Bihjerner inspirerer til smartere AI og robotteknologi

Bier, verdens største bestøvere, er en essentiel del af den biodiversitet, som vi mennesker er direkte afhængige af for vores overlevelse.

Disse vingede insekter er primært kendt for at levere føde af høj kvalitet som honning samt bivoks, propolis, pollen og gelé, blandt andre produkter. Endnu vigtigere er de ansvarlige for bestøvning af utallige blomstrende planter, herunder langt størstedelen af ​​verdens fødevareafgrøder, hvilket gør det muligt for planter at formere sig og producere frugter, grøntsager og frø. 

For at opnå dette bruger bier deres behårede kroppe og overfører pollen fra en blomst til en anden.

Selvom bier ikke er alene om dette, ligesom fugle, aber og endda mennesker bestøver, bier er helt sikkert de mest almindelige bestøvere. It anslås at over 87 % af alle blomstrende plantearter er afhængige af dyr, hvor bier er den primære gruppe for bestøvning, en essentiel økosystemtjeneste, der er afgørende for biodiversitet og fødevaresikkerhed.

Bier er faktisk meget intelligente insekter, og folk har studeret deres adfærd, væremåde og sociale interaktioner for at forstå økosystemernes sundhed, miljøændringer og forbedre afgrødernes bestøvningseffektivitet.

Desuden bier anvendes som en model til at forstå samarbejdsadfærd og kortlægge, hvordan små hjerner koordinerer komplekse sociale opgaver. 

Forskere henter også inspiration fra bier til at fremme teknologi. For eksempel deres navigations- og kommunikationsstrategier. anvendes til droneteknologi. Biers adfærd har også inspireret robotteknologi, algoritmer og kunstig intelligens.

I den forbindelse har forskere nu opdaget, at bier bruger deres flyvebevægelser til at forbedre hjernesignaler, hvilket gør det muligt for dem at lære og genkende komplekse visuelle mønstre med stor nøjagtighed. 

Denne bevægelsesbaserede opfattelse kan ifølge den nye undersøgelse revolutionere udviklingen af ​​næste generations kunstig intelligens og robotteknologi ved at prioritere effektivitet frem for massiv computerkraft.

Biernes intelligens: Hvad små hjerner lærer os om kunstig intelligens

Biers visuelle indlæringsevner er simpelthen bemærkelsesværdige. Denne er tydeligt ud fra det faktum, at de kan lære at forbinde en farve med en belønning samt identificere specifikke træk for at klassificere visuelle mønstre. De har endda vist evnen til at forstå abstrakte begreber og løse numerositetsopgaver ved sekventielt at scanne elementerne i en stimulus. 

Numerositet er et grundlæggende begreb inden for kognitiv videnskab og refererer til antallet af elementer i et sæt. og is normalt studeret i forbindelse med visuel opfattelse, hvor det refererer til evnen til hurtigt at forstå mængden af ​​objekter i en scene uden at tælle. 

Numerositetsopgaver analyserer derfor hjernens medfødte evne til at opfatte og estimere mængder.

Så bier har tydeligvis exceptionelle evner, hvilket gør dem til en værdifuld dyremodel til at udforske principperne for visuel læring ved at analysere deres adfærdsmæssige reaktioner.

Men sagen er, det er stadig ikke virkelig kendt lige hvordan bier er i stand til at identificere komplekse mønstre og opfatte kompleksiteten i verden omkring dem, mens de søger føde, givet deres angiveligt lave visuelle følsomhed og begrænsede neurale ressourcer.

Visuelle sensoriske neuroner er faktisk formodes at udvikle sig for at udnytte regelmæssigheder i naturlige scener. For eksempel har undersøgelser vist, at insekters sensoriske veje og adfærd forbundet med dem dynamisk tilpasser sig forskellige omgivende forhold. Svarene justeres baseret på inputdata som rumlig frekvens, kontrast og spatiotemporale korrelationer. 

