I cervelli delle api ispirano un'intelligenza artificiale e una robotica più intelligenti

Le api, i più grandi impollinatori del mondo, sono una parte essenziale della biodiversità da cui noi esseri umani dipendiamo direttamente per la nostra sopravvivenza.

Questi insetti alati sono noti principalmente per fornire cibo di alta qualità piace miele, cera d'api, propoli, polline e gelatina, tra gli altri prodotti. Ma cosa ancora più importante, sono responsabili dell'impollinazione di innumerevoli piante da fiore, tra cui la stragrande maggioranza delle colture alimentari mondiali, che consente alle piante di riprodursi e produrre frutta, verdura e semi. 

Per riuscirci, le api usano i loro corpi pelosi e trasferiscono il polline da un fiore all'altro.

Mentre le api non sono solo in questo, come gli uccelli, le scimmie e persino gli esseri umani impollinano, api sono sicuramente i più comuni impollinatori. It è stimato che oltre l'87% di tutte le specie di piante da fiore dipendono dagli animali, con le api che rappresentano il gruppo principale per l'impollinazione, un servizio ecosistemico essenziale, vitale per la biodiversità e la sicurezza alimentare.

Le api sono in realtà insetti molto intelligenti e le persone ne hanno studiato il comportamento, i comportamenti e le interazioni sociali per comprendere la salute dell'ecosistema, i cambiamenti ambientali e migliorare l'efficienza dell'impollinazione delle colture.

Inoltre, le api sono utilizzati come modello per comprendere il comportamento cooperativo e mappare il modo in cui i piccoli cervelli coordinano compiti sociali complessi. 

Gli scienziati traggono ispirazione dalle api anche per sviluppare tecnologie innovative, ad esempio per le loro strategie di navigazione e comunicazione. sono applicate alla tecnologia dei droni. Il comportamento delle api ha ispirato anche la robotica, gli algoritmi e l'intelligenza artificiale.

A questo proposito, i ricercatori hanno scoperto che le api sfruttano i loro movimenti di volo per migliorare i segnali cerebrali, il che consente loro di apprendere e riconoscere schemi visivi complessi con grande precisione. 

Secondo il nuovo studio, questa percezione basata sul movimento potrebbe rivoluzionare lo sviluppo dell'intelligenza artificiale e della robotica di prossima generazione, privilegiando l'efficienza rispetto all'enorme potenza di calcolo.

L'intelligenza delle api: cosa ci insegnano i piccoli cervelli sull'intelligenza artificiale

Le capacità di apprendimento visivo delle api sono semplicemente straordinarie. Questo Ciò è evidente dal fatto che possono imparare ad associare un colore a una ricompensa e a identificare caratteristiche specifiche per classificare schemi visivi. Hanno persino dimostrato la capacità di comprendere concetti astratti e risolvere compiti di numerosità scansionando sequenzialmente gli elementi all'interno di uno stimolo. 

Un concetto fondamentale nella scienza cognitiva, la numerosità si riferisce al numero di elementi in un insieme e is di solito studiato nel contesto della percezione visiva, dove si riferisce alla capacità di cogliere rapidamente la quantità di oggetti in una scena senza contarli. 

Pertanto, i compiti di numerosità analizzano la capacità innata del cervello di percepire e stimare le quantità.

È quindi evidente che le api possiedono capacità eccezionali, che le rendono un prezioso modello animale per esplorare i principi dell'apprendimento visivo analizzando le loro risposte comportamentali.

Ma la cosa è, non è ancora veramente conosciuto ad appena come le api riescano a identificare schemi complessi e a percepire le complessità del mondo che le circonda mentre cercano cibo, data la loro presunta bassa sensibilità visiva e le limitate risorse neurali.

I neuroni sensoriali visivi sono effettivamente presunto a evolvere per sfruttare le regolarità negli scenari naturali. Ad esempio, alcuni studi hanno dimostrato che i percorsi sensoriali degli insetti e i comportamenti a essi associati si adattano dinamicamente alle diverse condizioni circostanti. Le risposte vengono adattate in base ai dati di input piace frequenza spaziale, contrasto e correlazioni spaziotemporali. 

