嚴厲。卡岑所領導的這個19人研究小組表面隸屬於生態學與進化生物學學院（Department of Ecology and Evolutionary Biology），但實際上包括物理學家和數學家。他們共用一間擺著八台高端工作站的辦公室——這些配備有視頻遊戲顯卡的工作站都被命名為Hyron，該詞在克里特語中意為蜂窩。
出於逃脫和破壞莊稼的考慮，在美國研究蝗蟲是被禁止的。因此，當2007年來到普林斯頓之後，卡岑知道自己必須換一種新的動物作為研究對象了。他曾經對魚類做過一些研究，於是他便帶著漁網、防水褲和一支意氣風發的團隊來到了附近的一個湖邊。但折騰了幾個小時以後，他們才抓到了一點點魚。在附近的一座橋上，卡岑遇到了幾位漁夫。「我原本想打聽一下哪裡有淺灘可以捕魚，當走過他們身旁時，我看到他們的桶里有些成群的小魚像瘋了似的在游來游去。」這些小魚都是體長在五六厘米左右的美鯿，「它們比我想像的還要普通些，」卡岑說，而且也極為廉價。於是一開始他便以70美元的價格購買了1000條美鯿。
當卡岑走進養魚的房間時，這些魚都擠到了水槽邊上等著投食，一點也看不出有序集群的樣子來。不過，等卡岑將小魚都網出來放到旁邊一個寬大的水池裡以後，它們開始聚集在一起，像公路上汽車那樣四處亂竄。研究人員已經將帶顏色的液體和某種膠凝劑注射入它們小小的背鰭上；這兩種物質會結合成為一塊顯眼的塑性標識，這樣研究人員從水面上就可以對研究對象進行辨識。當魚兒在水池中遊動時，光線照亮塑性標識，攝影機就會拍下它們的運動。於是，卡岑利用這些不起眼的魚類展開了研究，他的關注焦點已經超越了集群如何形成的範疇，開始轉向了它們能夠達成何種目標的問題。即這些小魚通過集群獲得了怎樣的能力？
舉例來說，當卡岑用燈光照射這些小魚時，它們就會動作一致地遊動至較暗的區域中，這大概是因為對於以「逃跑」作為主要防禦武器的魚類來說，黑暗即意味著相對安全。類似這樣的行為通常可以用1964年首次提出的「錯誤稀釋原則」（many wrongs principle）來解釋。按照這一理論，每隻鯿魚都會對去向作出不完美的判斷，而通過互動和聚合形成的群體則可以將這些有些小錯誤的判斷平均起來，從而獲得最佳的運動方向。上述概念用所謂的「群體智慧」來解釋可能更確切，這一術語是由知名記者詹姆斯?索諾維爾基（James Surowiecki）推廣開來的。
但是卡岑在實驗室中對鯿魚的觀測結果表明，錯誤稀釋理論並不正確。魚群不會對不完美的判斷進行稀釋，因為個體根本不可能對更暗的區域作出評估。它們只是遵循著一條簡單的原則：在陰暗處遊動速度減慢。當無組織的鯿魚群衝到一塊黑暗區域時，處於邊緣的魚會減速，然後整個魚群會旋轉著融入黑暗之中。一旦避開光線，所有個體都會減速並簇擁到一起，像高速公路堵車一樣。「這純粹是一種突現特徵，」卡岑說。「感應能力的確只有在集體層面上才會出現。」換句話說，沒有一隻鯿魚會有目的性地游向某個目標。群體亦不具備拼湊的智慧。
一群羊。
攝影：Dariusz Paciorek/Getty
集群領域的其他研究者也發現了群體智慧的類似壯舉。每年春天，蜜蜂都會離開原有的聚集區去構建新巢。負責偵察的蜜蜂在勘察完畢之後，會通過搖擺尾部和八字形舞蹈來告知優質安巢地點的所在位置。雖然這種複雜的舞步中暗含著距離和方位等信息，但更為重要的方面在於，它能夠激勵其他外出偵察的蜜蜂。
