عقول النحل تلهم الذكاء الاصطناعي والروبوتات الأكثر ذكاءً

النحل، أعظم الملقحات في العالم، جزء أساسي من التنوع البيولوجي الذي نعتمد عليه نحن البشر مباشرة للبقاء على قيد الحياة.

هذه الحشرات المجنحة معروفة أساسًا بتوفير طعام عالي الجودة مثل العسل بالإضافة إلى شمع النحل، البروبوليس، حبوب اللقاح، والهلام، وغيرها من المنتجات. والأهم من ذلك، أنها مسؤولة عن تلقيح عدد لا يحصى من النباتات المزهرة، بما في ذلك الغالبية العظمى من محاصيل الغذاء في العالم، مما يمكّن النباتات من التكاثر وإنتاج الفواكه والخضروات والبذور. 

لتحقيق ذلك، يستخدم النحل أجساده الشعرية وينقل حبوب اللقاح من زهرة إلى أخرى.

في حين أن النحل ليس الوحيد في هذا المجال، فكما تقوم الطيور والقرود وحتى البشر بالتلقيح، فإن النحل هو بالتأكيد أكثر الملقحات شيوعًا. يُقدّر أن أكثر من 87% من جميع أنواع النباتات المزهرة تعتمد على الحيوانات، مع كون النحل هو المجموعة الأساسية للتلقيح، وهي خدمة بيئية أساسية حيوية للتنوع البيولوجي وأمن الغذاء.

النحل في الواقع حشرات ذكية جدًا، وقد قام الناس بدراسة سلوكها وتصرفاتها وتفاعلاتها الاجتماعية لفهم صحة النظام البيئي، والتغيرات البيئية، وتحسين كفاءة تلقيح المحاصيل.

علاوة على ذلك، يُستخدم النحل كنموذج لفهم السلوك التعاوني ورسم خريطة لكيفية تنسيق العقول الصغيرة للمهام الاجتماعية المعقدة.

العلماء أيضًا يستلهمون من النحل لتطوير التكنولوجيا. على سبيل المثال، تُطبق استراتيجيات التنقل والاتصال الخاصة بهم على تقنيات الطائرات بدون طيار. سلوك النحل ألهم أيضًا الروبوتات والخوارزميات والذكاء الاصطناعي.

في هذا الصدد، اكتشف الباحثون الآن أن النحل يستخدم حركات طيرانه لتحسين إشارات الدماغ، مما يتيح له التعلم والتعرف على الأنماط البصرية المعقدة بدقة عالية. 

وفقًا للدراسة الجديدة، يمكن لهذا الإدراك القائم على الحركة أن يثوّر تطوير الذكاء الاصطناعي والروبوتات من الجيل التالي من خلال التركيز على الكفاءة بدلاً من القوة الحاسوبية الضخمة.

ذكاء النحل: ما تعلمنا إياه العقول الصغيرة عن الذكاء الاصطناعي

قدرات التعلم البصري لدى النحل مذهلة ببساطة. يتضح ذلك من قدرتهم على ربط لون بمكافأة وكذلك التعرف على ميزات محددة لتصنيف الأنماط البصرية. لقد أظهروا أيضًا القدرة على فهم المفاهيم المجردة وحل مهام العددية عن طريق مسح العناصر داخل المنبه بشكل متسلسل. 

مفهوم أساسي في علم الإدراك، العددية تشير إلى عدد العناصر في مجموعة وعادةً ما يُدرَس في سياق الإدراك البصري، حيث يشير إلى القدرة على استيعاب كمية الأشياء في المشهد بسرعة دون العد. 

وبالتالي، تحلل مهام العددية القدرة الفطرية للدماغ على إدراك وتقدير الكميات.

إذن، يمتلك النحل بوضوح قدرات استثنائية، مما يجعله نموذجًا حيوانيًا قيمًا لاستكشاف مبادئ التعلم البصري من خلال تحليل استجابات سلوكه.

