Arı Beyinleri Daha Akıllı Yapay Zeka ve Robotik Teknolojilerine İlham Veriyor

Dünyanın en büyük polinatörleri olan arılar, biz insanların hayatta kalmak için doğrudan bağımlı olduğu biyolojik çeşitliliğin vazgeçilmez bir parçasıdır.

Bu kanatlı böcekler öncelikle yüksek kaliteli yiyecek sağlamalarıyla bilinirler sevmek balın yanı sıra balmumu, propolis, polen ve jöle gibi ürünler de bulunmaktadır. Daha da önemlisi, dünyadaki gıda ürünlerinin büyük çoğunluğu da dahil olmak üzere sayısız çiçekli bitkinin tozlaşmasından sorumludurlar; bu da bitkilerin çoğalmasını ve meyve, sebze ve tohum üretmesini sağlar. 

Arılar bunu başarmak için tüylü vücutlarını kullanırlar ve polenleri bir çiçekten diğerine aktarırlar.

Arılar değilken bu konuda yalnızkuşlar, maymunlar ve hatta insanlar polenleştikçe, arılar kesinlikle en yaygın olanlarıdır Tozlaştırıcılar. It tahmin edilmektedir Tüm çiçekli bitki türlerinin %87'sinden fazlasının hayvanlara bağımlı olduğu, arıların ise biyolojik çeşitlilik ve gıda güvenliği açısından hayati önem taşıyan bir ekosistem hizmeti olan tozlaşmanın birincil grubu olduğu belirtiliyor.

Arılar aslında çok zeki böceklerdir ve insanlar ekosistem sağlığını, çevresel değişiklikleri anlamak ve ürün tozlaşma verimliliğini artırmak için onların davranışlarını, tavırlarını ve sosyal etkileşimlerini incelemektedirler.

Üstelik arılar kullanılır işbirlikçi davranışı anlamak ve küçük beyinlerin karmaşık sosyal görevleri nasıl koordine ettiğini haritalamak için bir model olarak. 

Bilim insanları da teknolojiyi ilerletmek için arılardan ilham alıyor. Örneğin, navigasyon ve iletişim stratejileri. uygulanır drone teknolojisine. Arı davranışları robotik, algoritmalar ve yapay zekaya da ilham kaynağı oldu.

Araştırmacılar, arıların uçuş hareketlerini beyin sinyallerini iyileştirmek için kullandıklarını ve bu sayede karmaşık görsel desenleri büyük bir doğrulukla öğrenip tanıyabildiklerini keşfettiler. 

Yeni araştırmaya göre, harekete dayalı bu algı, devasa bilgi işlem gücü yerine verimliliği ön plana çıkararak yeni nesil yapay zeka ve robotik alanında devrim yaratabilir.

Arı Zekası: Minik Beyinler Bize Yapay Zeka Hakkında Neler Öğretiyor?

Arıların görsel öğrenme yetenekleri gerçekten dikkat çekici. Bu Bir rengi bir ödülle ilişkilendirmeyi ve görsel desenleri sınıflandırmak için belirli özellikleri belirlemeyi öğrenebilmelerinden de anlaşılıyor. Hatta bir uyaran içindeki öğeleri sırayla tarayarak soyut kavramları anlama ve çok sayıda görevi çözme kapasitesine bile sahip olduklarını gösterdiler. 

Bilişsel bilimde temel bir kavram olan çokluk, bir kümedeki öğelerin sayısını ifade eder ve is genellikle çalışılan Görsel algı bağlamında, bir sahnedeki nesnelerin miktarını saymadan hızlıca kavrama yeteneğini ifade eder. 

Bu nedenle sayısallık görevleri beynin nicelikleri algılama ve tahmin etme konusundaki doğuştan gelen yeteneğini analiz eder.

Dolayısıyla arıların olağanüstü yetenekleri olduğu açıktır ve bu da onları davranışsal tepkilerini analiz ederek görsel öğrenme prensiplerini keşfetmek için değerli bir hayvan modeli haline getirir.