Quando si tratta di strategie di campionamento attivo, in cui gli animali scansionano continuamente il loro ambiente per estrarre informazioni visive nel tempo, tale comportamento ha è stato ampiamente osservato tra le specie. 

Mentre i primati utilizzano i movimenti oculari per migliorare la loro risoluzione spaziale e migliorare la codifica degli stimoli naturali, gli insetti impiegano strategie che coinvolgono movimenti della testa e del corpo o specifici traiettorie di avvicinamento.

Nel caso delle api, è probabile che dipendano dalla visione attiva e dal campionamento sequenziale per costruire una rappresentazione neurale forte e resiliente dell'ambiente circostante. 

Queste strategie giocano un ruolo parte fondamentale nell'elaborazione visiva precoce, riducendo la ridondanza e fabbricazione , il codifica di stimoli visivi più efficiente. Ma ancora una volta, la nostra comprensione di come questi meccanismi consentire api per rilevare regolarità visive, superare vincoli rappresentazionali e risolvere compiti complessi rimane povero.

Secondo l'ultimo studio, comprendere queste strategie è fondamentale per svelare i principi fondamentali della vista degli insetti e le loro implicazioni più ampie per l'elaborazione visiva nei sistemi biologici e artificiali.

Quindi, costruendo sul loro studio precedente, che valutazione dei percorsi di volo delle api durante un semplice compito visivo¹, i ricercatori sono ora cerca in i principali elementi del circuito che contribuiscono alla visione attiva nel riconoscimento di modelli acromatici.

L'obiettivo principale dello studio è determinare in che modo il comportamento di scansione delle api contribuisce all'organizzazione e alla connettività dei neuroni nei loro lobi visivi.

I ricercatori dell'Università di Sheffield hanno ipotizzato che i comportamenti di scansione si siano adattati per campionare caratteristiche visive complesse in un modo che le codifica in modo più efficiente nei neuroni del lobo. Questo, a sua volta, facilita rappresentazioni uniche che supportano l'apprendimento nel piccolo cervello delle api. Per testare questa ipotesi, hanno sviluppato un modello neuromorfico dei lobi ottici delle api.

I ricercatori hanno incluso i principi di codifica attraverso un nuovo modello di plasticità non associativa. Questo ha consentito al modello di auto-organizzare la propria connettività all'interno del lobo visivo, creando così rappresentazioni efficienti dell'ambiente e portando all'emergere di cellule selettive per l'orientamento, essenziali per la codifica di scene visive complesse.

Il framework di elaborazione visiva è stato ulteriormente migliorato by impiegando un altro modulo per il processo decisionale, che ha preso ispirazione dai meccanismi di apprendimento associativo degli insetti.

Le simulazioni dei ricercatori rivelano che un piccolo sottoinsieme di neuroni lobulari, sensibili a specifici orientamenti e velocità, può comprimere ambienti visivi complessi in rappresentazioni espresse come frequenze di scarica. Queste rappresentazioni poco frequenti distinguono efficacemente tra i pattern di attivazione e di moltiplicazione, il che evidenzia la più ampia applicabilità del modello.

Le informazioni raccolte nello studio possono contribuire a migliorare la nostra comprensione della visione e della cognizione biologiche e ispirare lo sviluppo di nuovi modelli computazionali per compiti di riconoscimento visivo, ha dichiarato , il studio.

Come la visione ispirata alle api sta plasmando la robotica e l'intelligenza artificiale

L'ultimo studio, uno sforzo collaborativo con la Queen Mary University di Londra e pubblicato sulla rivista eLife, dettagliato a modello digitale del cervello in miniatura di un'ape².

Sfrutta il modo sorprendente in cui questi insetti combinano cervello e corpo per contribuire al progresso tecnologico e rendere i robot del futuro più intelligenti ed efficienti. Proprio come le api usano i loro movimenti di volo per creare chiari segnali cerebrali e semplificare compiti visivi complessi, la tecnologia di nuova generazione può anche raccogliere informazioni rilevanti attraverso il movimento, anziché fare affidamento su un'enorme potenza di calcolo.

Dopotutto, lo studio ha dimostrato che anche i piccoli cervelli degli insetti sono in grado di risolvere compiti visivi complessi. 

