研究發現蜜蜂大腦能用極少細胞完成復雜視覺任務

　　一項關于蜜蜂如何利用飛行運動實現高度精準學習與識別復雜視覺模式的新發現，可能標志著下一代人工智能開發方式的重大變革。

　　英國謝菲爾德大學科研團隊構建了蜜蜂大腦的數字模型，揭示這些運動如何產生清晰高效的腦部信號，使蜜蜂能輕松理解所見之物。這一發現可能徹底改變人工智能與機器人技術，表明未來機器人可通過運動收集關鍵信息而非依賴龐大計算網絡，從而變得更智能高效。

　　研究強調了一個重要觀點：智能源于大腦、身體與環境的協同作用。它證明即便是微小的昆蟲大腦也能用極少細胞完成復雜視覺任務，這對生物學與人工智能領域均具有重大意義。近日，這項研究發表于eLife。

　　蜜蜂以出人意料的方式協同大腦與身體運作，通過飛行運動簡化復雜視覺任務。這種自然策略可能會重塑人工智能的設計理念。圖源：Shutterstock

　　通過構建計算模型（即蜜蜂大腦的數字版本），研究人員發現蜜蜂飛行時的身體運動如何塑造視覺輸入并產生獨特的腦電信號。這些運動產生的神經信號使蜜蜂能輕松高效地識別周圍環境中可預測的特征。這種能力意味著蜜蜂在飛行中學習與識別復雜視覺模式（例如花朵圖案）時表現出非凡的準確性。

　　該論文通訊作者、謝菲爾德大學教授James Marshall表示：“這項研究成功證明，即使最微小的大腦也能利用運動來感知和理解世界。這表明一個高效的小型系統，盡管是數百萬年進化的結果，也能執行遠比我們想象中更復雜的計算。利用自然界最優化的智能設計，將為下一代人工智能打開大門，推動機器人技術、自動駕駛車輛和現實世界學習領域的進步。”

　　論文合著者、倫敦瑪麗女王大學教授Lars Chittka補充道：“我們確定了完成困難視覺辨別任務所需的最少神經元數量，發現即使對于人臉識別等復雜任務，所需數量也極少。這表明昆蟲微型大腦能完成高級計算。”

　　通過整合昆蟲行為、大腦工作機制與計算模型的研究成果，該研究展示了微小昆蟲大腦如何揭示智能的基本規則。這些發現不僅深化了對認知的理解，更為新技術開發帶來重要啟示。

　　相關論文信息：https://doi.org/10.7554/eLife.89929