Otak Lebah Menginspirasi AI dan Robotika yang Lebih Pintar

Lebah, penyerbuk terbesar di dunia, merupakan bagian penting dari keanekaragaman hayati yang secara langsung menjadi ketergantungan manusia untuk kelangsungan hidup kita.

Serangga bersayap ini terutama dikenal karena menyediakan makanan berkualitas tinggi seperti madu serta lilin lebah, propolis, serbuk sari, dan jelly, di antara produk lainnya. Lebih penting lagi, mereka bertanggung jawab untuk penyerbukan tak terhitung banyaknya tanaman berbunga, termasuk mayoritas tanaman pangan dunia, yang memungkinkan tanaman bereproduksi dan menghasilkan buah, sayuran, serta biji. 

Untuk melakukannya, lebah menggunakan tubuh berbulu mereka dan memindahkan serbuk sari dari satu bunga ke bunga lainnya.

Meskipun lebah tidak sendirian dalam hal ini, karena burung, monyet, dan bahkan manusia juga melakukan penyerbukan, lebah jelas merupakan penyerbuk yang paling umum. Diperkirakan lebih dari 87% semua spesies tanaman berbunga bergantung pada hewan, dengan lebah menjadi kelompok utama untuk penyerbukan, sebuah layanan ekosistem penting yang vital bagi keanekaragaman hayati dan keamanan pangan.

Lebah sebenarnya adalah serangga yang sangat cerdas, dan orang-orang telah mempelajari perilaku, kebiasaan, serta interaksi sosial mereka untuk memahami kesehatan ekosistem, perubahan lingkungan, dan meningkatkan efisiensi penyerbukan tanaman.

Selain itu, lebah digunakan sebagai model untuk memahami perilaku kooperatif dan memetakan bagaimana otak kecil mengoordinasikan tugas sosial yang kompleks. 

Para ilmuwan juga mengambil inspirasi dari lebah untuk mengembangkan teknologi. Misalnya, strategi navigasi dan komunikasi mereka diterapkan pada teknologi drone. Perilaku lebah juga menginspirasi robotika, algoritma, dan AI.

Sehubungan dengan hal itu, peneliti kini telah menemukan bahwa lebah menggunakan gerakan terbang mereka untuk meningkatkan sinyal otak, yang memungkinkan mereka belajar dan mengenali pola visual kompleks dengan akurasi tinggi. 

Persepsi berbasis gerakan ini, menurut studi baru, dapat merevolusi pengembangan AI dan robotika generasi berikutnya dengan menekankan efisiensi dibandingkan daya komputasi yang besar.

Kecerdasan Lebah: Apa yang Diajarkan Otak Kecil tentang AI

Kemampuan belajar visual lebah sungguh luar biasa. Hal ini terlihat dari fakta bahwa mereka dapat belajar mengaitkan warna dengan hadiah serta mengidentifikasi fitur spesifik untuk mengklasifikasikan pola visual. Mereka bahkan menunjukkan kemampuan untuk memahami konsep abstrak dan menyelesaikan tugas numerositas dengan memindai elemen secara berurutan dalam sebuah rangsangan. 

Konsep fundamental dalam ilmu kognitif, numerositas merujuk pada jumlah item dalam satu set dan biasanya dipelajari dalam konteks persepsi visual, di mana ia mengacu pada kemampuan untuk dengan cepat memahami kuantitas objek dalam sebuah adegan tanpa menghitung. 

Dengan demikian, tugas numerositas menganalisis kemampuan bawaan otak untuk mempersepsikan dan memperkirakan kuantitas.

Jadi, lebah jelas memiliki kemampuan luar biasa, yang menjadikannya model hewan berharga untuk mengeksplorasi prinsip pembelajaran visual dengan menganalisis respons perilaku mereka.

Namun faktanya, masih belum benar-benar diketahui bagaimana lebah dapat mengidentifikasi pola kompleks dan memahami kerumitan dunia di sekitarnya saat mencari makan, mengingat sensitivitas visual mereka yang konon rendah dan sumber daya saraf yang terbatas.

Neuron sensorik visual sebenarnya diperkirakan berevolusi untuk memanfaatkan keteraturan dalam pemandangan alami. Misalnya, studi telah menunjukkan bahwa jalur sensorik serangga dan perilaku yang terkait dengannya beradaptasi secara dinamis terhadap kondisi lingkungan yang berbeda. Respons disesuaikan berdasarkan data masukan seperti frekuensi spasial, kontras, dan korelasi spasiotemporal. 