لكن الحقيقة هي أنه لا يزال غير معروف حقًا كيف يتمكن النحل من التعرف على الأنماط المعقدة وإدراك تعقيدات العالم من حوله أثناء الجمع، نظرًا لحساسيته البصرية المنخفضة المفترضة وموارده العصبية المحدودة.

يفترض أن الخلايا العصبية الحسية البصرية تتطور لاستغلال الانتظامات في المشاهد الطبيعية. على سبيل المثال، أظهرت الدراسات أن مسارات الحواس لدى الحشرات والسلوكيات المرتبطة بها تتكيف ديناميكيًا مع ظروف البيئة المختلفة. يتم تعديل الاستجابات بناءً على بيانات الإدخال مثل التردد المكاني، والتباين، والارتباطات الزمانية المكانية. 

عندما يتعلق الأمر باستراتيجيات العينة النشطة، حيث تقوم الحيوانات بمسح بيئتها باستمرار لاستخلاص المعلومات البصرية على مر الزمن، فقد لوحظ هذا السلوك على نطاق واسع عبر الأنواع. 

في حين تستخدم الرئيسيات حركات العين لتعزيز دقتها المكانية الدقيقة وتحسين ترميز المنبهات الطبيعية، تستخدم الحشرات استراتيجيات تشمل حركات الرأس والجسم أو مسارات اقتراب محددة.

في حالة النحل، من المحتمل أن يعتمدوا على الرؤية النشطة والمسح المتسلسل لبناء تمثيل عصبي قوي ومتين لبيئتهم. 

تلعب هذه الاستراتيجيات دورًا رئيسيًا في المعالجة البصرية الأولية، مما يقلل التكرار ويجعل ترميز المنبهات البصرية أكثر كفاءة. ولكن مرة أخرى، لا يزال فهمنا لكيفية تمكين هذه الآليات للنحل من اكتشاف الانتظامات البصرية، وتجاوز قيود التمثيل، وحل المهام المعقدة ضعيفًا.

وفقًا للدراسة الأخيرة، فإن فهم هذه الاستراتيجيات أمر حاسم لفك مبادئ الرؤية الحشرية الأساسية وتطبيقاتها الأوسع على معالجة البصر عبر الأنظمة البيولوجية والاصطناعية.

إذن، بناءً على دراستهم السابقة التي قيمت مسارات طيران النحل خلال مهمة بصرية بسيطة، يبحث الباحثون الآن في العناصر الدائرية الرئيسية التي تسهم في الرؤية النشطة عند التعرف على الأنماط الأحادية اللون.

الهدف الأساسي من الدراسة هو تحديد كيف يساهم سلوك المسح لدى النحل في تنظيم وربط الخلايا العصبية في الفصوص البصرية.

افترض الباحثون من جامعة شيفيلد أن سلوكيات المسح تكيفت لتجميع الميزات البصرية المعقدة بطريقة تجعلها تُشفّر بشكل أكثر كفاءة في خلايا الفصوص. وهذا بدوره يُسهل تمثيلات فريدة تدعم التعلم في دماغ النحل الصغير. لاختبار هذه الفرضية، طوروا نموذجًا عصبيًا شبيهًا بدماغ النحل للفصوص البصرية.

شمل الباحثون مبادئ الترميز من خلال نموذج جديد للمرونة غير الترابطي. مكن ذلك النموذج من تنظيم اتصاله ذاتيًا داخل الفص البصري، وبالتالي إنشاء تمثيلات فعّالة للبيئة وإحداث ظهور خلايا انتقائية للاتجاه، وهي أساسية لترميز المشاهد البصرية المعقدة.

تم تعزيز إطار معالجة البصر أكثر باستخدام وحدة أخرى لاتخاذ القرار، والتي استلهمت من آليات التعلم الترابطي لدى الحشرات.

تكشف محاكاة الباحثين أن مجموعة صغيرة من خلايا الفصوص الحساسة لاتجاهات وسرعات محددة يمكنها ضغط البيئات البصرية المعقدة إلى تمثيلات تُعبّر عنها معدلات الإشعال. تميز هذه التمثيلات النادرة بفعالية بين نمط علامة الجمع ونمط الضرب، مما يبرز قابلية تطبيق النموذج على نطاق أوسع.

