As abelhas usam movimentos de vôo e sequências corporais para ajudar seus cérebros a aprender e reconhecer padrões visuais com notável precisão, de acordo com a pesquisa da Universidade de Sheffield que pode remodelar como a inteligência synthetic da próxima geração é desenvolvida.
A descoberta revela como até pequenos cérebros de insetos podem resolver tarefas visuais complexas Usando surpreendentemente poucas células cerebrais, desafiando suposições sobre inteligência e poder de computação.
A equipe de pesquisa construiu um modelo computacional do cérebro de uma abelha para entender como os movimentos de vôo criam sinais neurais claros que permitem que as abelhas identifiquem com eficiência os recursos em seu ambiente. Essa abordagem biológica sugere que futuros robôs podem se tornar mais inteligentes usando o movimento para coletar informações, em vez de confiar em enormes redes de computadores.
Movimento aciona a precisão neural
O professor James Marshall, diretor do Centro de Inteligência de Máquinas da Universidade de Sheffield, enfatiza as implicações do estudo: “Neste estudo, demonstramos com sucesso que mesmo o menor dos cérebros pode alavancar o movimento para perceber e entender o mundo ao redor deles. Isso nos mostra um sistema pequeno e eficiente – embora o resultado de milhões de anos de evolução – pode realizar computações vidas vidas vivendas vidas e eficiente.
O modelo demonstra como as abelhas geram padrões elétricos exclusivos em seus cérebros através de movimentos de digitalização durante o vôo. Esses movimentos ajudam a criar respostas neurais esparsas e decorrelacionadas, onde apenas neurônios específicos se ativam para recursos visuais específicos – uma estratégia de codificação altamente eficiente que conserva energia e poder de processamento.
As principais conclusões da pesquisa incluem:
- Superioridade ativa da visão: A abelhas digitalizando apenas a metade inferior dos padrões atingidos por 96 a 98% de precisão versus 60% para observação estacionária
- Requisitos neurais mínimos: Apenas 16 neurônios de lobula se mostraram suficientes para tarefas complexas de discriminação de padrões
- Otimização de velocidade: As velocidades normais de varredura superaram os movimentos mais rápidos, sugerindo precisão de tempo evoluída
- Capacidade de reconhecimento de rosto: O modelo identificou com sucesso os rostos humanos, combinando o desempenho actual da abelha
As redes cerebrais se adaptam através da experiência
O estudo revela como a exposição a imagens naturais durante o vôo molda automaticamente a conectividade neural em sistemas visuais de abelhas. O Dr. Hadi Maboudi, pesquisador principal, explica o processo de aprendizado: “Nosso modelo de cérebro de uma abelha demonstra que seus circuitos neurais são otimizados para processar informações visuais não isoladas, mas através da interação ativa com seus movimentos de vôo no ambiente pure”.
Através da aprendizagem não associativa-adaptação neural sem reforço-as redes cerebrais do modelo gradualmente se sintonizavam com direções e movimentos específicos. Isso criou neurônios seletivos de orientação que respondem ao máximo a características visuais específicas, permanecendo em grande parte silenciosa para estímulos irrelevantes.
Os pesquisadores validaram seu modelo computacional usando os mesmos desafios visuais enfrentados pelas abelhas reais. Em experimentos que distinguem entre os sinais Plus e de multiplicação, o modelo teve um desempenho significativamente melhor ao imitar estratégias reais de varredura de abelhas focadas em regiões de padrões específicos.
Implicações para robótica e IA
O professor Lars Chittka, da Universidade de Queen Mary de Londres, destaca o significado mais amplo: “Os cientistas foram fascinados com a questão de saber se o tamanho do cérebro prevê inteligência em animais. Aqui determinamos o número mínimo de neurônios necessários para tarefas de discriminação visible difíceis e descobrimos que os números são incrivelmente pequenos, mesmo para tarefas complexas, como o reconhecimento de rosto humano.”
Os resultados sugerem que a inteligência emerge de como os cérebros, corpos e ambientes trabalham juntos, e não do poder computacional. Esse princípio pode permitir sistemas robóticos mais eficientes que moldem ativamente sua entrada sensorial através do movimento, em vez de processar passivamente conjuntos de dados maciços.
O professor Mikko Juusola observa: “Este trabalho fortalece um crescente corpo de evidências de que os animais não recebem informações passivamente-eles o moldam ativamente. Nosso novo modelo estende esse princípio ao processamento visible de ordem superior nas abelhas, revelando como a varredura comportamentalmente orientada cria códigos neurais aprendidos e comprimidos.”
A pesquisa oferece um caminho para o desenvolvimento de sistemas de IA bio-inspirados que podem reduzir drasticamente os requisitos computacionais, melhorando o desempenho em aplicativos do mundo actual, como navegação autônoma, visão robótica e sistemas de aprendizado adaptativo. Ao aproveitar as idéias evolutivas sobre o processamento eficiente de informações, essas descobertas podem impulsionar os avanços em veículos autônomos e robótica ambiental.
Relacionado
Se nossa reportagem o informou ou inspirou, considere fazer uma doação. Toda contribuição, independentemente do tamanho, nos capacita a continuar fornecendo notícias precisas, envolventes e confiáveis em ciências e médicos. O jornalismo independente requer tempo, esforço e recursos – seu apoio garante que possamos continuar descobrindo as histórias que mais importam para você.
Junte -se a nós para tornar o conhecimento acessível e impactante. Obrigado por ficar conosco!
