Бджоли: Найкращі запилювачі світу
Бджоли, найкращі запилювачі світу, є важливою частиною біорізноманіття, від якого безпосередньо залежить наше виживання. Ці крилаті комахи відомі перш за все завдяки високоякісній їжі, такій як мед, а також воску, прополісу, пилку та желе, серед інших продуктів. Що ще важливіше, вони відповідають за запилення безлічі квітучих рослин, включаючи більшість сільськогосподарських культур світу, що дозволяє рослинам розмножуватися та виробляти фрукти, овочі та насіння.
Щоб досягти цього, бджоли використовують свої волохаті тіла та переносять пилок з однієї квітки на іншу. Хоча бджоли не є єдиними запилювачами, оскільки птахи, мавпи та навіть люди також запилюють, бджоли, безумовно, є найпоширенішими запилювачами. За оцінками, понад 87% усіх видів квіткових рослин залежать від тварин, при цьому бджоли є основною групою для запилення, що є важливою екосистемною послугою, життєво важливою для біорізноманіття та продовольчої безпеки.
Бджоли насправді є дуже розумними комахами, і люди вивчають їхню поведінку, манери та соціальні взаємодії, щоб зрозуміти здоров’я екосистеми, зміни в навколишньому середовищі та покращити ефективність запилення культур. Більш того, бджоли використовуються як модель для розуміння кооперативної поведінки та картографування того, як маленькі мозки координують складні соціальні завдання.
Вчені також черпають натхнення з бджіл для розвитку технологій. Наприклад, їхні стратегії навігації та комунікації застосовуються в технології дронів. Поведінка бджіл також надихнула робототехніку, алгоритми та штучний інтелект.
Щодо цього, дослідники тепер виявили, що бджоли використовують свої рухи під час польоту, щоб покращити сигнали мозку, що дозволяє їм навчатися та розпізнавати складні візуальні патерни з великою точністю. Ця сприйняття на основі руху, згідно з новим дослідженням, може революціонізувати розвиток штучного інтелекту та робототехніки наступного покоління, акцентуючи ефективність над величезною обчислювальною потужністю.
Інтелект бджіл: Що маленькі мозки можуть навчити нас про ШІ
Візуальні навчальні здібності бджіл просто вражаючі. Це очевидно з того факту, що вони можуть навчитися асоціювати колір з винагородою, а також ідентифікувати специфічні риси для класифікації візуальних патернів. Вони навіть продемонстрували здатність розуміти абстрактні концепції та вирішувати чисельні завдання, послідовно скануючи елементи в межах стимулу.
Основна концепція в когнітивній науці, чисельність відноситься до кількості предметів у наборі і зазвичай вивчається в контексті візуального сприйняття, де вона відноситься до здатності швидко сприймати кількість об’єктів у сцені без підрахунку. Таким чином, завдання на чисельність аналізують вроджену здатність мозку сприймати та оцінювати кількості.
Отже, бджоли мають виняткові здібності, що робить їх цінною моделлю тварин для вивчення принципів візуального навчання, аналізуючи їхні поведінкові реакції. Але справа в тому, що досі не відомо, як бджоли здатні ідентифікувати складні патерни та сприймати складності навколишнього світу під час збору нектару, враховуючи їхню нібито низьку візуальну чутливість та обмежені нейронні ресурси.
Візуальні сенсорні нейрони насправді вважаються еволюційно розвиненими для використання регулярностей у природних сценах. Наприклад, дослідження показали, що сенсорні шляхи комах та пов’язані з ними поведінки динамічно адаптуються до різних навколишніх умов. Відповіді коригуються на основі вхідних даних, таких як просторові частоти, контраст та просторово-часові кореляції.
Коли мова йде про активні стратегії вибірки, коли тварини постійно сканують своє середовище, щоб витягти візуальну інформацію з часом, така поведінка була широко спостережена серед видів. Хоча примати використовують рухи очей, щоб покращити свою точність просторового розрізнення та покращити кодування природних стимулів, комахи застосовують стратегії, які включають рухи голови та тіла або специфічні траєкторії підходу.
У випадку бджіл, ймовірно, вони покладаються на активне зорове сприйняття та послідовну вибірку, щоб створити сильне та стійке нейронне представлення свого оточення. Ці стратегії відіграють ключову роль у ранній візуальній обробці, зменшуючи надмірність та роблячи кодування візуальних стимулів більш ефективним. Але знову ж таки, наше розуміння того, як ці механізми дозволяють бджолам виявляти візуальні регулярності, долати обмеження репрезентації та вирішувати складні завдання залишається обмеженим.
Згідно з останнім дослідженням, розуміння цих стратегій є критично важливим для розкриття основних принципів зорового сприйняття комах та їхніх більш широких наслідків для візуальної обробки в біологічних та штучних системах.
Отже, спираючись на своє попереднє дослідження, яке оцінювало польотні траєкторії бджіл під час простого візуального завдання, дослідники тепер вивчають основні елементи схем, які сприяють активному зору в розпізнаванні ахроматичних патернів. Основною метою дослідження є визначити, як поведінка сканування бджіл сприяє організації та зв’язності нейронів у їхніх зорових частках.
