Бджолиний мозок надихає на розумніший штучний інтелект та робототехніку

Бджоли, найбільші запилювачі світу, є невід'ємною частиною біорізноманіття, від якого ми, люди, безпосередньо залежимо для свого виживання.

Ці крилаті комахи відомі, перш за все, тим, що забезпечують високоякісною їжею. як мед, а також бджолиний віск, прополіс, пилок та желе, серед інших продуктів. Що ще важливіше, вони відповідають за запилення незліченної кількості квітучих рослин, включаючи переважну більшість продовольчих культур у світі, що дозволяє рослинам розмножуватися та виробляти фрукти, овочі та насіння. 

Для цього бджоли використовують свої волохаті тіла та переносять пилок з однієї квітки на іншу.

Хоча бджоли не є сам у цьому, як птахи, мавпи і навіть люди запилюють, бджоли безумовно, є найпоширенішими запилювачів. It оцінюється що понад 87% усіх видів квіткових рослин залежать від тварин, причому бджоли є основною групою для запилення, що є важливою екосистемною послугою, життєво важливою для біорізноманіття та продовольчої безпеки.

Бджоли насправді дуже розумні комахи, і люди вивчають їхню поведінку, манери та соціальну взаємодію, щоб зрозуміти здоров'я екосистеми, зміни в навколишньому середовищі та покращити ефективність запилення сільськогосподарських культур.

Більше того, бджоли використовуються як модель для розуміння кооперативної поведінки та відображення того, як крихітні мізки координують складні соціальні завдання. 

Вчені також надихаються бджолами для розвитку технологій. Наприклад, їхні стратегії навігації та комунікації застосовуються до технології дронів. Поведінка бджіл також надихнула робототехніку, алгоритми та штучний інтелект.

У зв'язку з цим дослідники виявили, що бджоли використовують свої рухи під час польоту для покращення сигналів мозку, що дозволяє їм навчатися та розпізнавати складні візуальні патерни з великою точністю. 

Таке сприйняття, засноване на русі, згідно з новим дослідженням, може революціонізувати розвиток штучного інтелекту та робототехніки наступного покоління, акцентуючи увагу на ефективності, а не на величезній обчислювальній потужності.

Бджолиний інтелект: чого нас навчають крихітні мізки про штучний інтелект

Здатність бджіл до візуального навчання просто вражає. Цей це видно з того факту, що вони можуть навчитися асоціювати колір з винагородою, а також визначати специфічні ознаки для класифікації візуальних патернів. Вони навіть продемонстрували здатність розуміти абстрактні поняття та вирішувати задачі на нумерацію шляхом послідовного сканування елементів у стимулі. 

Фундаментальне поняття в когнітивній науці, нумерація, стосується кількості елементів у наборі та is зазвичай вивчається у контексті зорового сприйняття, де це стосується здатності швидко сприймати кількість об'єктів у сцені без їх підрахунку. 

Таким чином, завдання на обчислення аналізують вроджену здатність мозку сприймати та оцінювати кількості.

Отже, бджоли явно мають виняткові здібності, що робить їх цінною тваринною моделлю для дослідження принципів візуального навчання шляхом аналізу їхніх поведінкових реакцій.

Але справа в тому, це все ще не так насправді відомий просто як бджоли здатні розпізнавати складні візерунки та сприймати складність навколишнього світу під час пошуку їжі, враховуючи їхню нібито низьку зорову чутливість та обмежені нейронні ресурси.

Зорові сенсорні нейрони є насправді передбачається еволюціонувати щоб використовувати закономірності в природних сценах. Наприклад, дослідження показали, що сенсорні шляхи комах та пов'язана з ними поведінка динамічно адаптуються до різних умов навколишнього середовища. Відповіді коригуються на основі вхідних даних як просторова частота, контраст та просторово-часові кореляції. 