Når det kommer til aktive prøvetagningsstrategier, hvor dyr kontinuerligt scanner deres omgivelser for at udtrække visuel information over tid, har sådan adfærd blevet bredt observeret på tværs af arter. 

Mens primater bruger øjenbevægelser til at forbedre deres fine rumlige opløsning og kodningen af ​​naturlige stimuli, anvender insekter strategier, der involverer hoved- og kropsbevægelser eller specifikke ... tilgangsbaner.

I tilfælde af bier er de sandsynligvis afhængige af aktivt syn og sekventiel prøveudtagning for at opbygge en stærk og robust neural repræsentation af deres omgivelser. 

Disse strategier spiller en rolle nøgle del i tidlig visuel bearbejdning, hvilket reducerer redundans og gør og kodning af visuelle stimuli mere effektiv. Men igenvores forståelse af, hvordan disse mekanismer tillade bier til at opdage visuelle regelmæssigheder, overvinde repræsentationelle begrænsninger og løse komplekse opgaver forbliver fattige.

Ifølge den seneste undersøgelse er forståelsen af ​​disse strategier afgørende for at afdække de grundlæggende principper for insektsyn og deres bredere implikationer for visuel bearbejdning på tværs af biologiske og kunstige systemer.

Så, bygning på deres tidligere undersøgelse, som vurderede biernes flyvebaner under en simpel visuel opgave¹, forskerne er nu kigge nærmere på de vigtigste kredsløbselementer, der bidrager til aktivt syn i genkendelsen af ​​akromatiske mønstre.

Det primære mål med undersøgelsen er at bestemme, hvordan biers scanningsadfærd bidrager til organiseringen og forbindelsen af ​​neuroner i deres visuelle lapper.

Forskere fra University of Sheffield fremsatte en hypotese om, at scanningsadfærd har tilpasset sig til at sample komplekse visuelle træk på en måde, der koder dem mere effektivt i lobula-neuronerne. Dette fremmer igen unikke repræsentationer, der understøtter læring i biernes lille hjerne. For at teste denne hypotese udviklede de en neuromorfisk model af biernes synslapper.

Forskerne inkluderede kodningsprincipper gennem en ny model for ikke-associativ plasticitet. Denne gjorde det muligt for modellen at selvorganisere sin forbindelse inden for den visuelle lap, hvilket skabte effektive repræsentationer af miljøet og førte til fremkomsten af ​​orienteringsselektive celler, som er essentielle for kodning af komplekse visuelle scener.

Den visuelle behandlingsramme blev yderligere forbedret by anvendelse et andet modul til beslutningstagning, som tog inspiration fra insekters associative læringsmekanismer.

Forskernes simuleringer afslører, at en lille delmængde af lobula-neuroner, der er følsomme over for specifikke orienteringer og hastigheder, kan komprimere komplekse visuelle miljøer til repræsentationer udtrykt som skudhastigheder. Disse sjældne repræsentationer skelner effektivt mellem plus- og multiplikationsmønstre, hvilket fremhæver modellens bredere anvendelighed.

De indsigter, der indsamles i studiet, kan bidrage til at forbedre vores forståelse af biologisk syn og kognition. og inspirere udviklingen af ​​nye beregningsmodeller til visuelle genkendelsesopgaver, erklærede og undersøgelse.

Hvordan bi-inspireret vision former robotteknologi og kunstig intelligens

Den seneste undersøgelse, et samarbejde med Queen Mary University i London og udgivet i tidsskriftet eLife, detaljeret en digital model af en bi's miniaturehjerne².

Den udnytter den overraskende måde, hvorpå disse insekter kombinerer deres hjerner og kroppe for at fremme teknologien og gøre fremtidige robotter smartere og mere effektive. Ligesom bier bruger deres flyvebevægelser til at skabe klare hjernesignaler og forenkle komplekse visuelle opgaver, kan næste generations teknologi også indsamle relevante oplysninger gennem bevægelse i stedet for at stole på enorm computerkraft.

