V raziskavi, izvedeni v sodelovanju z znanstveniki z Londonske univerze Queen Mary, je bil ustvarjen digitalni model čebeljih možganov, ki omogoča razlago, kako letalna gibanja žuželke pomagajo oblikovati jasne in učinkovite signale v možganih. Ti signali omogočajo čebelam, da zlahka prepoznajo vizualne podobe in se hitro učijo, kar lahko ima daljnosežne posledice za prihodnje razvojne dosežke na področju umetne inteligence in robotike.
Znanstveniki poudarjajo pomembno koncepcijo: inteligenca nastaja iz interakcije med možgani, telesom in okoljem. Kljub miniaturnemu možganu so čebele sposobne reševati zapletene vizualne naloge, pri čemer uporabljajo le nekaj nevronov. To odkritje ne le širi razumevanje bioloških procesov, ampak daje tudi nove ideje za ustvarjanje učinkovitejših in »pametnejših« strojev.
Digitalni model, ki so ga ustvarili raziskovalci, je pokazal, kako gibanja telesa čebele med letom oblikujejo edinstvene električne signale, ki ji omogočajo, da iz okolja pridobi pomembne informacije. Ta gibanja čebelam pomagajo prepoznati zakonitosti in posebnosti, na primer razlike v obliki cvetov, celo med hitrim letom.
Takšen pristop ponuja alternativo tradicionalnim metodam umetne inteligence, ki zahtevajo ogromne računalniške vire. Namesto tega je mogoče ustvariti lažje in učinkovitejše modele, v katerih se gibanje uporablja kot del procesa zbiranja in obdelave podatkov. Avtorji študije navajajo, da so že prej proučevali, kako čebele uporabljajo tako imenovano »aktivno vidno zaznavanje« – tehniko, pri kateri gibanje pomaga pridobivati vizualne informacije. Nova študija poglablja to razumevanje in razkriva, kateri mehanizmi v možganih upravljajo to vedenje.
Že dolgo je znano, da čebele lahko prepoznajo celo človeška obraza, zdaj pa so znanstveniki uspeli razumeti, kako jim to uspeva z tako natančnostjo in minimalnim porabom energije. Izkazalo se je, da se nevroni v možganih čebel natančno prilagajajo določenim smerem gibanja in oblikam predmetov – brez potrebe po okrepitvi ali nagradi. Tako se učenje odvija preprosto z opazovanjem.
Da bi preverili delovanje modela, so ga testirali z nalogami, s katerimi se običajno srečujejo prave čebele. V enem od poskusov je moral digitalni »možgan« razlikovati med znakom »plus« in »množenje«. Model je pokazal največjo učinkovitost, ko je uporabil strategijo, ki jo opazimo pri pravih čebelah – skeniranje izključno spodnjega dela slike. Celo majhna mreža umetnih nevronov je uspešno opravila nalogo prepoznavanja obrazov, s čimer je pokazala, kako močan je lahko sistem vizualne obdelave, navdihnjen z naravo.