Ketika berbicara tentang strategi sampling aktif, di mana hewan terus-menerus memindai lingkungan mereka untuk mengekstrak informasi visual seiring waktu, perilaku semacam ini telah banyak diamati di seluruh spesies. 

Sementara primata menggunakan gerakan mata untuk meningkatkan resolusi spasial halus mereka dan memperbaiki pengkodean rangsangan alami, serangga menggunakan strategi yang melibatkan gerakan kepala dan tubuh atau lintasan pendekatan tertentu.

Dalam kasus lebah, mereka kemungkinan bergantung pada penglihatan aktif dan sampling berurutan untuk membangun representasi saraf yang kuat dan tahan lama dari lingkungan mereka. 

Strategi ini memainkan peran kunci dalam pemrosesan visual awal, mengurangi redundansi dan membuat pengkodean rangsangan visual lebih efisien. Namun sekali lagi, pemahaman kami tentang bagaimana mekanisme ini memungkinkan lebah mendeteksi keteraturan visual, mengatasi batasan representasi, dan menyelesaikan tugas kompleks masih buruk.

Menurut studi terbaru, memahami strategi ini sangat penting untuk mengungkap prinsip dasar penglihatan serangga dan implikasinya yang lebih luas bagi pemrosesan visual di sistem biologis dan buatan.

Jadi, membangun atas studi mereka sebelumnya, yang menilai jalur penerbangan lebah selama tugas visual sederhana, para peneliti kini meneliti elemen sirkuit utama yang berkontribusi pada penglihatan aktif dalam mengenali pola achromatik.

The primary goal of the study is to determine how the scanning behavior of bees contributes to the organization and connectivity of neurons in their visual lobes.

Peneliti dari University of Sheffield berhipotesis bahwa perilaku scanning telah beradaptasi untuk mengambil sampel fitur visual kompleks dengan cara yang mengkodekannya lebih efisien dalam neuron lobula. Hal ini, pada gilirannya, memfasilitasi representasi unik yang mendukung pembelajaran di otak kecil lebah. Untuk menguji hipotesis ini, mereka mengembangkan model neuromorfik dari lobus optik lebah.

The researchers included coding principles through a novel model of non-associative plasticity. This enabled the model to self-organize its connectivity within the visual lobe, thus creating efficient representations of the environment and leading to the emergence of orientation-selective cells, which are essential for encoding complex visual scenes.

Kerangka pemrosesan visual selanjutnya ditingkatkan dengan menggunakan modul lain untuk pengambilan keputusan, yang mengambil inspirasi dari mekanisme pembelajaran asosiatif serangga.

Simulasi para peneliti mengungkapkan bahwa subset kecil neuron lobula, yang sensitif terhadap orientasi dan kecepatan spesifik, dapat mengompres lingkungan visual kompleks menjadi representasi yang diekspresikan sebagai tingkat tembakan. Representasi jarang ini secara efektif membedakan antara pola plus dan perkalian, yang menyoroti penerapan model yang lebih luas.

Wawasan yang dikumpulkan dalam studi ini dapat membantu memajukan pemahaman kita tentang penglihatan dan kognisi biologis dan menginspirasi pengembangan model komputasi baru untuk tugas pengenalan visual, menurut studi tersebut.

Bagaimana Penglihatan yang Diilhami Lebah Membentuk Robotika dan AI

Studi terbaru, upaya kolaboratif dengan Queen Mary University of London dan dipublikasikan dalam jurnal eLife, merinci sebuah model digital otak miniatur lebah².

Ini memanfaatkan cara mengejutkan serangga ini menggabungkan otak dan tubuh mereka untuk membantu mengembangkan teknologi dan membuat robot masa depan lebih pintar dan lebih efisien. Sama seperti lebah menggunakan gerakan terbang mereka untuk menciptakan sinyal otak yang jelas dan menyederhanakan tugas visual kompleks, teknologi generasi berikutnya juga dapat mengumpulkan informasi relevan melalui gerakan alih-alih mengandalkan daya komputasi yang besar.

Studi ini, pada akhirnya, telah menunjukkan bahwa bahkan otak serangga kecil pun mampu menyelesaikan tugas visual kompleks. 