Ama mesele şu ki, hala değil Gerçekten mi bilinen sadece Arıların, düşük görsel hassasiyetleri ve sınırlı sinir kaynakları göz önüne alındığında, yiyecek ararken karmaşık desenleri nasıl tanımlayabildikleri ve etraflarındaki dünyanın karmaşıklıklarını nasıl algılayabildikleri.

Görsel duyusal nöronlar aslında varsayıldığı gelişmek Doğal sahnelerdeki düzenliliklerden yararlanmak için. Örneğin, yapılan araştırmalar böceklerin duyusal yollarının ve bunlarla ilişkili davranışların farklı çevre koşullarına dinamik olarak uyum sağladığını göstermiştir. Yanıtlar giriş verilerine göre ayarlanır sevmek mekansal frekans, kontrast ve mekansal-zamansal korelasyonlar. 

Hayvanların zaman içinde görsel bilgi çıkarmak için sürekli olarak çevrelerini taradıkları aktif örnekleme stratejilerine gelince, bu tür davranışlar yaygın olarak gözlemlendi türler arasında. 

Primatlar, ince mekansal çözünürlüklerini artırmak ve doğal uyaranların kodlanmasını iyileştirmek için göz hareketlerini kullanırken, böcekler baş ve vücut hareketlerini veya belirli yaklaşım yörüngeleri.

Arılar söz konusu olduğunda, çevrelerinin güçlü ve dayanıklı bir sinirsel temsilini oluşturmak için aktif görme ve ardışık örneklemeye güvenmeleri muhtemeldir. 

Bu stratejiler bir rol oynar anahtar Bölüm erken görsel işlemede, gereksiz tekrarları azaltarak yapma the kodlama görsel uyaranların daha verimli. Ama yine deBu mekanizmaların nasıl çalıştığına dair anlayışımız izin vermek Arıların görsel düzenlilikleri tespit etmesi, temsili kısıtlamaların üstesinden gelmesi ve karmaşık görevleri çözmesi yoksul.

Son araştırmaya göre, bu stratejileri anlamak, böcek görüşünün temel prensiplerini ve biyolojik ve yapay sistemlerde görsel işleme üzerindeki daha geniş etkilerini çözmek için çok önemlidir.

Yani, bina önceki çalışmalarında, Basit bir görsel görev sırasında değerlendirilen arı uçuş yolları¹, araştırmacılar artık içine bakmak Akromatik desenlerin tanınmasında aktif görüşe katkıda bulunan ana devre elemanları.

Çalışmanın temel amacı, arıların tarama davranışlarının görsel loblarındaki nöronların organizasyonuna ve bağlantısına nasıl katkıda bulunduğunu belirlemektir.

Sheffield Üniversitesi'nden araştırmacılar, tarama davranışlarının karmaşık görsel özellikleri lobula nöronlarında daha verimli bir şekilde kodlayacak şekilde örneklemeye adapte olduğunu öne sürdüler. Bu da, arıların minik beyninde öğrenmeyi destekleyen benzersiz temsillerin oluşmasını kolaylaştırıyor. Bu hipotezi test etmek için, arı optik loblarının nöromorfik bir modelini geliştirdiler.

Araştırmacılar, kodlama prensiplerini, ilişkisel olmayan plastisiteye ilişkin yeni bir model aracılığıyla dahil ettiler. Bu Modelin görsel lob içindeki bağlantısını kendi kendine organize etmesini sağlayarak, çevrenin verimli temsillerini oluşturdu ve karmaşık görsel sahneleri kodlamak için gerekli olan yönelim seçici hücrelerin ortaya çıkmasına yol açtı.

Görsel işleme çerçevesi daha da geliştirildi by kullanılarak karar alma için başka bir modül, aldı Böceklerin ilişkisel öğrenme mekanizmalarından ilham alınmıştır.

