微小蜜蜂脑部可能蕴含更智能AI的关键

• 这一发现可能彻底改变人工智能和机器人技术，表明未来的机器人可以通过利用运动来收集相关信息而变得更智能、更高效，而非依赖庞大的计算机网络
• 该研究强调了一个重要理念：智能源于大脑、身体和环境如何协同工作。它证明了即使是微小的昆虫大脑也能利用极少量的脑细胞解决复杂的视觉任务，这对生物学和人工智能均具有重大意义

根据谢菲尔德大学的一项研究，关于蜜蜂如何利用其飞行运动来促进对复杂视觉模式进行异常精确的学习和识别的新发现，可能标志着下一代人工智能开发方式的重大变革。

通过构建计算模型——即蜜蜂大脑的数字版本——研究人员发现蜜蜂在飞行过程中移动身体的方式如何帮助塑造视觉输入并在其大脑中产生独特的电信号。这些运动产生的神经信号使蜜蜂能够轻松高效地识别周围世界中可预测的特征。这种能力意味着蜜蜂在飞行中学习和识别复杂视觉模式（例如花朵中的图案）时表现出非凡的准确性。

该模型不仅加深了我们对蜜蜂如何通过运动学习和识别复杂模式的理解，还为下一代人工智能铺平了道路。它表明未来的机器人可以通过利用运动来收集信息而变得更智能、更高效，而非依赖巨大的计算能力。

谢菲尔德大学机器智能中心主任、该研究的资深作者詹姆斯·马歇尔教授表示："在这项研究中，我们成功证明了即使是最微小的大脑也能利用运动来感知和理解周围世界。这表明一个高效的小型系统——尽管是数百万年进化的结果——能够执行比我们先前认为可能复杂得多的计算。"

"利用自然界最优秀的设计来实现智能，为下一代人工智能打开了大门，推动机器人技术、自动驾驶汽车和现实世界学习的进步。"

这项与伦敦玛丽女王大学合作的研究最近发表在eLife期刊上。该研究基于团队先前对蜜蜂如何使用主动视觉（即其运动帮助收集和处理视觉信息的过程）的研究。早期的研究观察了蜜蜂如何飞行并检查特定图案，而这项新研究则更深入地理解了驱动该行为的潜在大脑机制。

蜜蜂复杂的视觉模式学习能力（例如区分人脸）早已被了解；然而，该研究的发现为传粉昆虫如何以这种看似简单的高效方式在世界上导航提供了新的见解。

主要作者、谢菲尔德大学研究员哈迪·马布迪博士表示："在我们之前的工作中，我们着迷地发现蜜蜂采用了一种聪明的扫描捷径来解决视觉难题。但那只是告诉我们它们做了什么；而在这项研究中，我们想了解它们是如何做到的。

"我们的蜜蜂大脑模型证明，其神经回路经过优化，并非孤立地处理视觉信息，而是通过与自然环境中飞行运动的主动互动来处理，这支持了智能源于大脑、身体和环境如何协同工作的理论。

"我们了解到，尽管蜜蜂的大脑只有芝麻籽大小，但它们不仅仅是被动地观察世界——它们通过运动主动塑造所见之物。这是行动与感知如何深度交织以最小资源解决复杂问题的一个绝佳例证。这对生物学和人工智能都具有重大意义。"

该模型显示，随着蜜蜂的脑网络通过反复暴露于各种刺激而逐渐适应，其神经元会针对特定方向和运动进行精细调谐，从而在不依赖关联或强化的情况下优化其反应。这使得蜜蜂大脑在飞行中仅通过观察就能适应环境，无需即时奖励。这意味着大脑极其高效，仅使用少量活跃神经元即可识别事物，同时节省能量和处理能力。

为了验证其计算模型，研究人员让模型接受了与真实蜜蜂相同的视觉挑战。在一项关键实验中，模型的任务是区分"加号"和"乘号"。当模型模仿真实蜜蜂仅扫描图案下半部分的策略时（研究团队在先前研究中观察到的行为），其表现出显著提升的性能。

即使仅使用小型人工神经元网络，该模型也成功展示了蜜蜂如何识别人脸，突显了其视觉处理的强大性和灵活性。

伦敦玛丽女王大学感官与行为生态学教授拉尔斯·奇特卡补充道："科学家们一直对一个问题着迷：脑容量是否能预测动物的智力。但除非了解支撑特定任务的神经计算过程，否则这种推测毫无意义。

"在此我们确定了执行困难视觉辨别任务所需的最少神经元数量，发现这个数字惊人地小，即使对于人脸识别等复杂任务也是如此。因此，昆虫的微型大脑能够进行高级计算。"

谢菲尔德大学生物科学学院和神经科学研究所的系统神经科学教授米科·尤索拉表示："这项工作强化了日益增多的证据，表明动物并非被动接收信息——而是主动塑造信息。

"我们的新模型将这一原理扩展到蜜蜂的高阶视觉处理，揭示了行为驱动的扫描动作如何创建可压缩、可学习的神经编码。这些发现共同支持了一个统一框架：感知、行动和大脑动力学共同进化，以最小资源解决复杂视觉任务——为生物学和人工智能提供了强大的见解。"

该研究综合了关于昆虫行为方式、其大脑工作机制以及计算模型结果的发现，展示了研究小型昆虫大脑如何能揭示智能的基本规则。这些发现不仅加深了我们对认知的理解，也对开发新技术具有重大意义。