Дослідники з Університету Шеффілда висунули гіпотезу, що поведінка сканування адаптувалася для вибірки складних візуальних ознак таким чином, щоб кодувати їх більш ефективно в нейронах лобули. Це, в свою чергу, сприяє унікальним репрезентаціям, які підтримують навчання в маленькому мозку бджіл. Щоб перевірити цю гіпотезу, вони розробили нейроморфну модель зорових лобул бджоли.
Дослідники включили принципи кодування через нову модель неасоціативної пластичності. Це дозволило моделі самоорганізувати свою зв’язність у межах зорової лобули, створюючи ефективні репрезентації навколишнього середовища та ведучи до виникнення клітин, чутливих до орієнтації, які є важливими для кодування складних візуальних сцен.
Фреймворк візуальної обробки був додатково вдосконалений шляхом використання ще одного модуля для прийняття рішень, який черпав натхнення з асоціативних механізмів навчання комах. Симуляції дослідників показують, що невелика підмножина нейронів лобули, чутливих до специфічних орієнтацій та швидкостей, може стискати складні візуальні середовища в репрезентації, виражені як частота спалахів. Ці рідкісні репрезентації ефективно розрізняють між патернами плюс та множення, що підкреслює ширшу застосовність моделі.
Отримані в дослідженні висновки можуть допомогти просунути наше розуміння біологічного зору та когніції та надихнути розвиток нових обчислювальних моделей для завдань візуального розпізнавання.
Як зорове сприйняття, натхнене бджолами, формує робототехніку та ШІ
Останнє дослідження, спільна робота з Університетом Королеви Марії в Лондоні та опубліковане в журналі eLife, детально описало цифрову модель мініатюрного мозку бджоли. Воно використовує дивовижний спосіб, яким ці комахи поєднують свої мозки та тіла, щоб допомогти просунути технології та зробити майбутні роботи розумнішими та ефективнішими. Подібно до того, як бджоли використовують свої рухи під час польоту, щоб створити чіткі сигнали мозку та спростити складні візуальні завдання, технології наступного покоління також можуть збирати відповідну інформацію через рух, а не покладатися на величезну обчислювальну потужність.
Дослідження, врешті-решт, продемонструвало, що навіть маленькі мозки комах здатні вирішувати складні візуальні завдання. Факт, що кілька клітин мозку можуть робити так багато, означає, що інтелект — це не просто справа мозку, а результат роботи мозку, тіла та навколишнього середовища в єдності.
Створення цифрової версії мозку бджоли допомогло дослідникам виявити, що спосіб, яким бджоли рухають свої тіла під час польоту, сприяє їхньому візуальному сприйняттю форм. Ці рухи також виробляють унікальні електричні сигнали в їхніх мозках, що дозволяє їм легко та ефективно ідентифікувати передбачувані риси навколо них.
Це демонструє вражаючу точність бджіл у навчанні та ідентифікації складних візуальних патернів під час польоту.
“У цьому дослідженні ми успішно продемонстрували, що навіть найменші мозки можуть використовувати рух, щоб сприймати та розуміти навколишній світ. Це показує нам, що маленька, ефективна система — хоча й результат мільйонів років еволюції — може виконувати обчислення, які значно складніші, ніж ми раніше вважали можливими.”
— Старший автор дослідження, професор Джеймс Маршалл, директор Центру машинного інтелекту в Університеті Шеффілда
Спираючись на найкращі дизайни природи для інтелекту, Маршалл зазначив, що це прокладає шлях для “наступного покоління ШІ, що сприяє розвитку робототехніки, автономних транспортних засобів та навчання в реальному світі.”
Як зазначалося раніше, це дослідження базується на їхньому попередньому дослідженні про те, як бджоли використовують активне зорове сприйняття, де їхні рухи допомагають збирати та обробляти візуальну інформацію. Остання робота глибше досліджує основні механізми мозку, які керують їхньою поведінкою під час польоту та перевірки специфічних патернів.
“У нашій попередній роботі ми були вражені тим, що бджоли використовують хитрий скануючий шлях для вирішення візуальних головоломок. Але це лише показало нам, що вони роблять; для цього дослідження ми хотіли зрозуміти, як.”
— Ведучий автор, доктор ХаДі МаБуді з Університету Шеффілда
Розвинуті здібності бджіл до навчання візуальних патернів насправді давно зрозумілі. Це включає їхню здатність розрізняти людські обличчя, але не в тому, як вони орієнтуються у світі з такою ефективністю.
“Наша модель мозку бджоли демонструє, що її нейронні кола оптимізовані для обробки візуальної інформації не в ізоляції, а через активну взаємодію з її рухами під час польоту в природному середовищі.”
— МаБуді
І це, за його словами, підтримує теорію про те, що інтелект виникає з взаємодії мозку, тіла та навколишнього середовища.
“Ми дізналися, що бджоли, незважаючи на те, що їхні мозки не більші за насіння кунжуту, не просто бачать світ — вони активно формують те, що бачать, через свої рухи. Це прекрасний приклад того, як дія та сприйняття глибоко переплетені для вирішення складних проблем з мінімальними ресурсами. Це має великі наслідки як для біології, так і для ШІ.”