Araştırmacıların simülasyonları, belirli yönelimlere ve hızlara duyarlı küçük bir lobula nöron alt kümesinin, karmaşık görsel ortamları ateşleme oranları olarak ifade edilen temsillere sıkıştırabildiğini ortaya koyuyor. Bu seyrek temsiller, artı ve çarpım örüntüleri arasında etkili bir ayrım yaparak modelin daha geniş uygulanabilirliğini vurguluyor.

Çalışmada elde edilen bilgiler biyolojik görme ve biliş anlayışımızı ilerletmemize yardımcı olabilir ve görsel tanıma görevleri için yeni hesaplamalı modellerin geliştirilmesine ilham vermek, belirtilen the çalışma.

Arılardan İlham Alan Vizyon Robotik ve Yapay Zekayı Nasıl Şekillendiriyor?

En son çalışma, Londra Queen Mary Üniversitesi ile ortak bir çalışma olup eLife dergisinde yayınlanmıştır, detaylı bir bir arının minyatür beyninin dijital modeli².

Bu böceklerin beyinlerini ve vücutlarını şaşırtıcı bir şekilde birleştirerek teknolojiyi ilerletmelerine ve geleceğin robotlarını daha akıllı ve daha verimli hale getirmelerine olanak tanır. Arıların uçuş hareketlerini kullanarak net beyin sinyalleri oluşturmaları ve karmaşık görsel görevleri basitleştirmeleri gibi, yeni nesil teknoloji de devasa bir işlem gücüne güvenmek yerine hareket yoluyla ilgili bilgileri toplayabilir.

Sonuçta araştırma, minik böcek beyinlerinin bile karmaşık görsel görevleri çözebildiğini ortaya koydu. 

Beyin hücrelerinin çok azının bu kadar çok şey yapabilmesi, zekanın sadece beyinle ilgili bir şey olmadığını, beyin, beden ve çevrenin uyum içinde çalışmasının bir sonucu olduğunu gösterir. 

Dijital bir yapı inşa etmek versiyon Arıların beyinlerinin incelenmesi, araştırmacıların arıların uçuş sırasında vücutlarını hareket ettirme biçimlerinin, şekillerine ilişkin görsel girdilere yardımcı olduğunu keşfetmelerine yardımcı oldu. Bu hareketler aynı zamanda beyinlerinde benzersiz elektrik sinyalleri üretir. izin veren çevrelerindeki öngörülebilir özellikleri belirlemelerine yardımcı olur kolay ve verimli.

Bu vitrinler arılar Uçuş sırasında karmaşık görsel desenleri öğrenme ve tanımlamada olağanüstü doğruluk.

"Bu çalışmada, en küçük beyinlerin bile çevrelerindeki dünyayı algılamak ve anlamak için hareketten yararlanabileceğini başarıyla gösterdik. Bu bize, milyonlarca yıllık bir evrimin sonucu da olsa, küçük ve verimli bir sistemin, daha önce düşündüğümüzden çok daha karmaşık hesaplamalar yapabileceğini gösteriyor."

– Çalışmanın kıdemli yazarı, Sheffield Üniversitesi Makine Zekası Merkezi Direktörü Profesör James Marshall

By kaldıraç Marshall, doğanın zeka için en iyi tasarımlarının, "yeni nesil yapay zekanın yolunu açtığını, robotikte, sürücüsüz araçlarda ve gerçek dünya öğreniminde ilerlemeler sağladığını" belirtti.

Daha önce de belirtildiği gibi, bu çalışma, arıların hareketlerinin görsel bilgileri toplamaya ve işlemeye yardımcı olduğu aktif görmeyi nasıl kullandıklarına dair önceki araştırmalarına dayanmaktadır. Son çalışma, arıların uçma ve belirli desenleri inceleme davranışlarını yönlendiren temel beyin mekanizmalarına daha derinlemesine bir bakış sunmaktadır.

"Önceki çalışmamızda, arıların görsel bulmacaları çözmek için akıllıca bir tarama kısayolu kullandığını keşfetmek bizi büyülemişti. Ama bu bize sadece ne yaptıklarını anlatıyordu; bu çalışmada ise bunun nasıl olduğunu anlamak istedik."