Fakta bahwa sedikit sel otak dapat melakukan begitu banyak berarti kecerdasan bukan hanya urusan otak, melainkan hasil dari otak, tubuh, dan lingkungan yang bekerja secara kohesif. 

Membangun versi digital otak lebah membantu peneliti menemukan bahwa cara lebah menggerakkan tubuh mereka selama terbang membantu membentuk masukan visual mereka. Gerakan ini juga menghasilkan sinyal listrik unik di otak mereka, yang memungkinkan mereka mengidentifikasi fitur yang dapat diprediksi di sekitarnya dengan mudah dan efisien.

Ini menampilkan akurasi luar biasa lebah dalam belajar dan mengidentifikasi pola visual kompleks selama penerbangan.

“Dalam studi ini, kami berhasil menunjukkan bahwa bahkan otak terkecil sekalipun dapat memanfaatkan gerakan untuk mempersepsikan dan memahami dunia di sekitarnya. Ini menunjukkan bahwa sistem kecil dan efisien — meskipun hasil dari jutaan tahun evolusi — dapat melakukan komputasi yang jauh lebih kompleks daripada yang sebelumnya kami kira mungkin.”

– Penulis senior studi, Profesor James Marshall, Direktur Centre of Machine Intelligence di University of Sheffield

Dengan memanfaatkan desain terbaik alam untuk kecerdasan, Marshall mencatat, ini membuka jalan bagi “generasi berikutnya AI, mendorong kemajuan dalam robotika, kendaraan otonom, dan pembelajaran dunia nyata.”

Seperti yang disebutkan sebelumnya, studi ini membangun penelitian mereka sebelumnya tentang bagaimana lebah menggunakan penglihatan aktif, di mana gerakan mereka membantu mengumpulkan dan memproses informasi visual. Pekerjaan terbaru ini melihat lebih dalam pada mekanisme otak yang mendasari perilaku mereka terbang mengelilingi dan memeriksa pola spesifik.

“Dalam pekerjaan kami sebelumnya, kami terpesona menemukan bahwa lebah menggunakan jalan pintas scanning cerdas untuk memecahkan teka-teki visual. Tetapi itu hanya memberi tahu kami apa yang mereka lakukan; untuk studi ini, kami ingin memahami bagaimana.”

– Penulis utama, Dr. HaDi MaBouDi dari University of Sheffield

Kemampuan belajar pola visual lanjutan lebah sebenarnya telah lama dipahami. Ini mencakup kemampuan mereka membedakan antara wajah manusia, tetapi tidak mengenai bagaimana mereka menavigasi dunia dengan efisiensi seperti itu.

“Model otak lebah kami menunjukkan bahwa sirkuit sarafnya dioptimalkan untuk memproses informasi visual bukan secara terisolasi, tetapi melalui interaksi aktif dengan gerakan terbangnya di lingkungan alami.”

– MaBouDi

Dan ini, dia mencatat, mendukung teori bahwa kecerdasan muncul dari interaksi antara otak, tubuh, dan lingkungan yang bekerja bersama.

“Kami telah belajar bahwa lebah, meskipun memiliki otak tidak lebih besar dari biji wijen, tidak hanya melihat dunia — mereka secara aktif membentuk apa yang mereka lihat melalui gerakan mereka. Ini adalah contoh indah bagaimana aksi dan persepsi sangat terkait untuk menyelesaikan masalah kompleks dengan sumber daya minimal. Hal ini memiliki implikasi besar bagi biologi dan AI.”

– MaBouDi

Model yang dibangun melalui upaya kolaboratif menunjukkan bahwa neuron lebah menjadi sangat terkalibrasi pada gerakan dan arah spesifik seiring otak mereka secara perlahan beradaptasi melalui paparan berulang pada rangsangan berbeda. Hal ini meningkatkan respons mereka tanpa harus bergantung pada asosiasi atau penguatan.

Artinya, otak lebah beradaptasi dengan lingkungannya hanya dengan observasi saat terbang, tanpa memerlukan hadiah langsung.

Semua ini dilakukan dengan hanya beberapa neuron, yang menghemat energi dan daya pemrosesan, menjadikan otak mereka sangat efisien. Sekarang, untuk menguji model tersebut, tim mengujinya dengan tantangan visual yang sama seperti yang dihadapi lebah sebenarnya. Dalam kasus ini, model komputasi harus membedakan antara tanda ‘plus’ dan tanda ‘perkalian’.