Il fatto che poche cellule cerebrali possano fare così tanto significa che l'intelligenza non è solo una questione cerebrale, ma il risultato della coesione tra cervello, corpo e ambiente. 

Costruire un digitale versione del cervello di un'ape ha aiutato i ricercatori a scoprire che il modo in cui le api muovono il corpo durante il volo contribuisce all'input visivo della loro forma. Questi movimenti producono anche segnali elettrici unici nel loro cervello, che consentono per identificare le caratteristiche prevedibili intorno a loro facilmente ed efficientemente.

Questo vetrine api notevole precisione nell'apprendimento e nell'identificazione di schemi visivi complessi durante il volo.

"In questo studio, abbiamo dimostrato con successo che anche il più piccolo dei cervelli può sfruttare il movimento per percepire e comprendere il mondo che lo circonda. Questo ci dimostra che un sistema piccolo ed efficiente, sebbene frutto di milioni di anni di evoluzione, può eseguire calcoli molto più complessi di quanto pensassimo in precedenza."

– L’autore principale dello studio, il professor James Marshall, direttore del Centro di intelligenza artificiale presso l’Università di Sheffield

By leveraging Marshall ha osservato che i migliori progetti di intelligenza in natura aprono la strada alla "prossima generazione di intelligenza artificiale, che guiderà i progressi nella robotica, nei veicoli a guida autonoma e nell'apprendimento nel mondo reale".

Come accennato in precedenza, questo studio si basa su precedenti ricerche su come le api utilizzano la visione attiva, in cui i loro movimenti aiutano a raccogliere ed elaborare le informazioni visive. Il lavoro più recente analizza più a fondo i meccanismi cerebrali alla base del loro comportamento di volo e di ispezione di schemi specifici.

"Nel nostro lavoro precedente, eravamo rimasti affascinati nello scoprire che le api impiegano un'ingegnosa scorciatoia di scansione per risolvere enigmi visivi. Ma questo ci ha solo rivelato cosa fanno; per questo studio, volevamo capire come."

– Autore principale, Dott. HaDi MaBouDi dell’Università di Sheffield

La visuale avanzata apprendimento di modelli le capacità delle api hanno effettivamente stato lungo inteso. Questo include la loro capacità di distinguere i volti umani, ma non da come navigano nel mondo con tanta efficienza.

"Il nostro modello del cervello di un'ape dimostra che i suoi circuiti neurali sono ottimizzati per elaborare le informazioni visive non in modo isolato, ma attraverso l'interazione attiva con i suoi movimenti di volo nell'ambiente naturale."

– MaBouDi

E questo, ha osservato, supporta la teoria secondo cui l'intelligenza nasce dall'interazione tra cervello, corpo e ambiente che lavorano insieme.

"Abbiamo imparato che le api, pur avendo un cervello non più grande di un seme di sesamo, non si limitano a vedere il mondo, ma plasmano attivamente ciò che vedono attraverso i loro movimenti. È un bellissimo esempio di come azione e percezione siano profondamente interconnesse per risolvere problemi complessi con risorse minime. Questo è qualcosa che ha implicazioni importanti sia per la biologia che per l'intelligenza artificiale."

– MaBouDi

Il modello, costruito attraverso sforzi collaborativi, mostra che i neuroni di un'ape diventano altamente sintonizzati su movimenti e direzioni specifici man mano che il loro cervello si adatta lentamente attraverso l'esposizione ripetuta a stimoli diversi. Questo migliora le loro risposte senza dover dipendere da associazioni o rinforzi.

Ciò significa che il cervello di un'ape si adatta all'ambiente semplicemente osservandolo durante il volo, senza bisogno di ricompense immediate.

Tutto questo viene fatto utilizzando solo pochi neuroni, il che consente di risparmiare energia e potenza di elaborazione, rendendo il loro cervello incredibilmente efficiente. Ora, per testare il modello, il team lo ha sottoposto alle stesse sfide visive affrontate dalle api reali. In questo caso, il modello computazionale doveva distinguere tra un segno "più" e un segno "moltiplicazione".