– Sheffield Üniversitesi'nden baş yazar Dr. HaDi MaBouDi

Gelişmiş görsel kalıp öğrenme Arıların yetenekleri aslında olmuştur ve kazandırdı anladım. Bu insan yüzlerini ayırt etme yeteneklerini içerir, ancak gibi dünyada nasıl bu kadar etkili bir şekilde dolaştıklarını.

"Arı beyninin modelimiz, onun sinir devrelerinin görsel bilgiyi izole bir şekilde değil, doğal ortamda uçuş hareketleriyle aktif etkileşim yoluyla işlemek üzere optimize edildiğini gösteriyor."

– MaBouDi

Ve bunun, zekânın beyin, beden ve çevrenin birlikte çalışmasıyla ortaya çıktığı teorisini desteklediğini belirtti.

"Beyinleri susam tanesinden daha büyük olmasa da arıların dünyayı sadece görmekle kalmayıp, hareketleriyle gördüklerini aktif olarak şekillendirdiklerini öğrendik. Bu, karmaşık sorunları asgari kaynaklarla çözmek için eylem ve algının nasıl derinlemesine iç içe geçtiğinin güzel bir örneği. Bu "Biyoloji ve yapay zeka açısından büyük etkileri olan bir şey."

– MaBouDi

İşbirlikçi çalışmalarla oluşturulan model, bir arının nöronlarının, beyinleri farklı uyaranlara tekrar tekrar maruz kaldıkça yavaş yavaş adapte olurken, belirli hareketlere ve yönlere son derece uyumlu hale geldiğini gösteriyor. Bu, çağrışımlara veya pekiştirmelere bağlı kalmadan tepkilerini iyileştiriyor.

Bunun anlamı, arının beyninin uçuş sırasında anında ödüle ihtiyaç duymadan, sadece gözlemleyerek çevresine uyum sağlamasıdır.

Tüm bunlar, hem enerjiden hem de işlem gücünden tasarruf sağlayan ve beyinlerini inanılmaz derecede verimli hale getiren sadece birkaç nöron kullanılarak gerçekleştiriliyor. Ekip, modeli test etmek için gerçek arıların karşılaştığı görsel zorlukların aynılarından geçirdi. Bu durumda, hesaplamalı modelin "artı" işareti ile "çarpma" işareti arasında ayrım yapması gerekiyordu.

Gerçek arıların stratejisi taklit edildiğinde, desenlerin yalnızca alt yarısı tarandığında, modelin önemli ölçüde iyileştirilmiş bir performans gösterdiği görüldü. 

Ayrıca, model başarıyla gösterilmiştir sadece Arılar, yapay nöronlardan oluşan küçük bir ağ kullanarak insan yüzlerini nasıl tanıyabilir? vurgulayan çok yönlülüğü ve the görsel işlemelerinin gücü.

Londra Queen Mary Üniversitesi'nde Duyusal ve Davranışsal Ekoloji Profesörü olan Profesör Lars Chittka, "Bilim insanları, beyin boyutunun hayvanlarda zekâyı öngörüp öngörmediği sorusuyla büyülendiler. Ancak, belirli bir görevin temelindeki sinirsel hesaplamalar bilinmediği sürece bu tür spekülasyonlar anlamsızdır," dedi. "Burada, zorlu görsel ayrım görevleri için gereken minimum nöron sayısını belirliyoruz ve bu sayıların, insan yüz tanıma gibi karmaşık görevler için bile şaşırtıcı derecede küçük olduğunu görüyoruz. Dolayısıyla, böcek mikro beyinleri gelişmiş hesaplamalar yapabiliyor."

So, bu yol, ders çalışma ekler Hayvanların bilgiyi yalnızca pasif bir şekilde almadığına dair kanıtlara. Aslında aktif olarak bu konuda çalışıyorlar.

