“群体智能通过利用简单的规则和集体行为在嘈杂的环境中进行适应，使得个体代理即使面对不确定性也能做出决策。在这样的环境中，噪声可能会干扰代理收集准确的信息。然而，群体系统仍然可以依靠群体动态的力量有效运作。例如，当一组机器人搜索目标时，它们可能会遇到虚假信号或障碍。通过使用强化学习和类似信息素的信号等技术，这些机器人可以根据之前行动的成功或失败调整其行为，从而在噪声中提升性能。
适应的一个关键方法是冗余。在群体中，多个代理通常会在同一任务上工作，这确保了如果一些代理被噪声误导，其他代理仍然可以提供有效的信息。例如，在蚂蚁群落中，如果一些蚂蚁对误导性气味轨迹作出反应，大多数蚂蚁仍然可以找到最可靠的回食源路径。这样的集体决策最大限度地减少了个体错误的影响。此外，通过允许代理共享信息，例如识别可信信号而忽视其他信号，群体能够在干扰面前保持更强的功能性。
此外，群体智能还利用自组织，代理会根据局部的互动自发调整其行为。通过局部规则，代理决定如何移动或调整其策略，而无需集中控制系统。这种去中心化有助于过滤噪声，因为它鼓励小组内的意见多样性。例如，在鱼群中，如果一些鱼由于分心开始不规律地移动，其余鱼群仍然可以保持凝聚力并调整其移动以避免潜在威胁。总体而言，冗余、信息共享和自组织的结合使得群体智能能够在嘈杂环境中蓬勃发展，形成更具韧性的系统。”