Undersøgelsen har trods alt vist, at selv bittesmå insekthjerner er i stand til at løse komplekse visuelle opgaver. 

Det faktum, at få hjerneceller kan gøre så meget, betyder, at intelligens ikke bare er en hjerneting, men et resultat af, at hjernen, kroppen og miljøet arbejder sammen. 

Opbygning af en digital udgave af en bihjerne hjalp forskere med at opdage, at den måde bier bevæger deres kroppe på under flyvning, hjælper med deres visuelle input i form. Disse bevægelser producerer også unikke elektriske signaler i deres hjerner, som tillader dem til at identificere forudsigelige træk omkring dem nemt og effektivt.

Denne showcases bier bemærkelsesværdig nøjagtighed i at lære og identificere komplekse visuelle mønstre under flyvning.

"I dette studie har vi med succes vist, at selv de mindste hjerner kan udnytte bevægelse til at opfatte og forstå verden omkring dem. Dette viser os, at et lille, effektivt system – omend resultatet af millioner af års evolution – kan udføre beregninger, der er langt mere komplekse, end vi tidligere troede var muligt."

– Undersøgelsens ledende forfatter, professor James Marshall, direktør for Center of Machine Intelligence ved University of Sheffield

By løftestang Marshall bemærkede, at naturens bedste designs for intelligens baner vejen for "den næste generation af AI, der driver fremskridt inden for robotteknologi, selvkørende køretøjer og læring i den virkelige verden."

Som tidligere nævnt bygger denne undersøgelse på deres tidligere forskning i, hvordan bier bruger aktivt syn, hvor deres bevægelser hjælper med at indsamle og bearbejde visuel information. Det seneste arbejde ser nærmere på de underliggende hjernemekanismer, der driver deres adfærd med at flyve rundt og inspicere specifikke mønstre.

"I vores tidligere arbejde var vi fascinerede af at opdage, at bier bruger en smart scanningsgenvej til at løse visuelle gåder. Men det fortalte os bare, hvad de gør; i denne undersøgelse ville vi forstå hvordan."

– Hovedforfatter, Dr. HaDi MaBouDi fra University of Sheffield

Den avancerede visuelle mønsterindlæring biernes evner faktisk været lang forstået. Denne inkluderer deres evne til at skelne mellem menneskelige ansigter, men ikke I forhold til hvordan de navigerer i verden med så stor effektivitet.

"Vores model af en bihjerne viser, at dens neurale kredsløb er optimeret til at behandle visuel information ikke isoleret, men gennem aktiv interaktion med dens flyvebevægelser i det naturlige miljø."

– MaBouDi

Og dette, bemærkede han, understøtter teorien om, at intelligens opstår fra samspillet mellem hjerne, krop og miljø.

"Vi har lært, at bier, på trods af at de har hjerner, der ikke er større end et sesamfrø, ikke bare ser verden – de former aktivt det, de ser, gennem deres bevægelser. Det er et smukt eksempel på, hvordan handling og opfattelse er dybt forbundet for at løse komplekse problemer med minimale ressourcer." Denne er noget, der har store konsekvenser for både biologi og kunstig intelligens.”

– MaBouDi

Modellen, der er bygget gennem et samarbejde, viser, at biers neuroner bliver meget følsomme over for specifikke bevægelser og retninger, efterhånden som deres hjerne langsomt tilpasser sig gennem gentagen eksponering for forskellige stimuli. Det forbedrer deres reaktioner uden at være afhængige af associationer eller forstærkning.

Det betyder, at en bihjerne tilpasser sig sine omgivelser blot ved observation under flyvning, uden at have brug for øjeblikkelig belønning.

Alt dette gøres ved hjælp af blot et par neuroner, hvilket sparer både energi og processorkraft, hvilket gør deres hjerne utrolig effektiv. For at teste modellen udsatte holdet den nu for de samme visuelle udfordringer, som dem rigtige bier står over for. I dette tilfælde skulle beregningsmodellen skelne mellem et 'plus'-tegn og et 'multiplikationstegn'.

