Kai kurios skruzdėlės, pavyzdžiui, priklausančios rūšiai Messor sancta, valydamos skruzdėlyną nuo kritusių savo kolonijos narių, sukrauna jas į krūveles. Paveikslėlyje yra rodoma tokių skruzdėlių kapinių atsiradimo dinamika. Nors pradžioje negyvos skruzdėlės yra pasiskirsčiusios visiškai atsitiktinai, jau po kelių valandų nuo bandymo pradžios skruzdės - darbininkės jas tvarkingai sukrauna į kelias didesnes krūveles.

   Skruzdėlynuose galima aptikti dar vieną panašų reiškinį. Skruzdės darbininkės sistemingai tvarko visos kolonijos perus. Kiaušinėliai ir mažesnės lervos yra sudedamos centre, didžiausios lervos - pakraščiuose, o lėliukės - tarp jų. Toks elgesys aiškinamas tuo, jog skruzdėlės paima ir padeda įvairius objektus priklausomai nuo to, kiek aplinkui mato panašių. Pavyzdžiui, jei skruzdė randa tarp kiaušinėlių lervą, labiausiai tikėtina, kad ji pakels "blogai gulinčią" lervą ir nutemps ją ten, kur ras daugiau panašių lervų.

   Analizuodami skruzdžių elgseną du mokslininkai: Erikas Lumeris iš Londono universiteto kolegijos ir Baldo Faieta iš firmos "Interval Research" Kalifornijoje, sugalvojo metodą, kurį galima panaudoti tvarkant dideles kompiuterines duomenų bazes. Įsivaizduokime, kad bankas nori nuspręsti, kurie iš jo klientų yra patikimesni ir grąžins pasiskolintus pinigus, o kurie yra urkos.

   Klientų yra labai daug ir dažnas jų niekuomet neėmė paskolos. Bet bankas turi didelę duomenų bazę, kurioje sukauptos žinios apie jų amžių, šeimos padėtį, nekilnojamąjį turtą ir taip toliau. Jeigu bankas sugebėtų vaizdžiai sugrupuoti žmones pagal jų charakteristikas, paskolas išduodantis tarnautojas galėtų gana tiksliai spėti, kiek patikimas yra konkretus klientas. Jei jis patektų į grupę, kurioje vyrauja apgavikai, vertėtų pagalvoti ar jam verta išvis skolinti.

   Kiekvieną klientą Lumeris ir Faieta pavaizdavo tašku plokštumoje. Programos - skruzdėlės gali judinti klientus po tą plokštumą, pakeldamos vienur ir padėdamos ten, kur ras daugiau panašių klientų. Atstumas plokštumoje tarp dviejų klientų parodys kiek jiedu yra panašūs ar skirtingi. Pavyzdžiui, kalbant apie amžių, mažesni atstumai atspindės mažesnius amžiaus skirtumus. Dirbtinės skruzdės gali rūšiuoti vienu metu atsižvelgdamos į visus klientų požymius. Priklausomai nuo to, kokius tikslus diktuoja banko politika, programa vienus požymius gali vertinti labiau nei kitus.

   Po šitokios analizės vienoje krūvelėje rasime apie 20 m. amžiaus žmones, daugiausia gyvenančius kartu su savo tėvais, kitoje apie 57 m. amžiaus ištekėjusias moteris ar našles, turinčias jau išsipirktus namus.

   Aišku, bankai ir draudimo kompanijos panašios rūšies analize naudojosi ir seniau, bet ši "skruzdėlyno koncepcija" leidžia labai paprastai vizualizuoti įvairius duomenis, o pačios vartotojų grupės atsiranda automatiškai, vos įvedus į kompiuterį duomenis. Tradiciniuose metoduose būdavo iš anksto, pagal tam tikrus požymius apibrėžiamas tam tikras klientų grupių skaičius, prie kurių vėliau buvo priderinami naujai įvesti duomenys. Taigi rūšiuojant duomenis taip, kaip tai daro skruzdės, galima atrasti tokias klientų panašybes, kurios kitaip liktų nepastebėtos.