Rahasia lebah untuk pembelajaran yang sangat efisien dapat mengubah AI dan robotika

Sebuah penemuan baru tentang bagaimana lebah menggunakan gerakan penerbangan mereka untuk memfasilitasi pembelajaran yang sangat tepat dan pengakuan pola visual yang kompleks dapat menandai perubahan penting dalam cara generasi AI berikutnya, menurut sebuah studi oleh University of Sheffield.

Bangunan a Model komputasi—To versi digital otak lebah: para peneliti telah menemukan bagaimana jalannya Lebah Menggerakkan tubuh Anda selama penerbangan membantu membentuk entri visual dan menghasilkan pesan listrik yang unik di otak Anda. Gerakan -gerakan ini menghasilkan sinyal neuron yang memungkinkan lebah untuk dengan mudah dan efisien mengidentifikasi karakteristik dunia yang dapat diprediksi yang mengelilinginya. Keterampilan ini berarti bahwa lebah menunjukkan ketepatan yang luar biasa dalam belajar dan pengakuan pola visual yang kompleks selama penerbangan, seperti yang ditemukan dalam bunga.

Model tidak hanya memperdalam pemahaman kita tentang bagaimana lebah belajar dan mengenali pola kompleks Melalui gerakannya, tetapi juga membuka jalan bagi AI generasi berikutnya. Ini menunjukkan bahwa robot masa depan bisa lebih pintar dan lebih efisien saat menggunakan gerakan untuk mengumpulkan informasi, alih -alih tergantung pada kekuatan komputer massal.

Profesor James Marshall, Direktur Pusat Intelijen Mesin dari Universitas Sheffield dan penulis utama dokumen tersebut, mengatakan: “Dalam penelitian ini kami telah berhasil menunjukkan bahwa bahkan otak terkecil dapat mengambil keuntungan dari gerakan untuk memahami dan memahami dunia yang mengelilingi mereka. Ini menunjukkan kepada kami bahwa sistem kecil dan efisien adalah hasil jutaan tahun evolusi, Anda dapat melakukan lebih banyak kompleks daripada kompleks yang lebih besar daripada jutaan tahun yang dipertimbangkan.

“Manfaatkan desain alam terbaik untuk kecerdasan membuka pintu bagi generasi AI berikutnya, mempromosikan kemajuan dalam robotika, kendaraan otonom dan pembelajaran dunia nyata.”

Studi ini, kolaborasi dengan University of London oleh Ratu Mary, IS diterbitkan Hari ini di koran anggun. Ini didasarkan pada penelitian sebelumnya dari tim tentang bagaimana lebah menggunakan visi aktif: proses di mana gerakan mereka membantu mereka mengumpulkan dan memproses informasi visual. Sementara karyanya sebelumnya mengamati bagaimana lebah terbang dan memeriksa pola spesifik, studi baru ini memberikan pemahaman yang lebih dalam tentang mekanisme otak yang mendasari yang mendorong perilaku itu.

Keterampilan belajar yang canggih dari pola visual lebah, seperti diferensiasi antara wajah manusia; Namun, temuan penelitian memberi cahaya baru tentang bagaimana penyerbuk berlayar dunia dengan efisiensi yang tampaknya sederhana.

Dr. Hadi Maboudi, kepala sekolah dan peneliti di University of Sheffield, mengatakan: “Dalam pekerjaan kami sebelumnya, kami terpesona menemukan bahwa lebah menggunakan jalan pintas pemindaian yang cerdas untuk memecahkan teka -teki visual. Tetapi itu memberi tahu kami apa yang kami lakukan; untuk penelitian ini, kami ingin memahami caranya.

“Model otak lebah kami menunjukkan bahwa sirkuit neuronnya dioptimalkan untuk diproses Informasi Visual Bukan dalam isolasi, tetapi melalui interaksi aktif dengan pergerakan penerbangannya di lingkungan alam, mendukung teori bahwa kecerdasan berasal dari bagaimana otak, tubuh, dan lingkungan bekerja bersama.

