计算机模型展示了对社交距离的渴望改善了鸽子的飞行路线

英国布里斯托尔大学认知神经科学家Edwin Dalmaijer博士进行的一项新研究着眼于社会对鸽子飞行路线的影响。研究人员将成对鸽子的飞行模式与计算机模型进行了比较，发现随着年轻的鸽子从年长的鸽子那里学习路线，飞行路线也会得到改善，从而使几代人的路线总体上更高效。这项研究于6月6日发表在开放获取期刊《PLOS生物学》上

众所周知，鸽子能够长距离到达特定地点。像许多鸟类一样，它们利用太阳和地球磁场进行导航。尽管这些感觉有助于鸽子找到方位，但它们通常不会产生最有效的路线

Dalmaijer博士从之前发表的研究中收集了数据，在这些研究中，熟悉路线的鸽子与以前没有飞行过路线的鸽子配对。这些数据表明，当引入缺乏经验的鸽子时，这对鸽子会飞一条更直接的路线到达目的地。然而，这些先前的研究无法确定配对的鸟类如何产生更有效的路线

Dalmaijer博士将鸽子飞行数据与计算机模型进行了比较，该模型优先考虑了四个主要因素。这四个因素代表了在选择认知能力最低的飞行路线时可能涉及的内容，包括：指向目标的方向，代表鸟类的内部指南针；靠近另一只鸽子；记忆中的路线；以及总体一致性，因为这些鸟不太可能做出不稳定的转弯

顶部面板显示了来自人工代理（此处介绍）和已经发布的鸽子数据的路径。每一行代表一代人中的最后一次飞行。来源：Edwin Dalmaijer（CC-BY 4.0，creativecommons.org/licenses/BY/4.0/）

在该模型中，被称为“代理人”的模拟鸟类进行了60多次旅行。每12次旅行，就会有一名特工被一名以前没有旅行过的特工取代，模拟一只幼鸟

这导致了航线效率的代际提高。这些改进与鸽子对的真实数据相似，尽管鸽子数据与模型的最优化版本不匹配，可能是因为鸽子受到了模型无法解释的其他因素的影响

当模型的一些参数被去除时，例如对路线的记忆或靠近另一只鸽子的愿望，没有世代的改善。Dalmaijer博士说：“这些结果表明，当个人只是寻求与他人接近时，代际之间可以逐步改善。”

该模型展示了双向学习。正如预期的那样，年轻的代理通过学习路线而受益于年长的代理。然而，它也表明，年长的代理从年轻的代理中受益。由于年轻的代理人不遵循内部路线，他们更倾向于最终目的地

代理人对两者之间社交距离的渴望平衡了这些吸引力，从而形成了一条总体上更有效的路线。此外，这些发现可能适用于鸽子以外的其他物种，如蚂蚁和某些类型的鱼，它们也会根据记忆和社会因素进行旅行

Dalmaijer博士补充道，“我在荷兰长大，在这个城市里，鸽子不断地走进迎面而来的自行车车流，所以我对鸽子的智力没有最高的评价。

”一方面，这项研究证明了这一点，通过显示‘愚蠢’的人工智能也会逐渐提高路线效率。另一方面，我对鸽子导航和累积文化方面所做的所有令人印象深刻的工作获得了极大的尊重，甚至对谦逊的鸽子也有一点尊重（只要它们远离我的自行车）。p