I cervelli delle api ispirano IA e robotica più intelligenti

Le api, i più grandi impollinatori del mondo, sono una parte essenziale della biodiversità da cui noi esseri umani dipendiamo direttamente per la nostra sopravvivenza.

Questi insetti alati sono principalmente noti per fornire cibi di alta qualità come il miele, nonché cera d’api, propoli, polline e gelatina, tra gli altri prodotti. Ancora più importante, sono responsabili dell’impollinazione di innumerevoli piante da fiore, inclusa la stragrande maggioranza delle colture alimentari mondiali, il che consente alle piante di riprodursi e produrre frutti, verdure e semi. 

Per fare ciò, le api usano i loro corpi pelosi e trasferiscono il polline da un fiore all’altro.

Mentre le api non sono sole in questo, poiché uccelli, scimmie e persino gli esseri umani impollinano, le api sono certamente gli impollinatori più comuni. Si stima che oltre l’87% di tutte le specie di piante da fiore dipenda dagli animali, con le api come gruppo principale per l’impollinazione, un servizio ecosistemico essenziale per la biodiversità e la sicurezza alimentare.

Le api sono in realtà insetti molto intelligenti, e le persone hanno studiato il loro comportamento, i loro modi e le interazioni sociali per comprendere la salute dell’ecosistema, i cambiamenti ambientali e migliorare l’efficienza dell’impollinazione delle colture.

Inoltre, le api sono usate come modello per comprendere il comportamento cooperativo e mappare come i piccoli cervelli coordinano compiti sociali complessi.

Gli scienziati traggono anche ispirazione dalle api per far progredire la tecnologia. Ad esempio, le loro strategie di navigazione e comunicazione sono applicate alla tecnologia dei droni. Il comportamento delle api ha ispirato anche la robotica, gli algoritmi e l’IA.

A questo proposito, i ricercatori hanno ora scoperto che le api usano i loro movimenti di volo per migliorare i segnali cerebrali, il che consente loro di apprendere e riconoscere schemi visivi complessi con grande precisione.

Questa percezione basata sul movimento, secondo il nuovo studio, potrebbe rivoluzionare lo sviluppo dell’IA e della robotica di nuova generazione accentuando l’efficienza rispetto a una potenza di calcolo massiccia.

Intelligenza delle api: cosa ci insegnano i piccoli cervelli sull: IA

Le capacità di apprendimento visivo delle api sono semplicemente straordinarie. Questo è evidente dal fatto che possono imparare ad associare un colore a una ricompensa così come identificare caratteristiche specifiche per classificare i pattern visivi. Hanno persino dimostrato la capacità di comprendere concetti astratti e risolvere compiti di numerosità scandendo sequenzialmente gli elementi all'interno di uno stimolo. 

Un concetto fondamentale nella scienza cognitiva, la numerosità si riferisce al numero di elementi in un insieme ed è solitamente studiata nel contesto della percezione visiva, dove indica la capacità di cogliere rapidamente la quantità di oggetti in una scena senza contarli. 

In tal senso, i compiti di numerosità analizzano la capacità innata del cervello di percepire e stimare le quantità.

Quindi, le api hanno chiaramente capacità eccezionali, il che le rende un modello animale prezioso per esplorare i principi dell'apprendimento visivo analizzando le loro risposte comportamentali.

Ma il punto è che non è ancora davvero noto come le api riescano a identificare pattern complessi e percepire le complessità del mondo intorno a loro mentre foraggiano, data la loro presunta bassa sensibilità visiva e le risorse neurali limitate.

I neuroni sensoriali visivi sono in realtà ritenuti evolversi per sfruttare le regolarità nelle scene naturali. Per esempio, gli studi hanno mostrato che le vie sensoriali degli insetti e i comportamenti a esse associati si adattano dinamicamente a diverse condizioni ambientali. Le risposte sono regolate in base a dati di input come frequenza spaziale, contrasto e correlazioni spaziotemporali. 

