AI treba učiti od pčela kako se procesiraju vizualne informacije

Istraživanje Sveučilišta u Sheffieldu otkriva kako pčele koriste mikro pokrete tijekom leta za prepoznavanje vizualnih uzoraka. Njihovi izuzetno mali, ali efikasni mozgovi rješavaju složene vizualne zadatke s minimalnim brojem neurona

Drago Galić subota, 5. srpnja 2025. u 20:22

Istraživanje sa Sveučilišta u Sheffieldu, objavljeno u časopisu eLife, otkriva da pokreti pčela tijekom leta i njihovo migoljenje tijelom pomažu njihovim mozgovima da uče i prepoznaju vizualne uzorke s izvanrednom točnošću. Pčele, unatoč svojim sićušnim mozgovima, manjim od sjemenke sezama, mogu donositi odluke brže i točnije od ljudi, što dovodi u pitanje pretpostavke o inteligenciji i računalnoj snazi.

Znanstvenici su izgradili računalni model pčelinjeg mozga kako bi razumjeli kako pokreti tijekom leta stvaraju jasne neuronske signale koji pčelama omogućuju efikasno identificiranje detalja okoliša. Ovaj biološki pristup sugerira da bi budući roboti mogli postati pametniji korištenjem pokreta za prikupljanje informacija, umjesto da se oslanjaju na masivne računalne mreže. Model pokazuje kako pčele generiraju jedinstvene električne obrasce u svojim mozgovima kroz skenirajuće pokrete tijekom leta. Ti pokreti pomažu u stvaranju rijetkih, dekoriranih neuronskih odgovora gdje se samo specifični neuroni aktiviraju za određene vizualne značajke, što je vrlo učinkovita strategija kodiranja koja štedi energiju i procesorsku snagu.

Model koristi vremensko kodiranje: dok pčela skenira, svaki neuron medule reagira na pokretni objekt u malo drugačije vrijeme. Signali iz tih neurona medule istovremeno stižu do neurona lobule, čineći ga najosjetljivijim na kretanje u jednom smjeru. Ključni nalazi istraživanja uključuju superiornost aktivnog vida, gdje su pčele koje su skenirale samo donju polovicu uzoraka postigle 96-98% točnosti u usporedbi sa 60% za stacionarno promatranje. Za složene zadatke diskriminacije uzoraka bilo je dovoljno samo 16 neurona lobule. Model je također uspješno identificirao ljudska lica, podudarajući se s performansama stvarnih pčela.

Ovo istraživanje naglašava da čak i mali, učinkoviti sustavi, rezultat milijuna godina evolucije, mogu izvoditi znatno složenije izračune nego što se prije mislilo. Istraživanje se nada da će iskorištavanje najboljih prirodnih rješenja biološke inteligencije otvoriti vrata sljedećoj generaciji umjetne inteligencije.