Imitando la strategia delle api vere, analizzando solo la metà inferiore dei pattern, il modello ha mostrato prestazioni notevolmente migliorate. 

Inoltre, il modello ha dimostrato con successo ad appena come le api possono riconoscere i volti umani, utilizzando solo una piccola rete di neuroni artificiali, enfatizzando la versatilità e , il forza della loro elaborazione visiva.

"Gli scienziati sono sempre stati affascinati dalla questione se le dimensioni del cervello predicano l'intelligenza negli animali. Ma tali speculazioni non hanno senso se non si conoscono i calcoli neurali alla base di un determinato compito", ha affermato il professor Lars Chittka, professore di ecologia sensoriale e comportamentale presso la Queen Mary University di Londra. "Qui determiniamo il numero minimo di neuroni necessari per compiti di discriminazione visiva difficili e scopriamo che i numeri sono incredibilmente piccoli, anche per compiti complessi come il riconoscimento facciale umano. Pertanto, i microcervelli degli insetti sono capaci di calcoli avanzati".

So, Questo modo, il studio aggiunge alla prova che gli animali non ricevono informazioni solo passivamente. Infatti, ci stanno lavorando attivamente.

Le api, in particolare, hanno un'elaborazione visiva di ordine superiore e il modello rivela come la scansione guidata dal comportamento possa creare codici neurali compressi e apprendibili.

“Insieme, questi risultati supportano un quadro unificato in cui percezione, azione e dinamiche cerebrali si evolvono insieme per risolvere compiti visivi complessi con risorse minime, offrendo spunti preziosi sia per la biologia che per l'intelligenza artificiale”.

– Professor Mikko Juusola, professore di neuroscienze sistemiche presso la School of Biosciences and Neuroscience Institute dell'Università di Sheffield

Clicca qui per scoprire come l'intelligenza artificiale può aiutare a proteggere le api dai calabroni asiatici.

Scorri per scorrere →

Investire nella tecnologia dell'intelligenza artificiale

Nel mondo dell'intelligenza artificiale e della robotica, Qualcomm (QCOM -0.04%) è un conosciuto nome che ha esplorato neuromorfico e AI di bordo tecnologie. 

Oltre un decennio fa, Qualcomm ha lanciato i processori Qualcomm Zeroth per imitare la percezione e l'apprendimento umani, proprio come fanno i cervelli biologici. Oltre all'apprendimento ispirato alla biologia, l'obiettivo era replicare l'efficienza con cui il nostro cervello comunica le informazioni e standardizzare la nuova architettura di elaborazione chiamata Neural Processing Unit (NPU).

Nel frattempo, la sua piattaforma robotica RB6 basata sull'intelligenza artificiale alimenta la robotica di nuova generazione e le macchine intelligenti, tra cui robot per le consegne, robot mobili autonomi (AMR), velivoli UAM, robot di produzione, soluzioni di difesa autonome e molto altro ancora. La piattaforma sta consegnando efficiente dal punto di vista energetico, avanzato AI di bordo elaborazione dati ed elaborazione video con connettività 5G per robot

Principalmente, Qualcomm è coinvolta nello sviluppo di tecnologie fondamentali per il settore wireless, tra cui connettività wireless 3G, 4G, 5G, e calcolo ad alte prestazioni e basso consumo energetico.

Clicca qui per scoprire tutto sugli investimenti nell’intelligenza artificiale (AI).

Qualcomm (QCOM -0.04%)

Considerando l'andamento del mercato di Qualcomm, le azioni della società con una capitalizzazione di mercato di 171.67 miliardi di dollari vengono attualmente scambiate a 159.54 dollari, in rialzo del 3.6% quest'anno.

Sebbene la performance di quest'anno sia stata deludente, segue l'impennata di QCOM oltre i 215 dollari a giugno dello scorso anno. L'utile per azione (TTM) si attesta a 10.36, il rapporto prezzo/utili (TTM) a 15.36 e il ROE (TTM) al 44.62%, mentre gli azionisti beneficiano di un rendimento da dividendi del 2.24%.

Sul fronte finanziario, il produttore di chip wireless ha registrato un aumento del 10% del fatturato, attestandosi a 10.4 miliardi di dollari, nel terzo trimestre fiscale conclusosi il 29 giugno 2025.