Quando si tratta di strategie di campionamento attivo, in cui gli animali scandiscono continuamente l'ambiente per estrarre informazioni visive nel tempo, tale comportamento è stato ampiamente osservato in molte specie. 

Mentre i primati usano i movimenti oculari per migliorare la loro risoluzione spaziale fine e migliorare la codifica di stimoli naturali, gli insetti impiegano strategie che coinvolgono movimenti della testa e del corpo o traiettorie di avvicinamento specifiche.

Nel caso delle api, è probabile che dipendano dalla visione attiva e dal campionamento sequenziale per costruire una rappresentazione neurale forte e resiliente del loro ambiente. 

Queste strategie svolgono un ruolo chiave nella prima elaborazione visiva, riducendo la ridondanza e rendendo la codifica degli stimoli visivi più efficiente. Ma ancora, la nostra comprensione di come questi meccanismi consentano alle api di rilevare regolarità visive, superare vincoli rappresentazionali e risolvere compiti complessi rimane scarsa.

Secondo lo studio più recente, comprendere queste strategie è fondamentale per svelare i principi fondamentali della visione degli insetti e le loro implicazioni più ampie per l'elaborazione visiva nei sistemi biologici e artificiali.

Quindi, basandosi sul loro studio precedente, che ha valutato i percorsi di volo delle api durante un compito visivo semplice, i ricercatori ora stanno esaminando gli elementi di circuito principali che contribuiscono alla visione attiva nel riconoscere pattern achromatizzati.

Lo scopo principale dello studio è determinare come il comportamento di scansione delle api contribuisca all'organizzazione e alla connettività dei neuroni nei loro lobi visivi.

I ricercatori dell'Università di Sheffield hanno ipotizzato che i comportamenti di scansione si siano adattati per campionare caratteristiche visive complesse in modo da codificarle più efficientemente nei neuroni della lobula. Questo, a sua volta, facilita rappresentazioni uniche che supportano l'apprendimento nel piccolo cervello delle api. Per testare questa ipotesi, hanno sviluppato un modello neuromorfico dei lobi ottici delle api.

I ricercatori hanno incluso principi di codifica attraverso un nuovo modello di plasticità non associativa. Questo ha permesso al modello di auto-organizzare la sua connettività all'interno del lobo visivo, creando così rappresentazioni efficienti dell'ambiente e portando all'emergere di cellule selettive all'orientamento, essenziali per codificare scene visive complesse.

Il quadro di elaborazione visiva è stato ulteriormente migliorato impiegando un altro modulo per il processo decisionale, che ha preso ispirazione dai meccanismi di apprendimento associativo degli insetti.

Le simulazioni dei ricercatori rivelano che una piccola sottoinsieme di neuroni della lobula, sensibili a orientamenti e velocità specifici, può comprimere ambienti visivi complessi in rappresentazioni espresse come tassi di firing. Queste rappresentazioni rare distinguono efficacemente tra i pattern del segno più e della moltiplicazione, evidenziando la più ampia applicabilità del modello.

Le intuizioni raccolte nello studio possono aiutare ad avanzare la nostra comprensione della visione biologica e della cognizione e ispirare lo sviluppo di nuovi modelli computazionali per compiti di riconoscimento visivo, ha dichiarato lo studio.

Come la visione ispirata alle api sta plasmando la robotica e l: IA

L'ultimo studio, uno sforzo collaborativo con la Queen Mary University of London e pubblicato sulla rivista eLife, ha dettagliato un modello digitale del cervello in miniatura di un'ape.

Utilizza il modo sorprendente in cui questi insetti combinano cervello e corpo per aiutare a far progredire la tecnologia e rendere i robot futuri più intelligenti ed efficienti. Proprio come le api usano i loro movimenti di volo per creare segnali cerebrali chiari e semplificare compiti visivi complessi, la tecnologia di nuova generazione può anche raccogliere informazioni rilevanti attraverso il movimento anziché fare affidamento su una enorme potenza di calcolo.