Коли йдеться про стратегії активного відбору проб, за яких тварини безперервно сканують своє середовище, щоб з часом отримувати візуальну інформацію, така поведінка... широко спостерігалося між видами. 

У той час як примати використовують рухи очей для покращення просторової роздільної здатності та кодування природних стимулів, комахи застосовують стратегії, що включають рухи голови та тіла або специфічні... траєкторії підходу.

У випадку бджіл, вони, ймовірно, залежать від активного зору та послідовного відбору проб для створення сильного та стійкого нейронного репрезентації свого оточення. 

Ці стратегії відіграють певну роль ключова частина на ранніх етапах обробки візуальних даних, зменшуючи надлишковість та створення кодування візуальних подразників більш ефективний. Але знову ж таки, наше розуміння того, як ці механізми дозволяти бджіл для виявлення візуальних закономірностей, подолання репрезентативних обмежень та вирішення складних завдань залишається бідні.

Згідно з останнім дослідженням, розуміння цих стратегій має вирішальне значення для розкриття фундаментальних принципів зору комах та їх ширшого значення для обробки візуальної інформації в біологічних та штучних системах.

Отже, будівництво на їхньому попередньому дослідженні, яке оцінювали траєкторії польоту бджіл під час виконання простого візуального завдання¹, дослідники зараз заглядаючи основні елементи схеми, що сприяють активному зоровому розпізнаванню ахроматичних візерунків.

Основна мета дослідження — визначити, як скануюча поведінка бджіл сприяє організації та зв'язності нейронів у їхніх зорових частках.

Дослідники з Університету Шеффілда висунули гіпотезу, що сканувальна поведінка адаптувалася для вибірки складних візуальних ознак таким чином, що кодує їх ефективніше в нейронах часточок. Це, у свою чергу, сприяє унікальним репрезентаціям, які підтримують навчання в крихітному мозку бджіл. Щоб перевірити цю гіпотезу, вони розробили нейроморфну ​​модель зорових часток бджоли.

Дослідники включили принципи кодування за допомогою нової моделі неасоціативної пластичності. Цей дозволило моделі самоорганізуватися в межах зорової частки, створюючи таким чином ефективні представлення навколишнього середовища та призводячи до появи орієнтаційно-селективних клітин, які є важливими для кодування складних візуальних сцен.

Структуру візуальної обробки було додатково вдосконалено by наймаючи ще один модуль для прийняття рішень, який прийняли натхнення з механізмів асоціативного навчання комах.

Моделювання дослідників показує, що невелика підмножина нейронів лобули, чутливих до певних орієнтацій та швидкостей, може стискати складні візуальні середовища в представлення, виражені як частота спрацьовування. Ці рідкісні представлення ефективно розрізняють шаблони плюс та множення, що підкреслює ширшу застосовність моделі.

Результати дослідження можуть допомогти нам краще зрозуміти біологічний зір та когнітивні функції. та надихнути на розробку нових обчислювальних моделей для завдань візуального розпізнавання, заявив, дослідження.

Як зір, натхненний бджолами, формує робототехніку та штучний інтелект

Останнє дослідження, спільна робота з Лондонським університетом королеви Марії, опублікована в журналі eLife, детально а цифрова модель мініатюрного мозку бджоли².

Він використовує дивовижний спосіб, у який ці комахи поєднують свій мозок і тіло, щоб допомогти вдосконалити технології та зробити майбутніх роботів розумнішими та ефективнішими. Подібно до того, як бджоли використовують свої рухи польоту для створення чітких сигналів мозку та спрощення складних візуальних завдань, технології наступного покоління також можуть збирати відповідну інформацію за допомогою руху, а не покладатися на величезну обчислювальну потужність.

Зрештою, дослідження продемонструвало, що навіть крихітний мозок комах здатний вирішувати складні візуальні завдання. 

Той факт, що мало клітин мозку можуть робити так багато, означає, що інтелект — це не просто річ мозку, а результат злагодженої роботи мозку, тіла та навколишнього середовища. 