Özellikle arılar daha yüksek düzeyde görsel işleme yeteneğine sahipler ve model, davranış odaklı taramanın sıkıştırılmış, öğrenilebilir sinir kodları yaratabileceğini ortaya koyuyor.

"Bu bulgular bir araya geldiğinde, algı, eylem ve beyin dinamiklerinin karmaşık görsel görevleri asgari kaynaklarla çözmek için birlikte evrimleştiği birleşik bir çerçeveyi destekliyor ve hem biyoloji hem de yapay zeka için güçlü içgörüler sunuyor."

– Sheffield Üniversitesi Biyolojik Bilimler ve Sinir Bilimleri Enstitüsü Sistem Sinir Bilimi Profesörü Mikko Juusola

Yapay zekanın bal arılarını Asya eşek arılarından nasıl koruyabileceğini öğrenmek için buraya tıklayın.

Kaydırmak için kaydırın →

Yapay Zeka Teknolojisine Yatırım Yapmak

Yapay zeka ve robotik dünyasında, Qualcomm (QCOM ) bir bilinen nöromorfik ve kenar-AI teknolojiler. 

Qualcomm, on yıldan uzun bir süre önce, tıpkı biyolojik beyinler gibi insan benzeri algı ve öğrenmeyi taklit etmek için Qualcomm Zeroth işlemcilerini piyasaya sürdü. Biyolojik olarak ilham alan öğrenmenin yanı sıra, amaç beynimizin bilgi iletişimindeki verimliliğini taklit etmek ve Sinir İşleme Birimi (NPU) adı verilen yeni işlem mimarisini standartlaştırmaktı.

Bu arada, yapay zeka destekli Robotik RB6 Platformu, teslimat robotları, otonom mobil robotlar (AMR'ler), UAM uçakları, üretim robotları, otonom savunma çözümleri ve daha fazlası dahil olmak üzere yeni nesil robotik ve akıllı makinelere güç sağlıyor. Platform teslim ediyor güç tasarruflu, gelişmiş kenar-AI Robotlar için 5G bağlantısıyla bilgi işlem ve video işleme

Qualcomm, öncelikli olarak 3G, 4G, 5G ve kablosuz bağlantı dahil olmak üzere kablosuz sektörü için temel teknolojilerin geliştirilmesinde yer almaktadır., ve yüksek performanslı ve düşük güç tüketimli bilgi işlem.

Yapay zekaya (AI) yatırım yapma hakkında her şeyi öğrenmek için burayı tıklayın.

Qualcomm (QCOM )

Qualcomm'un piyasa performansına bakıldığında, 171.67 milyar dolar piyasa değerine sahip şirketin hisseleri şu anda 159.54 dolardan işlem görüyor ve bu yıl şu ana kadar yüzde 3.6 arttı.

Bu yılki performans beklentilerin altında kalsa da, QCOM'un geçen yıl Haziran ayında 215 doları aşmasının ardından bu performans geldi. Şirketin EPS'si (TTM) 10.36, F/K'sı (TTM) 15.36 ve ROE'si (TTM) %44.62 seviyesindeyken, hissedarlar %2.24'lük temettü getirisinden faydalanıyor.

Finansal açıdan bakıldığında, kablosuz çip üreticisi, 10 Haziran 10.4'te sona eren üçüncü mali çeyrekte gelirinin %29 artarak 2025 milyar dolara ulaştığını bildirdi.

Cep Telefonları, Nesnelerin İnterneti (IoT) ve Otomotiv sektörlerindeki güçlü performansın etkisiyle QCT gelirleri yıllık %11 artışla 9 milyar dolara, EBT gelirleri ise %22 artışla 2.7 milyar dolara yükseldi. QCT Otomotiv ve Nesnelerin İnterneti (IoT) gelirlerinin toplamı ise yıllık %23 artışla 2.7 milyar dolara ulaştı.

Şirketin GAAP dışı EPS'si yıllık bazda %19 artarak 2.77 dolara yükseldi.