“Kami telah belajar bahwa lebah, meskipun memiliki otak yang tidak lebih besar dari benih wijen, tidak hanya melihat dunia, tetapi secara aktif membentuk apa yang mereka lihat melalui gerakan mereka. Ini adalah contoh yang indah tentang bagaimana tindakan dan persepsi sangat terkait untuk memecahkan masalah kompleks dengan sumber daya minimal. Ini adalah sesuatu yang memiliki implikasi penting untuk biologi dan AI.”

Model ini menunjukkan bahwa neuron lebah menjadi disetel dengan baik ke arah dan gerakan tertentu karena jaringan otak mereka secara bertahap beradaptasi melalui paparan berulang terhadap berbagai rangsangan, menyempurnakan jawaban mereka tanpa tergantung pada asosiasi atau penguatan. Ini memungkinkan otak lebah untuk beradaptasi dengan lingkungannya hanya dengan menonton saat terbang, tanpa memerlukan hadiah instan. Ini berarti bahwa otak sangat efisien, hanya menggunakan beberapa neuron aktif untuk mengenali berbagai hal, mempertahankan energi dan daya pemrosesan.

Untuk memvalidasi model komputasi mereka, para peneliti mengirimkannya ke tantangan visual yang sama yang ditemukan oleh lebah sungguhan. Dalam percobaan mendasar, model ini memiliki tugas untuk membedakan antara satu tanda lagi dan tanda perkalian. Model ini menunjukkan kinerja yang meningkat secara signifikan ketika meniru strategi lebah nyata untuk memindai hanya bagian bawah pola, perilaku yang diamati oleh tim peneliti dalam penelitian sebelumnya.

Bahkan dengan hanya jaringan kecil neuron buatan, model ini berhasil menunjukkan bagaimana lebah dapat mengenali wajah manusia, menggarisbawahi kekuatan dan fleksibilitas pemrosesan visual mereka.

Profesor Lars Chittka, seorang profesor ekologi sensorik dan perilaku di Queen Mary of London, menambahkan: “Para ilmuwan telah terpesona oleh pertanyaan apakah ukuran otak memprediksi kecerdasan pada hewan. Tetapi spekulasi seperti itu tidak masuk akal kecuali orang mengetahui perhitungan saraf yang mendukung tugas yang diberikan.

“Di sini kami menentukan jumlah minimum neuron yang diperlukan untuk tugas diskriminasi visual yang sulit dan kami menemukan bahwa jumlahnya sangat kecil, bahkan untuk tugas -tugas kompleks seperti pengakuan wajah manusia. Oleh karena itu, mikrobrain serangga mampu melakukan perhitungan lanjutan.”

Profesor Mikko Juanola, seorang profesor ilmu saraf di Sekolah Biosciencias dan ilmu saraf dari Universitas Sheffield, mengatakan: “Pekerjaan ini memperkuat sejumlah bukti bahwa hewan tidak menerima informasi secara pasif, secara aktif memberikannya.

“Model baru kami memperluas prinsip ini ke pemrosesan visual orde yang lebih tinggi pada lebah, mengungkapkan bagaimana pemindaian yang didorong oleh perilaku menciptakan kode neuron dan magang yang terkompresi. Bersama -sama, temuan ini mendukung kerangka kerja terpadu di mana persepsi, tindakan, dan dinamika otak berkembang bersama untuk menyelesaikan tugas visual yang kompleks.

Saat mengumpulkan temuan tentang bagaimana serangga berperilaku, bagaimana otak mereka bekerja dan apa yang ditunjukkan oleh model komputer, penelitian ini menunjukkan cara mempelajari otak serangga kecil dapat menemukan aturan intelijen dasar. Temuan ini tidak hanya memperdalam pemahaman kita tentang kognisi, tetapi juga memiliki implikasi yang signifikan untuk mengembangkan teknologi baru.