Створення цифрового версія дослідження мозку бджоли допомогло дослідникам виявити, що спосіб, у який бджоли рухають своїм тілом під час польоту, допомагає їм візуально сприймати форму тіла. Ці рухи також створюють унікальні електричні сигнали в їхньому мозку, які дозволяють щоб вони могли розпізнавати передбачувані особливості навколо себе легко та ефективно.

Цей Вітрини бджоли надзвичайна точність у навчанні та розпізнаванні складних візуальних шаблонів під час польоту.

«У цьому дослідженні ми успішно продемонстрували, що навіть найменший мозок може використовувати рух для сприйняття та розуміння навколишнього світу. Це показує нам, що невелика, ефективна система — хоч і є результатом мільйонів років еволюції — може виконувати обчислення набагато складніші, ніж ми раніше вважали можливими».

– Старший автор дослідження, професор Джеймс Маршалл, директор Центру машинного інтелекту в Університеті Шеффілда

By використання Найкращі природні задуми щодо інтелекту, зазначив Маршалл, прокладають шлях для «наступного покоління штучного інтелекту, стимулюючи прогрес у робототехніці, безпілотних транспортних засобах та навчанні в реальному світі».

Як зазначалося раніше, це дослідження ґрунтується на їхніх попередніх дослідженнях того, як бджоли використовують активний зір, де їхні рухи допомагають збирати та обробляти візуальну інформацію. Остання робота глибше розглядає основні механізми мозку, які керують їхньою поведінкою польоту та дослідження певних закономірностей.

«У нашій попередній роботі ми були вражені, виявивши, що бджоли використовують розумний спосіб сканування для розв’язання візуальних головоломок. Але це лише підказало нам, що вони роблять; для цього дослідження ми хотіли зрозуміти, як».

– Провідний автор, доктор ХаДі МаБоуДі з Університету Шеффілда

Розширений візуальний рядок шаблонне навчання здібності бджіл насправді було довго зрозуміла. Цей включає їхню здатність розрізняти людські обличчя, але не чином, щоб як вони так ефективно орієнтуються у світі.

«Наша модель мозку бджоли демонструє, що її нейронні ланцюги оптимізовані для обробки візуальної інформації не ізольовано, а через активну взаємодію з її польотними рухами в природному середовищі».

– МаБуДі

І це, зазначив він, підтверджує теорію про те, що інтелект виникає внаслідок взаємодії мозку, тіла та навколишнього середовища, що працюють разом.

«Ми дізналися, що бджоли, попри те, що їхній мозок не більший за кунжутне зернятко, не просто бачать світ – вони активно формують те, що бачать, своїми рухами. Це прекрасний приклад того, як дія та сприйняття тісно пов’язані, щоб вирішувати складні проблеми з мінімальними ресурсами». Цей це те, що має важливі наслідки як для біології, так і для штучного інтелекту».

– МаБуДі

Модель, побудована завдяки спільним зусиллям, показує, що нейрони бджоли стають високо налаштованими на певні рухи та напрямки, оскільки її мозок повільно адаптується через повторний вплив різних подразників. Це покращує їхні реакції без необхідності покладатися на асоціації чи підкріплення.

Це означає, що мозок бджоли адаптується до навколишнього середовища, просто спостерігаючи за ним під час польоту, не потребуючи негайної винагороди.

Все це робиться за допомогою лише кількох нейронів, що економить як енергію, так і обчислювальну потужність, роблячи їхній мозок неймовірно ефективним. Тепер, щоб перевірити модель, команда піддала її тим самим візуальним випробуванням, що й справжні бджоли. У цьому випадку обчислювальна модель мала розрізняти знак «плюс» і знак «множення».

Під час імітації стратегії справжніх бджіл, скануючи лише нижню половину візерунків, модель показала значно покращену продуктивність. 