يمكن أن تساعد الأفكار المستخلصة من الدراسة في تعزيز فهمنا للرؤية البيولوجية والإدراك وإلهام تطوير نماذج حسابية جديدة لمهام التعرف البصري، وفقًا للدراسة.

كيف يُشكِّل الرؤية المستوحاة من النحل الروبوتات والذكاء الاصطناعي

الدراسة الأخيرة، جهد تعاوني مع جامعة كوين ماري في لندن ونُشرت في مجلة eLife، تفصّلت في نموذج رقمي لعقل النحل المصغر.

إنها تستفيد من الطريقة المفاجئة التي تجمع بها هذه الحشرات بين عقولها وأجسامها للمساعدة في تقدم التكنولوجيا وجعل الروبوتات المستقبلية أكثر ذكاءً وكفاءة. تمامًا كما يستخدم النحل حركات طيرانه لإنشاء إشارات دماغية واضحة وتبسيط المهام البصرية المعقدة، يمكن للتقنية الجيلية القادمة أيضًا جمع المعلومات ذات الصلة من خلال الحركة بدلاً من الاعتماد على قوة حوسبة هائلة.

في النهاية، أظهرت الدراسة أن عقول الحشرات الصغيرة قادرة على حل مهام بصرية معقدة.

حقيقة أن عددًا قليلًا من خلايا الدماغ يمكنه إنجاز هذا الكثير تعني أن الذكاء ليس مجرد مسألة دماغ، بل نتيجة لتعاون الدماغ والجسم والبيئة.

ساعد بناء نسخة رقمية من دماغ النحل الباحثين على اكتشاف أن طريقة تحرك النحل لأجسامه أثناء الطيران تساعد في تشكيل المدخل البصري. تنتج هذه الحركات أيضًا إشارات كهربائية فريدة في أدمغتهم، مما يتيح لهم التعرف على الميزات المتوقعة حولهم بسهولة وكفاءة.

هذا يبرز الدقة المذهلة للنحل في تعلم وتحديد الأنماط البصرية المعقدة أثناء الطيران.

“في هذه الدراسة، نجحنا في إثبات أن أصغر العقول يمكنها الاستفادة من الحركة لإدراك وفهم العالم من حولها. هذا يُظهر لنا أن نظامًا صغيرًا وفعّالًا — رغم كونه نتيجة لملايين السنين من التطور — يمكنه إجراء حسابات أكثر تعقيدًا بكثير مما كنا نعتقد سابقًا.”

– المؤلف الرئيسي للدراسة، الأستاذ جيمس مارشال، مدير مركز الذكاء الآلي في جامعة شيفيلد

من خلال الاستفادة من أفضل تصاميم الطبيعة للذكاء، أشار مارشال إلى أن هذا يمهّد الطريق لل«الجيل التالي من الذكاء الاصطناعي»، مما يدفع التقدم في الروبوتات، والمركبات ذاتية القيادة، والتعلم في العالم الحقيقي.

كما ذُكر سابقًا، تبني هذه الدراسة على أبحاثهم السابقة حول كيفية استخدام النحل للرؤية النشطة، حيث تساعد حركاتهم في جمع ومعالجة المعلومات البصرية. يتعمق العمل الأخير في آليات الدماغ الأساسية التي تدفع سلوكهم في الطيران حول وفحص الأنماط المحددة.

“في عملنا السابق، أُعجبنا باكتشاف أن النحل يستخدم اختصارًا ذكيًا للمسح لحل الألغاز البصرية. لكن ذلك أخبرنا فقط بما يفعلونه؛ لهذه الدراسة، أردنا أن نفهم كيف.”