Når man efterlignede strategien for rigtige bier og kun scannede den nederste halvdel af mønstrene, viste modellen en betydelig forbedret ydeevne. 

Desuden demonstrerede modellen med succes lige hvordan bier kan genkende menneskelige ansigter ved kun at bruge et lille netværk af kunstige neuroner, at understrege alsidigheden og og styrken af ​​deres visuelle bearbejdning.

"Forskere har været fascineret af spørgsmålet om, hvorvidt hjernestørrelse forudsiger intelligens hos dyr. Men sådanne spekulationer giver ingen mening, medmindre man kender de neurale beregninger, der ligger til grund for en given opgave," sagde professor Lars Chittka, professor i sensorisk og adfærdsmæssig økologi ved Queen Mary University i London. "Her bestemmer vi det minimale antal neuroner, der kræves til vanskelige visuelle diskriminationsopgaver, og finder ud af, at tallene er svimlende små, selv for komplekse opgaver som menneskelig ansigtsgenkendelse. Således er insektmikrohjerner i stand til avancerede beregninger."

SoDette måde, den studere tilføjer til bevis for, at dyr ikke bare passivt modtager information. Faktisk arbejder de aktivt med det.

Især bier har visuel processering af højere orden, og modellen afslører, hvordan adfærdsdrevet scanning kan skabe komprimerede, lærbare neurale koder.

"Sammen understøtter disse resultater en samlet ramme, hvor perception, handling og hjernedynamik udvikler sig sammen for at løse komplekse visuelle opgaver med minimale ressourcer – hvilket giver stærke indsigter til både biologi og AI."

– Professor Mikko Juusola, professor i systemisk neurovidenskab fra University of Sheffields School of Biosciences and Neuroscience Institute

Klik her for at lære, hvordan kunstig intelligens kan hjælpe med at beskytte honningbier mod asiatiske hvepse.

Stryg for at scrolle →

Investering i AI-teknologi

I AI's og robotteknologiens verden, Qualcomm (QCOM ) er en kendt navn, der har udforsket neuromorfisk og kant-AI teknologier. 

For over et årti siden lancerede Qualcomm Qualcomm Zeroth-processorerne, der skulle efterligne menneskelignende opfattelse og læring, ligesom biologiske hjerner gør. Udover biologisk inspireret læring var målet at replikere den effektivitet, hvormed vores hjerne kommunikerer information, og standardisere den nye processorarkitektur kaldet en Neural Processing Unit (NPU).

Dens AI-drevne Robotics RB6-platform driver i mellemtiden næste generations robotteknologi og intelligente maskiner, herunder leveringsrobotter, autonome mobile robotter (AMR'er), UAM-fly, produktionsrobotter, autonome forsvarsløsninger og meget mere. Platformen leverer energieffektiv, avanceret kant-AI databehandling og videobehandling med 5G-forbindelse til robotter

Qualcomm er primært involveret i udvikling af grundlæggende teknologier til den trådløse industri, herunder 3G, 4G, 5G og trådløs forbindelse., og højtydende og strømbesparende databehandling.

Klik her for at lære alt om investering i kunstig intelligens (AI).

Qualcomm (QCOM )

Når man ser på Qualcomms markedspræstation, handles aktierne i virksomheden med en markedsværdi på 171.67 milliarder dollars i øjeblikket til 159.54 dollars, en stigning på 3.6 % i år indtil videre.

Selvom årets præstation har været skuffende, følger den efter QCOMs stigning over $215 i juni sidste år. Dens EPS (TTM) ligger på 10.36, P/E (TTM) på 15.36 og ROE (TTM) på 44.62%, mens aktionærerne drager fordel af et udbytte på 2.24%.

På den økonomiske front rapporterede producenten af ​​trådløse chip en stigning på 10% i omsætningen til 10.4 milliarder dollars for sit tredje regnskabskvartal, der sluttede den 29. juni 2025.