Saat meniru strategi lebah nyata, memindai hanya setengah bawah pola, model menunjukkan kinerja yang jauh lebih baik. 

Selain itu, model berhasil menunjukkan bagaimana lebah dapat mengenali wajah manusia, menggunakan hanya jaringan kecil neuron buatan, menekankan keberagaman dan kekuatan pemrosesan visual mereka.

“Para ilmuwan telah terpesona oleh pertanyaan apakah ukuran otak memprediksi kecerdasan pada hewan. Namun spekulasi semacam itu tidak masuk akal kecuali seseorang mengetahui komputasi saraf yang mendasari tugas tertentu,” kata Profesor Lars Chittka, Profesor Sensori dan Ekologi Perilaku di Queen Mary University of London. “Di sini kami menentukan jumlah minimum neuron yang diperlukan untuk tugas diskriminasi visual yang sulit dan menemukan bahwa jumlahnya sangat kecil, bahkan untuk tugas kompleks seperti pengenalan wajah manusia. Oleh karena itu, mikrootak serangga mampu melakukan komputasi tingkat lanjut.”

Jadi, dengan cara ini, studi menambah bukti bahwa hewan tidak hanya menerima informasi secara pasif. Faktanya, mereka secara aktif bekerja dengan informasi tersebut.

Lebah, khususnya, memiliki pemrosesan visual tingkat tinggi, dan model mengungkap bagaimana scanning yang dipicu perilaku dapat menciptakan kode saraf terkompresi yang dapat dipelajari.

“Bersama-sama, temuan ini mendukung kerangka kerja terpadu di mana persepsi, aksi, dan dinamika otak berkembang bersama untuk menyelesaikan tugas visual kompleks dengan sumber daya minimal — menawarkan wawasan kuat bagi biologi dan AI.”

– Profesor Mikko Juusola, Profesor Sistem Neurosains dari School of Biosciences dan Neuroscience Institute University of Sheffield

Klik di sini untuk mempelajari bagaimana AI dapat membantu melindungi lebah madu dari tawon pembunuh Asia.

Geser untuk menggulir →

Berinvestasi dalam Teknologi AI

Di dunia AI dan robotika, Qualcomm (QCOM ) adalah nama yang dikenal yang telah mengeksplorasi teknologi neuromorfik dan edge-AI. 

Lebih dari satu dekade yang lalu, Qualcomm merilis prosesor Qualcomm Zeroth untuk meniru persepsi dan pembelajaran mirip manusia, seperti otak biologis. Selain pembelajaran yang terinspirasi secara biologis, tujuan tersebut adalah meniru efisiensi cara otak kita mengkomunikasikan informasi dan menstandarkan arsitektur pemrosesan baru yang disebut Neural Processing Unit (NPU).

Sementara itu, Platform Robotics RB6 yang didorong AI, memberi tenaga pada robotika generasi berikutnya dan mesin cerdas, termasuk robot pengantar, robot mobile otonom (AMR), pesawat UAM, robot manufaktur, solusi pertahanan otonom, dan banyak lagi. Platform ini menyediakan komputasi edge-AI yang hemat daya, canggih, serta pemrosesan video dengan konektivitas 5G untuk robot

Secara utama, Qualcomm terlibat dalam mengembangkan teknologi dasar untuk industri nirkabel, termasuk 3G, 4G, 5G, konektivitas nirkabel, serta komputasi berperforma tinggi dan berdaya rendah.

Klik di sini untuk mempelajari semua tentang berinvestasi dalam kecerdasan buatan (AI).

Qualcomm (QCOM )

Melihat kinerja pasar Qualcomm, saham perusahaan dengan kapitalisasi pasar $171,67 miliar saat ini diperdagangkan pada $159,54, naik 3,6% tahun ini sejauh ini.

Meskipun kinerja tahun ini kurang memuaskan, hal ini mengikuti lonjakan QCOM melewati $215 pada Juni tahun lalu. EPS (TTM)nya sebesar 10,36, P/E (TTM) 15,36, dan ROE (TTM) 44,62%, sementara pemegang saham mendapatkan dividen sebesar 2,24%.