– المؤلف الرئيسي، الدكتورة هادي مبودي من جامعة شيفيلد

لقد تم فهم قدرات التعلم المتقدم للأنماط البصرية لدى النحل منذ فترة طويلة. وهذا يشمل قدرتهم على التمييز بين وجوه البشر، ولكن ليس كيفية تنقلهم في العالم بهذه الكفاءة.

“يظهر نموذج دماغ النحل أن دوائره العصبية مُحسّنة لمعالجة المعلومات البصرية ليس بمعزل، بل من خلال التفاعل النشط مع حركات طيرانه في البيئة الطبيعية.”

– مبودي

وأشار إلى أن ذلك يدعم النظرية القائلة بأن الذكاء ينشأ من تفاعل الدماغ والجسم والبيئة معًا.

“لقد تعلمنا أن النحل، على الرغم من أن أدمغتهم لا تتجاوز حجم حبة السمسم، لا يقتصرون على رؤية العالم فقط – بل يشكلون ما يرونه بنشاط من خلال حركاتهم. إنه مثال جميل على كيفية تداخل الفعل والإدراك بعمق لحل المشكلات المعقدة بأقل الموارد. وهذا له تداعيات كبيرة لكل من علم الأحياء والذكاء الاصطناعي.”

– مبودي

النموذج، الذي بُني من خلال جهود تعاونية، يُظهر أن خلايا النحل العصبية تصبح مُضبوطة للغاية على حركات واتجاهات محددة مع تكيف دماغها ببطء من خلال التعرض المتكرر لمؤثرات مختلفة. هذا يُحسّن استجاباتها دون الحاجة إلى الاعتماد على الارتباطات أو التعزيز.

ما يعنيه ذلك هو أن دماغ النحل يتكيف مع بيئته ببساطة عبر الملاحظة أثناء الطيران، دون الحاجة إلى مكافآت فورية.

يتم إنجاز كل هذا باستخدام عدد قليل فقط من الخلايا العصبية، مما يحافظ على كل من الطاقة وقوة المعالجة، مما يجعل دماغهم فعالًا للغاية. الآن، لاختبار النموذج، وضع الفريق النموذج أمام نفس التحديات البصرية التي تواجه النحل الحقيقي. في هذه الحالة، كان على النموذج الحاسوبي التمييز بين علامة ‘زائد’ وعلامة ‘ضرب’.

عند محاكاة استراتيجية النحل الحقيقي، حيث تم مسح النصف السفلي فقط من الأنماط، أظهر النموذج أداءً محسّنًا بشكل ملحوظ.

علاوة على ذلك، أظهر النموذج بنجاح كيف يمكن للنحل التعرف على وجوه البشر، باستخدام شبكة صغيرة فقط من الخلايا العصبية الاصطناعية، مما يبرز تعددية الاستخدام وقوة معالجتهم البصرية.

“لقد كان العلماء مفتونين بالسؤال عما إذا كان حجم الدماغ يتنبأ بالذكاء لدى الحيوانات. لكن مثل هذه التكهنات لا معنى لها ما لم يعرف المرء الحسابات العصبية التي تدعم مهمة معينة،” قال الأستاذ لارس تشيتكا، أستاذ علم البيئة الحسية والسلوكية في جامعة كوين ماري بلندن. “هنا نحدد الحد الأدنى لعدد الخلايا العصبية المطلوبة لمهام التمييز البصري الصعبة ونجد أن الأعداد صغيرة بشكل مذهل، حتى للمهام المعقدة مثل التعرف على وجوه البشر. وبالتالي، فإن عقول الحشرات الدقيقة قادرة على حسابات متقدمة.”

إذن، بهذه الطريقة، تضيف الدراسة إلى الأدلة التي تشير إلى أن الحيوانات لا تكتفي بتلقي المعلومات بشكل سلبي. بل هي تعمل معها بنشاط.

النحل، على وجه الخصوص، يمتلك معالجة بصرية من المستوى الأعلى، ويكشف النموذج كيف يمكن للمسح المدفوع بالسلوك إنشاء رموز عصبية مضغوطة وقابلة للتعلم.