康奈爾大學的行為生物學家托馬斯·希利（Thomas Seeley）利用顏料來標記那些探尋過不同安巢地點的蜜蜂，結果發現那些主張某個地點的蜜蜂會用頭來撞擊擁護另一地點的同伴。如果跳舞蜜蜂被撞的次數足夠多，它就會停止舞蹈。這種頭槌是蜜蜂世界的直接表決方式。一旦有一方獲得的支持超過了特定的臨界值，整個蜂群就會飛離現有的巢穴。
尋找安巢位置的蜜蜂會具備某種由個體組成的蜂群思維。這種說法並不是什麼毫無價值的隱喻。上世紀80年代，認知科學家們開始假定人類認知是一個突現過程。當人類大腦在進行思考時，不同類型的神經元會激活對不同選擇的偏好，有些神經元就像舞蹈蜜蜂那樣會激勵某些鄰近的同類活躍起來，還有些神經元就如同撞頭蜜蜂一般，它們會抑制其他同類使其陷入沉默狀態。這種競爭狀態不斷強化直至決策出現。此時，作為整體的大腦就會表態說，「右轉」或「吃點甜點」。
在椋鳥中我們也能看到相同的動態變化：在晴朗的冬天傍晚，這種小黑鳥會成群聚集在羅馬日落之前的天空中，就如同發出沙沙聲的布匹一般。如果有獵鷹發動攻擊，所有的椋鳥差不多會立即躲開，即便那些位於鳥群遠端並沒有看到威脅的鳥也會做出同樣的反應。這種現象該如何解釋？義大利物理學家安德里亞·卡瓦尼亞（Andrea Cavagna）揭開了這一秘密，他在某個博物館寒冷的屋頂上利用三台攝影機拍攝了數千隻椋鳥，然後再用電腦重構這些鳥的三維運動過程。在大多數信息從個體傳遞至個體的系統中，信息的質量會退化並遭到破壞——就像傳聲筒遊戲那樣。但卡瓦尼亞發現，椋鳥的運動獲得了某種「無標度」方式的統一。如果一隻轉彎，其他所有成員都會轉彎。如果一隻加速，其他同類也會跟著加速。規則很簡單——即與最鄰近的幾位成員保持動作一致，且不要撞上它們。不過，由於這些鳥類彼此所感知信息的質量退化速度遠遠慢於預期水平，因此椋鳥個體的知覺擴展至鳥群的邊緣，於是整個鳥群便開始運動起來。
所有這些相似性似乎都指向某種關於群集的大統一理論——一種足以將種種群體行為線索合併起來的基礎超級理論。在一篇論文中，維澤克及其同事就提出了這樣一個疑問，在群體現象中，是否有可能存在「某些能夠產生各種各樣觀察現象的簡單基礎自然定律（譬如熱力學原理）」？
卡岑也考慮過這樣的問題。「為什麼我們要翻來覆去地思索？」他說。「因為這其中肯定有某些更深層次且更基本的東西。」生物學家們對趨同進化的概念非常熟悉，趨同進化是指來自獨立譜系的動物擁有相似的適應性，如海豚和鯊魚的流線型身體或蝙蝠和鯨類的回聲定位能力。但群體演算法的趨同進化是如何產生的呢？或許所有的群體都逐漸形成了會產生相同結局的不同行為，如蜜蜂撞頭、椋鳥觀察鄰近同類以及美鯿的避光，又或者某些基本法則構成了一切事物的基礎，行為就是從法則通向集合的橋樑。
斯蒂芬·沃爾姆拉姆（Stephen Wolfram）可能會支持後一種觀點。這位英國數學家兼Mathematica軟體的發明者在2002年出版了一部1200頁的大部頭專著，書名為《新型科學》（A New Kind of Science），他在書中假定，集群所呈現的突現性來自於驅使雪花、貝殼、大腦乃至宇宙自身產生複雜性的簡單程式。沃爾姆拉姆曾斷言自己的著作將有助於揭開群體演算法之謎，但他的許諾並沒有得到兌現。
