📄 Показана версия «Просто» — «Подробно» пока не готова. Добавьте ★ в избранное, если хотите её ускорить. Прошу разобрать полностью

Одинокая рыба видит тень над головой. Бежать? Если это просто лист, она зря потратит силы и выдаст себя хищнику. Если это цапля — промедление смертельно. Таков вечный компромисс одиночки: быстрая реакция означает много ложных тревог, осторожность — риск быть съеденным.

В стае всё иначе. Сосед, который спокойно продолжает щипать водоросли, — это живое доказательство того, что опасности нет. Учёные построили модель, где каждая рыба накапливает сомнительные сигналы, как капли в стакане, и срывается с места, когда уровень переполняется. Оказалось, что бегство соседа — сильный довод в пользу угрозы, но и его неподвижность — довод против. Наивная рыба реагирует только на чужие побеги и с ростом стаи начинает метаться от каждого пустяка. Разумная рыба взвешивает и то и другое — она словно делает скидку на угрозу, пока вокруг тихо.

Эта скидка имеет точную меру. По поведению стаи можно вычислить, насколько сильно животное обесценивает сигнал тревоги, когда соседи спокойны. И у этого числа есть предел: если рыба следит за слишком многими соседями, одной скидки уже не хватает, чтобы сдержать ложные тревоги. Наблюдения за стайками диких моллинезий, на которых нападали птицы, показали: их скидка намного больше, чем может дать простое индивидуальное накопление сигналов. Именно поэтому ложные тревоги в стае не растут, даже когда рыб становится больше.

Так стая превращает слабость одиночки — неизбежные ошибки — в силу. Спокойствие соседа становится таким же важным сигналом, как и его бегство.

Оригинальная аннотация

как её написали авторы, на английском arXiv:2608.14965v1

Solitary animals face a tradeoff when detecting threats: faster detection means accepting more false alarms. We show that groups can manage this tradeoff better by treating an undisturbed neighbor as evidence against a threat, becoming both faster and more accurate than lone individuals. Modeling each animal as a noisy evidence-accumulator that flees when its belief crosses a threshold, we find that a neighbor's flight signals danger while its stillness signals safety. A naive responder reacts only to flights and inflates false alarms as the group grows; a Bayesian responder weighs both, approximated by a single social discounting rate that interpolates between these limits. This yields closed-form expressions for group performance, including cascade branching ratios that stay strongly subcritical in safety and turn supercritical under threat, so the rate at which an animal discounts a threat while its neighbors stay still can be inferred from behavior alone, and it sets a ceiling on how many neighbors an animal can attend before discounting alone can no longer hold its false-alarm rate. Wild sulphur molly shoals under bird attack are best described by discounting rates well above what individually Bayesian updating supplies over any neighborhood they could plausibly attend, and the same model, at the inferred value, predicts a false-alarm rate that stays constant as shoals grow.