CEO Cristiano Amon'a göre:

"QCT Otomotiv ve Nesnelerin İnterneti (IoT) gelirlerindeki güçlü büyümenin bir çeyrek daha sürmesi, çeşitlendirme stratejimizi ve uzun vadeli gelir hedeflerimize ulaşma konusundaki güvenimizi daha da doğruluyor. Yapay zeka işleme, yüksek performanslı ve düşük güç tüketimli bilgi işlem ve gelişmiş bağlantı alanındaki liderliğimiz, yapay zekanın uçta ölçeklenmesiyle birlikte bizi sektörün tercih edilen platformu haline getiriyor."

Qualcomm, çeyrek boyunca hissedarlarına 3.8 milyar dolar geri ödeme yaptı. Bu geri ödemenin 967 milyon doları hisse başına 0.89 dolar nakit temettü, 2.8 milyar doları ise hisse geri alımı oldu.

Qualcomm, en son Dragonwing Q-6690'ı, duyurulmasından altı aydan kısa bir süre sonra kurumsal müşterileri için piyasaya sürdü. Dragonwing ürün paketi. Şirket, yonga setinin, dahili ultra yüksek frekanslı RFID yeteneklerine sahip dünyanın ilk mobil işlemcisi olduğunu iddia ediyor.

Şirket, endüstriyel ve gömülü IoT, ağ ve hücresel altyapı çözümleriyle bunları kullanmayı hedefliyor karmaşıklığı basitleştirmek, operasyonel verimliliği optimize etmek ve daha akıllı karar almaya olanak sağlamak.

Bu arada Suudi Arabistan'ın yapay zeka şirketi Humain, Riyad ve Dammam'da ilk veri merkezlerini inşa etmeye başladı. bunun için ortaklık kurdu Qualcomm ile ve AMD, Cisco ve Groq. Şirket, bu on yılın sonuna kadar 1.9 GW veri merkezi kapasitesi oluşturmayı planlıyor.

En son Qualcomm (QCOM) Hisse Senedi Haberleri ve Gelişmeleri

Sonuç

Hayvanlar uzun zamandır teknolojiye ilham kaynağı oldu ve şimdi arılar bize zekanın beyin büyüklüğüyle değil, verimlilik, uyum sağlama yeteneği ve vücut, beyin ve çevrenin kusursuz entegrasyonuyla ilgili olduğunu gösteriyor. Bu dersler, yapay zeka tasarımının dönüşümüne yardımcı olabilir.

Yapay zekâ, günümüzün en gelişmiş ve en hızlı gelişen alanlarından biri olup, önemli ilgi, sermaye ve gelişme topluyor. Ancak devasa modelleri ölçeklendirmek pahalı, enerji yoğun ve sürdürülebilir değil. Arılardan ilham alan araştırmalar bu noktada bir alternatif sunuyor: Daha azıyla daha fazlasını başarabilen küçük ve verimli sinir ağları.

Arıların aktif görme ve kompakt sinir stratejilerini inceleyerek, daha hızlı ve daha yetenekli, geleceğin yapay zekalarını ve robotlarını inşa edebiliriz.

Dikey tarımda robotik polinatörlerin rol oynayıp oynayamayacağını öğrenmek için buraya tıklayın.

Referanslar:

1. MaBouDi, H., Richter, J., Guiraud, M.-G., Roper, M., Marshall, JAR ve Chittka, L. Basit bir desen ayrımı görevinde arıların aktif görüşü. eLife, 14, e106332, 20 Şubat 2025'te yayınlandı. https://doi.org/10.7554/eLife.106332
2. MaBouDi, H., Roper, M., Guiraud, M.-G., Juusola, M., Chittka, L. ve Marshall, JAR Aktif görmenin nöromorfik bir modeli, lobula nöronlarındaki uzaysal-zamansal kodlamanın arılarda desen tanımaya nasıl yardımcı olabileceğini göstermektedir. eLife, 14, e89929, 1 Temmuz 2025'te yayınlandı. https://doi.org/10.7554/eLife.89929