Grazie alla forza dei settori Smartphone, IoT e Automotive, i ricavi di QCT sono aumentati dell'11% su base annua, raggiungendo i 9 miliardi di dollari, mentre i ricavi EBT sono aumentati del 22%, raggiungendo i 2.7 miliardi di dollari. I ricavi combinati di QCT Automotive e IoT, nel frattempo, sono aumentati del 23% su base annua, raggiungendo i 2.7 miliardi di dollari.

L'utile per azione non-GAAP della società è aumentato del 19% su base annua, attestandosi a 2.77 dollari.

Secondo il CEO Cristiano Amon:

"Un altro trimestre di forte crescita dei ricavi di QCT Automotive e IoT conferma ulteriormente la nostra strategia di diversificazione e la fiducia nel raggiungimento dei nostri obiettivi di fatturato a lungo termine. La nostra leadership nell'elaborazione AI, nell'elaborazione ad alte prestazioni e a basso consumo e nella connettività avanzata ci posiziona per diventare la piattaforma di riferimento del settore, man mano che l'AI acquisisce scalabilità all'edge."

Nel corso del trimestre, Qualcomm ha restituito agli azionisti 3.8 miliardi di dollari, di cui 967 milioni di dollari, ovvero 0.89 dollari ad azione, di dividendi in contanti e 2.8 miliardi di dollari di riacquisti di azioni.

Più di recente, Qualcomm ha lanciato il Dragonwing Q-6690 per i suoi clienti aziendali, meno di sei mesi dopo la presentazione la suite di prodotti Dragonwing. L'azienda sostiene che il chipset sia il primo processore mobile al mondo con funzionalità RFID ad altissima frequenza integrate.

Con le sue soluzioni di infrastrutture IoT, di rete e cellulari industriali e integrate, l'azienda mira a utilizzarle per semplificare la complessità, ottimizzare l'efficienza operativa e favorire un processo decisionale più intelligente.

In questo contesto, la società di intelligenza artificiale dell'Arabia Saudita, Humain, ha iniziato a costruire i suoi primi data center a Riyadh e Dammam, per il quale ha collaborato con Qualcomm e AMD, Cisco e Groq. L'azienda prevede di costruire 1.9 GW di capacità di data center entro la fine di questo decennio.

Ultimo Qualcomm (QCOM) Notizie e sviluppi azionari

Conclusione

Gli animali hanno da sempre ispirato la tecnologia, e ora le api ci dimostrano che l'intelligenza non riguarda le dimensioni del cervello, ma l'efficienza, l'adattabilità e la perfetta integrazione di corpo, cervello e ambiente. Queste lezioni potrebbero contribuire a trasformare la progettazione dell'intelligenza artificiale.

L'intelligenza artificiale è uno dei campi più avanzati e in rapida evoluzione di oggi, che sta raccogliendo notevole attenzione, capitali e sviluppo. Tuttavia, scalare modelli di grandi dimensioni è costoso, richiede molta energia ed è insostenibile. In questo caso, la ricerca ispirata alle api offre un'alternativa: reti neurali piccole ed efficienti che possono ottenere di più con meno.

Studiando la visione attiva e le strategie neurali compatte delle api, possiamo realizzare un'intelligenza artificiale e una robotica futuristiche, più veloci e capaci.

Clicca qui per scoprire se gli impollinatori robotici possono svolgere un ruolo nell'agricoltura verticale.

Riferimenti:

1. MaBouDi, H., Richter, J., Guiraud, M.-G., Roper, M., Marshall, JAR e Chittka, L. Visione attiva delle api in un semplice compito di discriminazione di schemi. eLife, 14, e106332, pubblicato il 20 febbraio 2025. https://doi.org/10.7554/eLife.106332
2. MaBouDi, H., Roper, M., Guiraud, M.-G., Juusola, M., Chittka, L. e Marshall, JAR Un modello neuromorfico della visione attiva mostra come la codifica spaziotemporale nei neuroni del lobo può agevolare il riconoscimento di schemi nelle api. eLife, 14, e89929, pubblicato il 1° luglio 2025. https://doi.org/10.7554/eLife.89929