Крім того, модель успішно продемонструвала просто як бджоли можуть розпізнавати людські обличчя, використовуючи лише невелику мережу штучних нейронів, підкреслюючи універсальність та сила їхньої візуальної обробки.

«Вчених захоплювало питання, чи розмір мозку передбачає інтелект у тварин. Але такі припущення не мають сенсу, якщо не знати нейронних обчислень, що лежать в основі певного завдання», — сказав професор Ларс Чіттка, професор сенсорної та поведінкової екології Лондонського університету королеви Марії. «Тут ми визначаємо мінімальну кількість нейронів, необхідних для складних завдань візуальної дискримінації, і виявляємо, що ця кількість вражаюче мала, навіть для таких складних завдань, як розпізнавання людського обличчя. Таким чином, мікромозок комах здатний до складних обчислень».

So, Це спосіб, вчитися додає до доказів того, що тварини не просто пасивно сприймають інформацію. Власне, вони активно з цим працюють.

Бджоли, зокрема, мають обробку візуальної інформації вищого порядку, і модель показує, як поведінково-кероване сканування може створювати стислі, легко навчальні нейронні коди.

«Разом ці висновки підтверджують єдину структуру, де сприйняття, дія та динаміка мозку коеволюціонують для вирішення складних візуальних завдань з мінімальними ресурсами, що пропонує потужні знання як для біології, так і для штучного інтелекту».

– Професор Мікко Юусола, професор системної нейронауки Школи біологічних наук та Інституту нейронаук Університету Шеффілда

Натисніть тут, щоб дізнатися, як штучний інтелект може допомогти захистити медоносних бджіл від азійських шершнів.

Проведіть пальцем, щоб прокрутити →

Інвестування в технології штучного інтелекту

У світі штучного інтелекту та робототехніки, компанія Qualcomm (QCOM ) це відомий ім'я, яке досліджувало нейроморфні та край-AI технології. 

Понад десять років тому Qualcomm випустила процесори Qualcomm Zeroth, щоб імітувати сприйняття та навчання, подібні до людських, подібно до того, як це робить біологічний мозок. Окрім біологічно натхненного навчання, метою було відтворити ефективність, з якою наш мозок передає інформацію, та стандартизувати нову архітектуру обробки, яка називається нейронним процесорним блоком (NPU).

Тим часом, його платформа Robotics RB6 на базі штучного інтелекту забезпечує роботу робототехніки та інтелектуальних машин наступного покоління, включаючи роботів для доставки, автономних мобільних роботів (AMR), літаки UAM, виробничих роботів, автономні оборонні рішення та багато іншого. Платформа доставляє енергоефективний, передовий край-AI обчислення та обробка відео з підключенням 5G для роботів

Qualcomm, головним чином, займається розробкою фундаментальних технологій для бездротової індустрії, включаючи 3G, 4G, 5G, бездротове з'єднання, та високопродуктивні та енергоспоживаючі обчислення.

Натисніть тут, щоб дізнатися все про інвестування в штучний інтелект (ШІ).

компанія Qualcomm (QCOM )

Дивлячись на ринкові показники Qualcomm, акції компанії з ринковою капіталізацією 171.67 мільярда доларів зараз торгуються на рівні 159.54 долара, що на 3.6% більше з початку року.

Хоча результати цього року були невтішними, вони відбулися після зростання QCOM понад 215 доларів у червні минулого року. Його прибуток на акцію (TTM) становить 10.36, коефіцієнт P/E (TTM) – 15.36, а рентабельність власного капіталу (TTM) – 44.62%, тоді як акціонери отримують дивідендну дохідність у розмірі 2.24%.

Що стосується фінансової сторони, виробник бездротових чіпів повідомив про збільшення доходу на 10% до 10.4 мільярда доларів за третій фінансовий квартал, що завершився 29 червня 2025 року.