“معًا، تدعم هذه النتائج إطارًا موحدًا حيث يتطور الإدراك والفعل وديناميكيات الدماغ معًا لحل مهام بصرية معقدة بأقل الموارد – مما يقدم رؤى قوية لكل من علم الأحياء والذكاء الاصطناعي.”

– الأستاذ ميكو جوسولا، أستاذ علم الأعصاب النظامي من مدرسة علوم الأحياء ومعهد علوم الأعصاب بجامعة شيفيلد

انقر هنا لتتعرف على كيفية مساعدة الذكاء الاصطناعي في حماية نحل العسل من الدبابير الآسيوية.

اسحب للتمرير →

الاستثمار في تقنيات الذكاء الاصطناعي

في عالم الذكاء الاصطناعي والروبوتات، Qualcomm (QCOM ) هو اسم معروف استكشف تقنيات النيورومورفية والذكاء الاصطناعي الطرفي. 

قبل أكثر من عقد من الزمن، أطلقت Qualcomm معالجات Qualcomm Zeroth لتقليد الإدراك والتعلم الشبيه بالإنسان، تمامًا كما تفعل الأدمغة البيولوجية. إلى جانب التعلم المستوحى من الطبيعة، كان الهدف هو تكرار الكفاءة التي يتواصل بها دماغنا مع المعلومات وتوحيد بنية المعالجة الجديدة المسماة وحدة المعالجة العصبية (NPU).

في الوقت نفسه، تُشغّل منصة Robotics RB6 المدفوعة بالذكاء الاصطناعي الروبوتات الجيلية القادمة والآلات الذكية، بما في ذلك روبوتات التوصيل، الروبوتات المتنقلة الذاتية (AMRs)، طائرات النقل الجوي الحضري (UAM)، روبوتات التصنيع، حلول الدفاع الذاتية، وأكثر من ذلك. تُقدّم المنصة حوسبة طرفية ذكية متقدمة ومعالجة فيديو كفء في استهلاك الطاقة مع اتصال 5G للروبوتات

في المقام الأول، تشارك Qualcomm في تطوير تقنيات أساسية لصناعة الاتصالات اللاسلكية، بما في ذلك 3G و4G و5G، والاتصال اللاسلكي، والحوسبة عالية الأداء ومنخفضة الطاقة.

انقر هنا لتتعرف على كل ما يتعلق بالاستثمار في الذكاء الاصطناعي (AI).

Qualcomm (QCOM )

نظرة على أداء سوق Qualcomm، أسهم الشركة ذات القيمة السوقية البالغة 171.67 مليار دولار تتداول حاليًا عند 159.54 دولار، بارتفاع 3.6٪ هذا العام حتى الآن.

بينما كان الأداء هذا العام مخيبًا للآمال، إلا أنه يأتي بعد ارتفاع QCOM فوق 215 دولار في يونيو من العام الماضي. يبلغ ربح السهم (TTM) 10.36، نسبة السعر إلى الأرباح (TTM) 15.36، والعائد على حقوق الملكية (TTM) 44.62٪، بينما يستفيد المساهمون من عائد توزيعات بنسبة 2.24٪.

على الصعيد المالي، أبلغ صانع الرقائق اللاسلكية عن زيادة بنسبة 10٪ في الإيرادات لتصل إلى 10.4 مليار دولار للربع الثالث المالي المنتهي في 29 يونيو 2025.

بدعم من القوة عبر الهواتف، وإنترنت الأشياء، والقطاع السيارات، ارتفعت إيرادات QCT بنسبة 11٪ على أساس سنوي لتصل إلى 9 مليارات دولار، وارتفعت إيرادات EBT بنسبة 22٪ إلى 2.7 مليار دولار. في الوقت نفسه، ارتفعت إيرادات QCT للسيارات وإنترنت الأشياء مجتمعة بنسبة 23٪ على أساس سنوي إلى 2.7 مليار دولار.

ارتفع ربح السهم غير GAAP بنسبة 19٪ على أساس سنوي إلى 2.77 دولار.