與此同時，卡岑有些謹慎地宣稱，這一研究領域已經觸及了生命、宇宙以及萬物的秘密。「存在一種可以解釋股票市場、神經系統以及魚群運動的基礎理論，對於這樣的暗示我非常謹慎，」他說。「這種想法有些幼稚。那種希望用一個方程來解釋一切的想法具有危險性。」雖然物理學預測了卡岑所研究的蝗蟲的相互作用，但相關機制是通過蝗蟲的同類相食才得以體現出來的。數學無法闡述生物學，但生物學卻蘊含著數學。
幾乎所有得到能量輸入的個體單元系統都會產生模式。當沿著一個震動平台彈跳時，金屬棒們會組合形成渦流狀。在培養皿中，肌肉蛋白被分子馬達推動著進行單向遷移。腫瘤會大量產生惡性的遷移細胞，這些細胞會跟隨著一小部分具有開拓性的前導細胞，對準並侵入周邊組織。這些癌細胞看起來就像是一個遷移的群體；如果找到了相應的演算法，或許我們就能夠避免它們侵入重要器官或阻斷其前進的步伐。
同樣的法則也適用於複雜性增加時。視網膜是位於眼睛底部的一片光敏組織，它將視神經與大腦連接起來。普林斯頓大學的神經科學家邁克爾·貝瑞（Michael Berry）將多片視網膜裝在電極上，然後向其播放視頻，並觀察它們的電生理學反應。在這個實驗中，視頻就相當於卡岑在鯿魚實驗中所使用的移動聚光燈——結果和魚一樣，貝瑞也發現了突現行為以及更多神經元的出現。「不管變數是方位、前進方向還是表決方式，我們都可以描繪不同系統的數學演算法，」卡岑說。
一群人。
攝影：Amanda Mustard/Corbis
在距離普林斯頓主校區數公里之外一個看似飛機庫的實驗室中，各式各樣的潛水器被懸掛在天花板上。冷冽的空氣散發著氯氣的刺鼻氣味，散發臭氣的源頭是一個約75立方米的水槽，它寬6米，深2.4米，這個水槽是四個體型如貓一般大小的精巧機器人的活動場所，這些機器人帶有能夠讓它們在立體空間中游泳的背部和後部推進器。
這些機器人被稱之為Belugas，科學家們建造它們的目的是為了測試群體行為模型。「我們正在研究一些不尋常的自然機制，」工程師內奧米·倫納德（Naomi Leonard）說。她計劃釋放幾個水下機器人吊艙，用於收集溫度、水流、污染和其他多方面的數據。她的機器人還可以追蹤移動梯度、規避彼此以及保持較遠距離以避免收集多餘數據——從理論角度來看，只要有相應的執行程序，更為複雜的功能就能開啟。
但今天程序出了點問題。三台Belugas機器人被提出水槽，以便倫納德的團隊進行維修。水下的一台機器人由一根粗大的遊戲操縱桿驅動，即處於手動操作狀態。看似悠閑的控制過程具有很快的響應速度，一味蠻幹根本起不到效果。
倫納德有一份機器人協同工作的視頻，它更具有說服力。機器人按照編好的反饋控制演算法執行任務，譬如在模擬漏油點測定最高油濃度或獨立收集「目標物」再合併到一起。
能構建一個成功的機器人團隊表明研究者們已經解決了某些基本問題。雖然機器人團隊已經成形，但其大多數個體都擁有複雜的人工智慧或依賴於人類操縱者或中央電腦所發出的指令。在塔馬斯·維澤克這位發明了早期群體模擬方式的物理學家看來，上述做法無異於作弊。維澤克目前正在嘗試組建能像鳥群一樣飛行的四軸飛行器群，個體飛行時依賴的基本參數只有鄰近飛行器的位置、方向和速度。他希望自己的飛行器群能夠成為下一代無人機，但到目前為止依然希望渺茫。「如果我們只是將我們和卡岑發現的簡單規則硬套上去，那肯定行不通，」維澤克說。「飛行器經常會衝過頭，因為它們的減速不夠快。」