Drevet af styrke på tværs af mobiltelefoner, IoT og bilindustrien steg QCT's omsætning med 11 % år-til-år til 9 milliarder dollars, og EBT-omsætningen steg med 22 % til 2.7 milliarder dollars. De samlede omsætninger inden for bilindustrien og IoT steg i mellemtiden med 23 % år-til-år til 2.7 milliarder dollars.

Virksomhedens ikke-GAAP EPS steg med 19 % år-til-år til 2.77 USD.

Ifølge administrerende direktør Cristiano Amon:

"Endnu et kvartal med stærk vækst i QCT Automotive og IoT-indtægterne bekræfter yderligere vores diversificeringsstrategi og tillid til at nå vores langsigtede indtægtsmål. Vores førende position inden for AI-processering, højtydende og energibesparende databehandling samt avanceret tilslutningsmuligheder positionerer os til at blive den foretrukne brancheplatform, efterhånden som AI vinder skala i udkanten af ​​branchen."

I løbet af kvartalet returnerede Qualcomm 3.8 milliarder dollars til aktionærerne, hvilket inkluderede 967 millioner dollars eller 0.89 dollars pr. aktie i kontantudbytte og 2.8 milliarder dollars i aktietilbagekøb.

Senest lancerede Qualcomm Dragonwing Q-6690 til sine virksomhedskunder, mindre end seks måneder efter afsløringen. Dragonwing-produktpakken. Virksomheden hævder, at chipsættet er verdens første mobile processor med indbyggede ultrahøjfrekvente RFID-funktioner.

Med sine industrielle og indlejrede IoT-, netværks- og mobilinfrastrukturløsninger sigter virksomheden mod at udnytte dem for at forenkle kompleksitet, optimere driftseffektiviteten og muliggøre smartere beslutningstagning.

Midt i dette er Saudi-Arabiens AI-virksomhed, Humain, begyndt at bygge sine første datacentre i Riyadh og Dammam. som den har indgået partnerskab med med Qualcomm og AMD, Cisco og Groq. Virksomheden planlægger at bygge 1.9 GW datacenterkapacitet inden udgangen af ​​dette årti.

Seneste Qualcomm (QCOM) Aktienyheder og udviklinger

Konklusion

Dyr har længe inspireret teknologi, og nu viser bier os, at intelligens ikke handler om hjernestørrelse, men om effektivitet, tilpasningsevne og den problemfri integration af krop, hjerne og miljø. Disse erfaringer kan være med til at transformere AI-design.

AI er et af nutidens mest avancerede og hurtigt udviklende områder, der tiltrækker sig betydelig opmærksomhed, kapital og udvikling. Skalering af massive modeller er imidlertid dyrt, energikrævende og uholdbart. Her tilbyder bi-inspireret forskning et alternativ: små, effektive neurale netværk, der kan opnå mere med mindre.

Ved at studere biers aktive syn og kompakte neurale strategier kan vi bygge futuristisk kunstig intelligens og robotteknologi, der er hurtigere og mere kapable.

Klik her for at lære om robotbestøvere kan spille en rolle i vertikalt landbrug.

Referencer:

1. MaBouDi, H., Richter, J., Guiraud, M.-G., Roper, M., Marshall, JAR, & Chittka, L. Aktivt syn af bier i en simpel mønsterdiskriminationsopgave. eLife, 14, e106332, udgivet 20. februar 2025. https://doi.org/10.7554/eLife.106332
2. MaBouDi, H., Roper, M., Guiraud, M.-G., Juusola, M., Chittka, L., & Marshall, JAR En neuromorfisk model af aktivt syn viser, hvordan spatiotemporal kodning i lobula-neuroner kan hjælpe mønstergenkendelse hos bier. eLife, 14, e89929, udgivet 1. juli 2025. https://doi.org/10.7554/eLife.89929