Lo studio, dopotutto, ha dimostrato che anche i piccoli cervelli degli insetti sono capaci di risolvere compiti visivi complessi.

Il fatto che poche cellule cerebrali possano fare così tanto significa che l'intelligenza non è solo una questione di cervello, ma il risultato del cervello, del corpo e dell'ambiente che lavorano in coesione.

Costruire una versione digitale del cervello di un'ape ha aiutato i ricercatori a scoprire che il modo in cui le api muovono il corpo durante il volo aiuta a modellare l'input visivo. Questi movimenti producono anche segnali elettrici unici nei loro cervelli, che consentono loro di identificare facilmente ed efficientemente le caratteristiche prevedibili intorno a loro.

Ciò dimostra l'accuratezza straordinaria delle api nell'apprendere e identificare pattern visivi complessi durante il volo.

In questo studio, abbiamo dimostrato con successo che anche i cervelli più piccoli possono sfruttare il movimento per percepire e comprendere il mondo intorno a loro. Questo ci mostra che un sistema piccolo ed efficiente — sebbene risultato di milioni di anni di evoluzione — può eseguire calcoli di gran lunga più complessi di quanto pensassimo possibile.

– L'autore senior dello studio, Professor James Marshall, Direttore del Centre of Machine Intelligence presso l'Università di Sheffield

Sfruttando i migliori progetti della natura per l'intelligenza, ha osservato Marshall, questo apre la strada alla “prossima generazione di IA, guidando i progressi nella robotica, nei veicoli autonomi e nell'apprendimento nel mondo reale”.

Come notato in precedenza, questo studio si basa sulla loro ricerca precedente su come le api usano la visione attiva, dove i loro movimenti aiutano a raccogliere e processare informazioni visive. Il lavoro più recente approfondisce i meccanismi cerebrali sottostanti che guidano il loro comportamento di volare intorno e ispezionare pattern specifici.

Nel nostro lavoro precedente, siamo rimasti affascinati nel scoprire che le api impiegano una scorciatoia di scansione intelligente per risolvere puzzle visivi. Ma questo ci ha solo detto cosa fanno; per questo studio, volevamo capire come.

– Autore principale, Dr. HaDi MaBouDi dell'Università di Sheffield

Le avanzate capacità di apprendimento di pattern visivi delle api sono state in realtà comprese da tempo. Questo include la loro capacità di differenziare i volti umani, ma non come navigano il mondo con tale efficienza.

Il nostro modello del cervello di un'ape dimostra che i suoi circuiti neurali sono ottimizzati per processare le informazioni visive non in isolamento, ma attraverso l'interazione attiva con i suoi movimenti di volo nell'ambiente naturale.

– MaBouDi

E questo, ha osservato, supporta la teoria che l'intelligenza nasce dall'interazione tra cervello, corpo e ambiente che lavorano insieme.

Abbiamo imparato che le api, nonostante abbiano cervelli non più grandi di un seme di sesamo, non si limitano a vedere il mondo — lo modellano attivamente attraverso i loro movimenti. È un bellissimo esempio di come azione e percezione siano profondamente intrecciate per risolvere problemi complessi con risorse minime. Questo ha importanti implicazioni sia per la biologia sia per l'IA.

– MaBouDi

Il modello, costruito attraverso sforzi collaborativi, mostra che i neuroni di un'ape diventano altamente sintonizzati su movimenti e direzioni specifici man mano che il loro cervello si adatta lentamente attraverso l'esposizione ripetuta a diversi stimoli. Ciò migliora le loro risposte senza dover dipendere da associazioni o rinforzi.

Ciò significa che il cervello di un'ape si adatta al suo ambiente semplicemente osservando durante il volo, senza necessità di ricompense immediate.

Tutto ciò avviene usando solo pochi neuroni, il che conserva sia energia sia potenza di elaborazione, rendendo il loro cervello incredibilmente efficiente. Ora, per testare il modello, il team lo ha sottoposto alle stesse sfide visive affrontate dalle api reali. In questo caso, il modello computazionale doveva differenziare tra il segno '+' e il segno '×'.