另一群研究者們正在嘗試利用精巧的網路交流理論——與管理Facebook上好友關係的規則相類似——來試飛無人飛行器群，同時使用電腦動畫軟體Boids的修訂版來控制飛行器的群飛行為。還有一支研究團隊試圖將群體行為應用於無人駕駛汽車領域——碰撞規避是鳥群飛行過程中的基本突現特性之一，而自動駕駛車輛最重要的性能之一便是不要撞到人或彼此碰撞。
到目前為止，Belugas所遭遇的最大障礙還是在工程學方面。機器人對命令的反應有延遲，其殼體的小小不對稱性改變了它們的運動方式。從根本而言，解決這些零散的問題可能就是使集群研究上升至另一層面的關鍵所在。從Boids問世以來，科學家們就動物們是如何相互影響的問題提出了各種假設。但動物的複雜程度遠遠超出了模型，它們會感知世界，它們會交流，它們會進行決策。這些才是卡岑希望開發出來的能力。「我先從簡單個體相互作用形成複雜模式開始，雖然這很不錯，但現實世界的動物並非如此簡單，」卡岑說。他從自己的書架上拿出一個塑料的烏鴉模型。「這就是一種相當複雜的生物。我們能夠分析這些動物在立體自然環境的行為，這就是現在我們所處的研究階段。」他們邁出的第一步可能是將一台廉價的微軟Kinect遊戲系統放入鳥舍，用紅外線掃描整個區域並繪製空間圖。
第二步是在現實世界中進行同樣的測量。群體中的每隻烏鴉都會攜帶能夠記錄其動作、身體化學物質、大腦活動以及視網膜圖像的微型感測器。由此，卡岑就能夠將每隻鳥體內的細胞核神經元行為與鳥群的運動聯繫起來。這是一種增強版的蝗蟲加速器——它將現實世界模型與技術結合起來，從而對那些個體已經被深入研究但作為群體卻被忽視的生物展開前所未有的審視。「這樣我們就能夠真正理解這些動物是如何從彼此身上獲取信息、相互交流以及做出決策的，」卡岑說。雖然他並不知道自己會有怎樣的發現，但這就是作為群體一份子的美妙之處：即便你不知道自己要去哪，群體還是會將你帶到正確的目的地。
Ed Yong（edyong209@gmail.com）為《國家地理》撰寫科普博客Not Exactly Rocket Science。
這個問題我試著用細胞自動機的思路回答一下
在一個生物群落中，每一個個體都可以近似的看成是一個有限狀態自動機。這個自動機的輸入就是它周圍一個半徑為ε鄰域內其他生物的分布狀況。而且這一個體遵循一下幾條規則:
1.每一個個體在周圍個體數量少於λ的狀態下趨向於向個體數量更多的地方移動。
2.每一個個體在周圍個體數量多於μ的情況下趨向於向個體數量更少的地方移動。
稍微解釋一下上面的兩條規則
第一條規則是為了防止捕食者的選擇。周圍個體數量更多的時候捕食者選擇這個個體的概率就更低。想沙丁魚，大雁這種動物的話可能還有流體力學上的一些考慮。對於QQ來說也許還有保暖方面的考量。
第二條規則是為了最大化資源的利用。設單位區域產出食物數量為m而個體所需食物數量為n，顯然m將這兩條數字化以後迭代幾次就會出現一個很有意思的情況:混沌（當然，運氣不好的話調整參數會調好久……你看上帝都調了幾百萬年了）基本上就和自然界生物運動情況相匹配了。
對於同時遷移的情況自然有其生物上的原因例如磁場，季節什麼的。這些因素都銘刻在每個個體的基因序列裡面了。但這裡想說的是一個和以上這些都無關的，純數學上的一個遷移模型，名字叫做朗頓螞蟻。
朗頓螞蟻的規則也很簡單，iPhone手打無力大家請自行百度吧。但是從結果而言單個個體在一段時間的混沌運動以後確實的產生了定向移動，這是十分有趣的。
個人印象所寫，表達有誤還望指出，見諒。。。。