— МаБуді
Модель, створена в результаті спільних зусиль, показує, що нейрони бджоли стають дуже чутливими до специфічних рухів та напрямків, оскільки їхній мозок повільно адаптується через повторне вплив різних стимулів. Це покращує їхні реакції без необхідності покладатися на асоціації чи підкріплення.
Це означає, що мозок бджоли адаптується до свого середовища просто спостерігаючи під час польоту, без необхідності в негайних винагородах. Усе це здійснюється за допомогою лише кількох нейронів, що зберігає як енергію, так і обчислювальну потужність, роблячи їхній мозок неймовірно ефективним. Тепер, щоб перевірити модель, команда піддала її тим самим візуальним викликам, з якими стикаються реальні бджоли. У цьому випадку обчислювальна модель повинна була розрізняти між знаком “плюс” та знаком “множення”.
Коли вона імітувала стратегію реальних бджіл, скануючи лише нижню половину патернів, модель показала значно покращену продуктивність. Більше того, модель успішно продемонструвала, як бджоли можуть розпізнавати людські обличчя, використовуючи лише невелику мережу штучних нейронів, підкреслюючи універсальність та силу їхнього візуального сприйняття.
“Вчених завжди цікавило питання, чи розмір мозку передбачає інтелект у тварин. Але такі спекуляції не мають сенсу, якщо не відомі нейронні обчислення, що лежать в основі певного завдання. Тут ми визначаємо мінімальну кількість нейронів, необхідних для складних завдань візуального розрізнення, і виявляємо, що ці числа вражаюче малі, навіть для складних завдань, таких як розпізнавання людських облич. Отже, мікромозки комах здатні на складні обчислення.”
— Професор Ларс Чітка, професор сенсорної та поведінкової екології в Університеті Королеви Марії в Лондоні
Таким чином, це дослідження додає до доказів того, що тварини не просто пасивно отримують інформацію. Насправді, вони активно працюють з нею. Бджоли, зокрема, мають вищий рівень візуальної обробки, і модель демонструє, як поведінково зумовлене сканування може створювати стиснуті, навчальні нейронні коди.
“Разом ці знахідки підтримують єдину структуру, в якій сприйняття, дія та динаміка мозку еволюціонують разом для вирішення складних візуальних завдань з мінімальними ресурсами — пропонуючи потужні інсайти як для біології, так і для ШІ.”
— Професор Мікко Юусола, професор системної нейронауки в Школі біонаук та Нейронауковому інституті Університету Шеффілда
Інвестування в технології ШІ
У світі ШІ та робототехніки Qualcomm — відоме ім’я, яке досліджує нейроморфні та edge-AI технології. Більше десяти років тому Qualcomm випустила процесори Qualcomm Zeroth, щоб імітувати людське сприйняття та навчання, так само як це роблять біологічні мозки. Окрім біологічно натхненного навчання, метою було відтворити ефективність, з якою наш мозок передає інформацію, та стандартизувати нову архітектуру обробки, звану Нейронним обробним блоком (NPU).
Її платформа для робототехніки RB6, тим часом, живить робототехніку наступного покоління та інтелектуальні машини, включаючи роботи для доставки, автономні мобільні роботи (AMRs), літаки UAM, виробничі роботи, автономні рішення для оборони та багато іншого. Платформа забезпечує енергоефективну, передову edge-AI обробку та відеообробку з 5G підключенням для роботів.
Перш за все, Qualcomm займається розробкою основних технологій для бездротової промисловості, включаючи 3G, 4G, 5G, бездротове підключення та обчислення з високою продуктивністю та низьким споживанням енергії.
Останнім часом Qualcomm запустила Dragonwing Q-6690 для своїх корпоративних клієнтів, менш ніж через шість місяців після представлення Dragonwing набору продуктів. Компанія стверджує, що цей чіпсет є першим у світі мобільним процесором з вбудованими можливостями ультрависокочастотного RFID.
Завдяки своїм промисловим та вбудованим IoT, мережевим та стільниковим інфраструктурним рішенням компанія прагне використовувати їх для спрощення складності, оптимізації операційної ефективності та надання можливості для розумніших рішень.
Останні новини та події акцій Qualcomm (QCOM)
Тварини давно надихають технології, і тепер бджоли показують нам, що інтелект не про розмір мозку, а про ефективність, адаптивність та безшовну інтеграцію тіла, мозку та навколишнього середовища. Ці уроки можуть допомогти трансформувати дизайн ШІ.
ШІ є однією з найсучасніших та швидко розвиваючихся галузей, яка привертає значну увагу, капітал та розвиток. Масштабування величезних моделей, однак, є дорогим, енергоємним та нестійким. Тут дослідження, натхнене бджолами, пропонує альтернативу: маленькі, ефективні нейронні мережі, які можуть досягати більшого з меншим.
Можливість стежити за новинами у більш стислому форматі в Facebook або Telegram повернутися на головну сторінку