Quando si è imitata la strategia delle api reali, scandendo solo la metà inferiore dei pattern, il modello ha mostrato una performance notevolmente migliorata. 

Inoltre, il modello ha dimostrato con successo come le api possano riconoscere i volti umani, usando solo una piccola rete di neuroni artificiali, sottolineando la versatilità e la forza del loro processamento visivo.

“Gli scienziati sono stati affascinati dalla domanda se la dimensione del cervello predica l'intelligenza negli animali. Ma tali speculazioni non hanno senso a meno che non si conoscano le computazioni neurali alla base di un dato compito,” ha detto il Professor Lars Chittka, Professore di Ecologia Sensoriale e Comportamentale alla Queen Mary University of London. “Qui determiniamo il numero minimo di neuroni necessario per compiti di discriminazione visiva difficili e scopriamo che i numeri sono sorprendentemente piccoli, anche per compiti complessi come il riconoscimento di volti umani. Pertanto, i microcervelli degli insetti sono capaci di computazioni avanzate.”

Quindi, in questo modo, lo studio aggiunge prove che gli animali non si limitano a ricevere passivamente informazioni. In realtà, lavorano attivamente con esse.

Le api, in particolare, hanno un'elaborazione visiva di ordine superiore, e il modello rivela come la scansione guidata dal comportamento possa creare codici neurali compressi e apprendibili.

Insieme, questi risultati supportano un quadro unificato in cui percezione, azione e dinamiche cerebrali co-evolvono per risolvere compiti visivi complessi con risorse minime — offrendo potenti intuizioni sia per la biologia sia per l'IA.

– Professor Mikko Juusola, Professore di Neuroscienze di Sistema presso la School of Biosciences and Neuroscience Institute dell'Università di Sheffield

Clicca qui per scoprire come l'IA può aiutare a proteggere le api da i calabroni asiatici.

Scorri per scorrere →

Investire nella tecnologia IA

Nel mondo dell'IA e della robotica, Qualcomm (QCOM ) è un nome noto che ha esplorato tecnologie neuromorfiche e edge-IA.

Oltre un decennio fa, Qualcomm ha rilasciato i processori Qualcomm Zeroth per imitare la percezione e l'apprendimento simili a quelli umani, proprio come fanno i cervelli biologici. Oltre all'apprendimento ispirato biologicamente, l'obiettivo era replicare l'efficienza con cui il nostro cervello comunica le informazioni e standardizzare la nuova architettura di elaborazione chiamata Unità di Elaborazione Neurale (NPU).

La sua piattaforma Robotics RB6, guidata dall'IA, alimenta la robotica di prossima generazione e le macchine intelligenti, inclusi robot di consegna, robot mobili autonomi (AMR), velivoli UAM, robot di produzione, soluzioni di difesa autonome e molto altro. La piattaforma fornisce calcolo edge-IA avanzato ed efficiente dal punto di vista energetico e elaborazione video con connettività 5G per i robot

Principalmente, Qualcomm è coinvolta nello sviluppo di tecnologie fondamentali per l'industria wireless, inclusi 3G, 4G, 5G, connettività wireless e calcolo ad alte prestazioni e a basso consumo.

Clicca qui per scoprire tutto sull'investimento nell'intelligenza artificiale (IA).

Qualcomm (QCOM )

Guardando la performance di mercato di Qualcomm, le azioni dell'azienda con una capitalizzazione di mercato di 171,67 miliardi di dollari sono attualmente scambiate a 159,54 dollari, in rialzo del 3,6% finora quest'anno.

Mentre la performance di quest'anno è stata deludente, segue il picco di QCOM oltre i 215 dollari a giugno dell'anno scorso. Il suo EPS (TTM) è 10,36, il P/E (TTM) è 15,36 e il ROE (TTM) è 44,62%, mentre gli azionisti beneficiano di un rendimento da dividendo del 2,24%.