在遷徙的過程中的相互關係其實是挺複雜的一個理論，自組織Self-organize，前面有人提到的複雜系統，乃至湧現理論（emergency）都有涉及。
鳥類，昆蟲，魚群，大地上的哺乳動物遷徙，都可以算作是群體運動，swarming behavior，是一種通過群體內部個體之間按照一定規則互相影響並對內部或外界因素產生回應的一種運動模式。
1988年craig raynolds 第一次在計算機里進行了模擬 並提出了三個基本運動規則：
1 separation：大意是物體之間保持一定距離，當距離過近會向遠離的方向移動，過遠則靠近；
2 alignment： 物體會按照周圍單位運動的方向運動；
3 cohesion：物體會朝向周圍單位的平均位置移動
自然界中具體的規則肯定比這個要複雜的多，比如說沙丁魚遇到天敵，整個群體在保持基本原則的同時還會與捕食者之間產生規則，從最先反應的個體開始，信息傳遞至整個魚群，來進行避讓。或者是baitball， 魚群形成像球體一樣的形狀，但是又保持互相之間的規則，來對天敵進行防禦和恐嚇。
當然 並不是所有動物都會有這種行為模式，同時還會受到很多環境因素，比如季節溫度磁場生態環境等等影響。
對於這種運動的研究已經被用在了很多方面，電腦模擬，動態的形態生成，以及最優化答案之類的。 群里運動引發出來的最常見的理論研究是群體智能Swarm intelligence，這方面了解的不全面，題主有興趣可以搜搜看。海龜下蛋據說時間地點全部固定死，有人在也不會移開幾公里，魚類也是在河固定地點，有水壩也不轉移陣地下蛋，只能等
技能，生物有一部分是習得的，就是說學習，比如猩猩學會用石頭砸堅果（據說這點事情要媽媽教10年才行，你就知道畜生再聰明也是畜生），有一部分是遺傳自帶的，比如蜘蛛結網，它天生就會，不用教的，前者學習部分人類畢竟好理解，畢竟我們看家本領之一就是學習，後者畢竟玄，這個我也不是完全理解，就是說蜘蛛結網這事情啊，已經被刻在它的基因里，我們通常理解一個生命長得樣子是遺傳來的，喜歡吃啥也算，但是理解遺傳技能這個有點暈，但是我們換個角度，不糾結這個，遷徙，包括遷徙裡面的時間地點，一群貨擺隊形，中途落腳點各種，這都算技能吧，不管你是後天習得的還是已經被愛你祖先刻在了基因里，反正你沒有這兩下子你就的死，你看著辦吧。所以很多動物個體甚至物種就沒了，剩下的都是不管是跑還是爬都要學會這些技能的
問題的重點如果在統一運動的話，答案可能是這樣的。
候鳥、魚類、昆蟲，或者說很多動物（甚至包括人類）在做群體運動的時候可能都是在遵守柏德三規則，就是這樣簡單的規則保證了整個運動的有序性。
柏德三規則（複雜系統_百度百科）：
1、它儘力與其他障礙物包括其它「柏德」保持最小的距離；
2、它儘力與其相鄰的「柏德」保持相同的速率；
3、它儘力朝其相鄰群的聚集中心移動。
或者簡單的解釋為不碰撞、矢量速度取平均。
以上觀點源於看過的一本書《完美的群體》的序言部分以及百度百科。
至於為什麼會遷徙，應該是本能吧。只要有極少數群體（類似於人群的中的意見領袖）在合適的時機開始行動，就很容易激發上述的行為，造成大規模的群體運動。
===
其實不是很懂，如果有說得不太清楚或者不對的地方請各位指正。作為女神的問題，我決定要認真回答，看到多童鞋比如 @周不潤 分析了鳥類， @田雅夫 分析了魚類和昆蟲，鑒於如此現狀，考慮到這個題目比較大，我就回答其中的一個子問題：