Di sisi keuangan, pembuat chip nirkabel melaporkan peningkatan pendapatan sebesar 10% menjadi $10,4 miliar untuk kuartal ketiga fiskal yang berakhir pada 29 Juni 2025.

Didorong oleh kekuatan di Handset, IoT, dan Otomotif, pendapatan QCT melonjak 11% YoY menjadi $9 miliar, dan pendapatan EBT naik 22% menjadi $2,7 miliar. Pendapatan gabungan QCT Automotive dan IoT, sementara itu, naik 23% YoY menjadi $2,7 miliar.

EPS non-GAAP perusahaan naik 19% YoY menjadi $2,77.

Menurut CEO Cristiano Amon:

“Kuartal lain pertumbuhan kuat dalam pendapatan QCT Automotive dan IoT semakin memvalidasi strategi diversifikasi kami dan keyakinan dalam mencapai target pendapatan jangka panjang kami. Kepemimpinan kami dalam pemrosesan AI, komputasi berperforma tinggi dan berdaya rendah, serta konektivitas canggih menempatkan kami untuk menjadi platform pilihan industri seiring AI berkembang di tepi jaringan.”

Selama kuartal tersebut, Qualcomm mengembalikan $3,8 miliar kepada pemegang saham, yang mencakup $967 juta, atau $0,89 per saham, dalam bentuk dividen tunai dan $2,8 miliar pembelian kembali saham.

Baru-baru ini, Qualcomm meluncurkan Dragonwing Q-6690 untuk pelanggan perusahaan, kurang dari enam bulan setelah memperkenalkan rangkaian produk Dragonwing. Perusahaan mengklaim chipset tersebut sebagai prosesor seluler pertama di dunia dengan kemampuan RFID ultra-tinggi terintegrasi.

Dengan solusi IoT industri dan tertanam, jaringan, serta infrastruktur seluler, perusahaan bertujuan memanfaatkannya untuk menyederhanakan kompleksitas, mengoptimalkan efisiensi operasional, dan memberdayakan pengambilan keputusan yang lebih cerdas.

Di tengah hal ini, perusahaan AI Saudi Arabia, Humain, telah mulai membangun pusat data pertamanya di Riyadh dan Dammam, untuk itu mereka bermitra dengan Qualcomm serta AMD, Cisco, dan Groq. Perusahaan berencana membangun kapasitas pusat data sebesar 1,9 GW pada akhir dekade ini.

Berita dan Perkembangan Saham Qualcomm (QCOM) Terbaru

Kesimpulan

Hewan telah lama menginspirasi teknologi, dan kini lebah menunjukkan bahwa kecerdasan bukan tentang ukuran otak melainkan tentang efisiensi, adaptabilitas, dan integrasi mulus antara tubuh, otak, dan lingkungan. Pelajaran ini dapat membantu mengubah desain AI.

AI adalah salah satu bidang paling maju dan cepat berkembang saat ini, menarik perhatian, modal, dan pengembangan yang signifikan. Namun, memperbesar model besar sangat mahal, mengonsumsi energi, dan tidak berkelanjutan. Di sini, penelitian yang diilhami lebah menawarkan alternatif: jaringan saraf kecil dan efisien yang dapat mencapai lebih dengan lebih sedikit.

Dengan mempelajari penglihatan aktif dan strategi saraf kompak lebah, kita dapat membangun AI dan robotika futuristik yang lebih cepat dan lebih mampu.

Klik di sini untuk mempelajari apakah penyerbuk robotik dapat berperan dalam pertanian vertikal.

Referensi:

1. MaBouDi, H., Richter, J., Guiraud, M.-G., Roper, M., Marshall, J.A.R., & Chittka, L. Penglihatan aktif lebah dalam tugas diskriminasi pola sederhana. eLife, 14, e106332, dipublikasikan 20 Februari 2025. https://doi.org/10.7554/eLife.106332
2. MaBouDi, H., Roper, M., Guiraud, M.-G., Juusola, M., Chittka, L., & Marshall, J.A.R. Model neuromorfik penglihatan aktif menunjukkan bagaimana pengkodean spasiotemporal pada neuron lobula dapat membantu pengenalan pola pada lebah. eLife, 14, e89929, dipublikasikan 1 Juli 2025. https://doi.org/10.7554/eLife.89929