Sul fronte finanziario, il produttore di chip wireless ha riportato un aumento del 10% dei ricavi a 10,4 miliardi di dollari per il suo terzo trimestre fiscale chiuso il 29 giugno 2025.

Spinto dalla forza nei segmenti Handset, IoT e Automotive, i ricavi di QCT sono aumentati dell'11% su base annua a 9 miliardi di dollari, e i ricavi EBT sono saliti del 22% a 2,7 miliardi di dollari. I ricavi combinati di QCT Automotive e IoT, nel frattempo, sono cresciuti del 23% su base annua a 2,7 miliardi di dollari.

L'EPS non GAAP dell'azienda è aumentato del 19% su base annua a 2,77 dollari.

“Un altro trimestre di forte crescita nei ricavi di QCT Automotive e IoT conferma ulteriormente la nostra strategia di diversificazione e la fiducia nel raggiungere i nostri obiettivi di fatturato a lungo termine. La nostra leadership nell'elaborazione AI, nel calcolo ad alte prestazioni e a basso consumo, e nella connettività avanzata ci posiziona per diventare la piattaforma di riferimento del settore man mano che l'IA si espande al bordo.”

Durante il trimestre, Qualcomm ha restituito 3,8 miliardi di dollari agli azionisti, inclusi 967 milioni di dollari, ovvero 0,89 dollari per azione, di dividendi in contanti e 2,8 miliardi di dollari di riacquisto di azioni.

Più recentemente, Qualcomm ha lanciato il Dragonwing Q-6690 per i suoi clienti enterprise, meno di sei mesi dopo aver presentato la suite di prodotti Dragonwing. L'azienda afferma che il chipset è il primo processore mobile al mondo con capacità RFID a ultra alta frequenza integrate.

Con le sue soluzioni industriali e embedded IoT, di rete e di infrastruttura cellulare, l'azienda mira a utilizzarle per semplificare la complessità, ottimizzare l'efficienza operativa e favorire decisioni più intelligenti.

Nel frattempo, la società saudita di IA, Humain, ha iniziato a costruire i suoi primi data center a Riyadh e Dammam, per i quali ha stretto partnership con Qualcomm, AMD, Cisco e Groq. L'azienda prevede di costruire 1,9 GW di capacità di data center entro la fine di questo decennio.

Ultime notizie e sviluppi sulle azioni Qualcomm (QCOM)

Conclusione

Gli animali hanno a lungo ispirato la tecnologia, e ora le api ci mostrano che l'intelligenza non riguarda la dimensione del cervello ma l'efficienza, l'adattabilità e l'integrazione senza soluzione di continuità di corpo, cervello e ambiente. Queste lezioni potrebbero aiutare a trasformare il design dell'IA.

L'IA è uno dei campi più avanzati e dinamici di oggi, attirando notevole attenzione, capitale e sviluppo. Tuttavia, scalare modelli massivi è costoso, energivoro e insostenibile. Qui, la ricerca ispirata alle api offre un'alternativa: reti neurali piccole ed efficienti che possono ottenere di più con meno.

Studiare la visione attiva e le strategie neurali compatte delle api ci permette di costruire IA e robotica futuristiche più veloci e più capaci.

Clicca qui per scoprire se i robot impollinatori possono svolgere un ruolo nell'agricoltura verticale.

Riferimenti:

1. MaBouDi, H., Richter, J., Guiraud, M.-G., Roper, M., Marshall, J.A.R., & Chittka, L. Visione attiva delle api in un semplice compito di discriminazione di pattern. eLife, 14, e106332, pubblicato il 20 febbraio 2025. https://doi.org/10.7554/eLife.106332
2. MaBouDi, H., Roper, M., Guiraud, M.-G., Juusola, M., Chittka, L., & Marshall, J.A.R. Un modello neuromorfico della visione attiva mostra come la codifica spaziotemporale nei neuroni della lobula possa aiutare il riconoscimento di pattern nelle api. eLife, 14, e89929, pubblicato 1 luglio 2025. https://doi.org/10.7554/eLife.89929