According to CEO Cristiano Amon:

“ربع آخر من النمو القوي في إيرادات QCT للسيارات وإنترنت الأشياء يعزز استراتيجيتنا التنويعية وثقتنا في تحقيق أهداف الإيرادات طويلة الأجل. قيادتنا في معالجة الذكاء الاصطناعي، والحوسبة عالية الأداء ومنخفضة الطاقة، والاتصال المتقدم يضعنا لتصبح المنصة المفضلة في الصناعة مع توسع الذكاء الاصطناعي على الحافة.”

خلال الربع، أعادت Qualcomm 3.8 مليار دولار للمساهمين، شملت 967 مليون دولار، أي 0.89 دولار للسهم، كأرباح نقدية، و2.8 مليار دولار من عمليات إعادة شراء الأسهم.

مؤخرًا، أطلقت Qualcomm معالج Dragonwing Q-6690 لعملائها من الشركات، بعد أقل من ستة أشهر من الكشف عن مجموعة منتجات Dragonwing. تدعي الشركة أن الشريحة هي أول معالج محمول في العالم مزود بقدرات RFID ذات تردد فائق عالٍ مدمجة.

من خلال حلول إنترنت الأشياء الصناعية والمدمجة، والشبكات، وبنية الاتصالات الخلوية، تهدف الشركة إلى استخدامها لتبسيط التعقيد، وتحسين الكفاءة التشغيلية، وتمكين اتخاذ قرارات أكثر ذكاءً.

في ظل ذلك، بدأت شركة الذكاء الاصطناعي السعودية، Humain، في بناء أول مراكز بياناتها في الرياض والدمام، وقد شاركت في ذلك مع Qualcomm وAMD وCisco وGroq. تخطط الشركة لبناء طاقة مراكز بيانات تبلغ 1.9 جيجاواط بحلول نهاية هذا العقد.

أحدث أخبار وتطورات سهم Qualcomm (QCOM)

الخلاصة

لطالما ألهمت الحيوانات التكنولوجيا، والآن يُظهر لنا النحل أن الذكاء لا يتعلق بحجم الدماغ بل بالكفاءة، والقدرة على التكيف، والدمج السلس بين الجسم والدماغ والبيئة. يمكن أن تساعد هذه الدروس في تحويل تصميم الذكاء الاصطناعي.

يُعد الذكاء الاصطناعي أحد أكثر المجالات تقدمًا وسرعةً اليوم، حيث يجذب اهتمامًا كبيرًا ورأس مالًا وتطويرًا. ومع ذلك، فإن توسيع النماذج الضخمة مكلف، ويستهلك طاقة، وغير مستدام. هنا، يقدم البحث المستوحى من النحل بديلاً: شبكات عصبية صغيرة وفعّالة يمكنها تحقيق المزيد بأقل.

من خلال دراسة الرؤية النشطة والاستراتيجيات العصبية المدمجة للنحل، يمكننا بناء ذكاء اصطناعي وروبوتات مستقبلية تكون أسرع وأكثر قدرة.

انقر هنا لتعرف ما إذا كان بإمكان الملقحات الروبوتية أن تلعب دورًا في الزراعة العمودية.

المراجع:

1. MaBouDi, H., Richter, J., Guiraud, M.-G., Roper, M., Marshall, J.A.R., & Chittka, L. الرؤية النشطة للنحل في مهمة تمييز نمط بسيطة. eLife, 14, e106332, نُشر في 20 فبراير 2025. https://doi.org/10.7554/eLife.106332
2. MaBouDi, H., Roper, M., Guiraud, M.-G., Juusola, M., Chittka, L., & Marshall, J.A.R. نموذج عصبي شبيه بدماغ النحل يُظهر كيف يمكن للترميز الزماني المكاني في خلايا الفصوص أن يساعد في التعرف على الأنماط لدى النحل. eLife, 14, e89929, نُشر في 1 يوليو 2025. https://doi.org/10.7554/eLife.89929