大量的動物（哺乳類）同時遷徙或者統一運動，是怎麼組織起來的？
即使是哺乳類，題目仍然很大，考慮到自己的能力實在有限，我決定再次降低問題難度。
人作為萬物之靈長，是哺乳類最具代表性一種生物。
所以，我們最後的探討目標就定在人的遷徙上。
現在，問題變成這樣：
大量的動物（人）同時遷徙或者統一運動，是怎麼組織起來的？
中國作為全球人口最多的國家，顯然是最具代表性的研究地域。
和所有的哺乳動物遷徙一樣，中國人的遷徙同樣遵循這古老的節氣變換。
中國人將這種規律性極強的遷徙活動，稱之為：春運。
和普通的哺乳動物不同，在春運這件事上，中國人不需要誰組織，不需要跟隨誰，他們有極強的自組織能力，有極明確的方向和獨特的組織方式，
有的以家庭為單位，以同鄉為口號，呼朋引伴，聚成車隊，浩浩湯湯，直奔故鄉：
春運中也有自組織能力不夠強的個體，但不要著急，人類進化程度極高，他們不會拋棄這種弱小的個體，他們可以通過另外的渠道：搶票。
生命如此美好，生活如此殘酷，生物的進化總是充斥著殘酷的淘汰。
那些既沒有強大自組織能力，沒有執行力，又搶不到票的弱小個體，就只能在這場生命的奇蹟中成為看客，被無情的拋棄了。等待他們的將是無處話凄涼的生（guo）命（nian）嚴冬。
遷（chun）徙（yun）是一場生命的旅行，是生命進化千百年來的本能，下面我們做適當的延伸，在科技發達的今天，我們用大數據來看看（zhong）人（guo）類（ren）遷徙的某些神奇之處。
遷徙痕迹圖【全國8小時遷徙圖】
這些頻繁的遷徙痕迹，再一次證明了胡煥庸線的正確性。
這些頻繁的遷徙痕迹，再一次證明了胡煥庸線的正確性。
最熱鬧的遷徙路線【最熱線路】
最多遷徙初始地【遷出熱市】
最熱遷徙目的區域【遷入熱市】
----------------------------------------------------------------------------------------------------------------------------------------
以上。腦洞打開。
這個不用長文字解答XD，請看紀錄片《我是一隻季候鳥》（法國獲獎紀錄片）還有關鍵答案在此片《生存贏家：裝備競賽》，你可以看到我們和地球上現存的動植物是怎麼活過來的┑(￣Д ￣)┍
這是一場自然選擇，在進化路線上走對路了就能留下來，記得裡面有句話印象很深「獵豹造就了羚羊，就如羚羊造就了獵豹」。古生物（地球剛產生生命不久那會）是沒有這麼多功能的，它們互相碰撞和獵食。
動物的遷徙本能和運動本能（例如上億隻蝗蟲一起飛舞時它們的身體不會發生碰撞，因為進化有各種感受器，飛行穩定器（之類的組織））
每種動物都有類似或有獨特的技巧┑(￣Д ￣)┍，例如人類在群體移動中使用雙眼確定自己的位置。魚有側線可以感受水壓的變化。蒼蠅的毛能感受氣壓的變化（所以蒼蠅拍要有柵格的，可減少揮動的風壓，使蒼蠅來不及躲避。）
候鳥腦子裡有類似指南針的感受器3，能夠分辨遷徙方向（這個不知道有沒有證實，貌似小學語文里有講過）
所有動植物都發源於海洋，進化樹都能追溯到同一個主幹上。所有人類都發源於非洲，每個人種的基因都能追溯到三支非洲移民（是不是扯遠了）