Завдяки успіху в сегментах мобільних телефонів, Інтернету речей та автомобільної промисловості, доходи QCT зросли на 11% у річному обчисленні до 9 мільярдів доларів, а доходи від EBT – на 22% до 2.7 мільярда доларів. Тим часом сукупні доходи QCT від автомобільної промисловості та Інтернету речей зросли на 23% у річному обчисленні до 2.7 мільярда доларів.

Прибуток на акцію компанії без урахування GAAP зріс на 19% у річному обчисленні до 2.77 долара.

За словами генерального директора Крістіано Амона:

«Ще один квартал значного зростання доходів від QCT Automotive та IoT ще раз підтверджує нашу стратегію диверсифікації та впевненість у досягненні наших довгострокових цільових показників доходів. Наше лідерство в обробці даних на основі штучного інтелекту, високопродуктивних та енергоємних обчисленнях, а також передових можливостях підключення ставить нас на перше місце в галузі, оскільки штучний інтелект набирає обертів на периферії».

Протягом кварталу Qualcomm повернула акціонерам 3.8 мільярда доларів, включаючи 967 мільйонів доларів, або 0.89 долара на акцію, дивідендів у грошовій формі та 2.8 мільярда доларів викуплених акцій.

Зовсім недавно Qualcomm випустила Dragonwing Q-6690 для своїх корпоративних клієнтів, менш ніж через шість місяців після презентації. набір продуктів Dragonwing. Компанія стверджує, що цей чіпсет є першим у світі мобільним процесором із вбудованими можливостями надвисокої частоти RFID.

Завдяки своїм промисловим та вбудованим рішенням для Інтернету речей, мереж та стільникової інфраструктури, компанія прагне використовувати їх спростити складність, оптимізувати операційну ефективність та розширити можливості прийняття більш розумних рішень.

Серед цього, саудівська компанія Humain, що займається штучним інтелектом, розпочала будівництво своїх перших центрів обробки даних в Ер-Ріяді та Даммамі. для яких вона співпрацювала з Qualcomm та AMD, Cisco та Groq. Компанія планує побудувати центри обробки даних потужністю 1.9 ГВт до кінця цього десятиліття.

Найновіші Qualcomm (QCOM) Новини та події акцій

Висновок

Тварини здавна надихали технології, а тепер бджоли показують нам, що інтелект — це не розмір мозку, а ефективність, адаптивність та безшовна інтеграція тіла, мозку та навколишнього середовища. Ці уроки можуть допомогти трансформувати дизайн штучного інтелекту.

Штучний інтелект є однією з найсучасніших та найшвидше розвиваючихся галузей сучасності, яка привертає значну увагу, капітал та розробки. Однак масштабування масивних моделей є дорогим, енергоємним та нестійким. Тут дослідження, натхненні бджолами, пропонують альтернативу: невеликі, ефективні нейронні мережі, які можуть досягти більшого з меншими витратами.

Вивчаючи активний зір та компактні нейронні стратегії бджіл, ми можемо створювати футуристичний штучний інтелект та робототехніку, які будуть швидшими та потужнішими.

Натисніть тут, щоб дізнатися, чи можуть роботизовані запилювачі відігравати певну роль у вертикальному землеробстві.

Список використаної літератури:

1. МаБуДі, Х., Ріхтер, Дж., Гіро, М.-Г., Ропер, М., Маршалл, Дж.АР та Чіттка, Л. Активний зір бджіл у простому завданні розрізнення візерунків. eLife, 14, e106332, опубліковано 20 лютого 2025 року. https://doi.org/10.7554/eLife.106332
2. МаБуДі, Х., Ропер, М., Гіро, М.-Г., Юусола, М., Чіттка, Л., та Маршалл, JAR. Нейроморфна модель активного зору показує, як просторово-часове кодування в нейронах часточок може допомогти розпізнаванню образів у бджіл. eLife, 14, e89929, опубліковано 1 липня 2025 року. https://doi.org/10.7554/eLife.89929