要更全面的了解這個問題，還可以看看《神秘的混沌理論》這個理論解釋了為何地球有萬物，看完後，我們就能看到所有事物都有類似的模式，無論地貌，人類社會結構，人類情感，動植物神馬的，都有「類似但又不一樣」的規律，任由其發展，就成了現在的世界了。
寫到這我把問題忘了……抱歉
推薦剛看過的一本書《群智能》
當個體不存在自我認知，官感本能就是群體的一部份。只有三月以上大的人類才具備自我認知而可人完全獨立行動。人就如有機代謝系內之癌細胞，獨立而不受控於系統運作之恊同行為。個人認知的強化，更進一步弱化人類的社會性，失卻對自然恊同本能。
群體的運動本為生命體的本能，各種感官聯繫以多樣形式存在，只有人類在弱化，退化。而不以為是生命體的常態。
一直到去縣城上高中，我才離開那個在鄂西北的小村莊。燕子是最常見的候鳥，總是在春分和清明之間的某天飛抵我的故鄉。在屋檐下或者乾脆就在天花下築巢，生養。等到了盛夏，第二窩雛燕試飛成功，一屋檐的嘰嘰喳喳。燕子離去的時間應該在秋分和寒露之間，那會兒是農忙時節，沒人顧得上他們，彷彿突然之間就沒了它們蹤跡。
我家門前80米的地方是一個池塘，池塘邊有一些喬木，也有一些灌木。某年秋天的夜晚，帶著手電筒的我溜達至池塘的一角，聽得一片唧唧喳喳聲，聲音不大，但能聽到數量眾多。手電筒掃過的地方，樹上的每個枝條都站著燕子，密密匝匝，那數量根本超過了常駐我們一村的燕子總數。
第二天，我們就再沒見到燕子，一直到第二年的春分時節。
在《失控》裡面看到一種概念。
這些物種，都有一種集體智慧。（這也是他們很難獨自存活的原因）
當然這應該是未被科學證實的假說。
有點跑偏。
就像你玩遊戲似的大家發育得差不多了…於是先幾個往前沖後面的馬上領會意思於是遷徙就發起了……
最大規模的哺乳動物遷移是因為過年了
《鳥類學》第二版，有一張專門講鳥類遷徙的，自己去看吧，我只能去幫你到這裡，因為我沒看完呢，哈哈哈哈。
大量的動物（哺乳類，鳥類，魚類，昆蟲類）同時遷徙或者統一運動，是怎麼組織起來的？
怎麼組織？誰組織？他們怎麼知道要跟隨？跟隨誰？
從人類行為學解釋如下：
情況1：
非組織型
在人潮洶湧的廣場上，一低胸美女穿場而過，首先，吸引所有人的目光（宅男是痴迷的目光----畫外音：女神，女神。宅女是仇恨的目光---畫外音：弄死你，弄死你）
突然，某宅男身不由己的跟上了女神的腳步。
其他宅男心道：我X，你丫的想搶先？不行，我得趕上。
然後，其他宅女也跟上：敢跟我搶男人？追上你弄死你，弄死你。
再然後，路過的大叔大媽也跟上了：怎麼怎麼？這裡排隊有優惠券么？
最後，所有人都跟風都跑了。
情況2：
有組織型
這個我就用一個圖來說明吧（圖片來源百度圖片）
大量的人類同回一個帖或者統一答一個題，是怎麼組織起來的？
怎麼組織？誰組織？他們怎麼知道要跟隨？跟隨誰？
很顯然有個發帖者或提問者，但是為毛要跟帖回答？還那麼多人，為毛不跟那些人少的？因為慾望大，供需足，門檻低，等等生物學因素及其衍生出的社會學因素
簡單言之群體性效應都有普遍需求為前提，帶頭者往往是需求最旺盛者，跟風者是有同樣需求者，如此競相前赴後繼，這就是自組織，看似雜亂無章卻有規律可循
動物同理
當然，要形成更複雜的社會秩序，就需要更不那麼淺顯的動機不那麼生物本能的慾望，以及更複雜的組織形式和反覆嘗試，互相學習改進，人類比動物更高級的地方
簡言之 兩方面
①自身基因決定
②外界信息的傳遞與信息在族群中的反饋綜合作用
推薦閱讀：