מוחות דבורים מעוררים השראה לבינה מלאכותית ורובוטיקה חכמה יותר

דבורים, המאביקים הגדולים בעולם, הן חלק חיוני מהמגוון הביולוגי שבו אנו, בני האדם, תלויים ישירות להישרדותנו.

חרקים מכונפים אלה ידועים בעיקר בזכות אספקת מזון איכותי כמו דבש כמו גם שעוות דבורים, פרופוליס, אבקה וג'לי, בין היתר. חשוב מכך, הם אחראים על האבקת צמחים פורחים רבים מספור, כולל רוב עצום של גידולי המזון בעולם, מה שמאפשר לצמחים להתרבות ולייצר פירות, ירקות וזרעים. 

כדי להשיג זאת, דבורים משתמשות בגופן השעיר ומעבירות אבקה מפרח אחד לאחר.

בעוד שדבורים אינן לבד בזה, כמו שציפורים, קופים ואפילו בני אדם מאביקים, דבורים הם בהחלט הנפוצים ביותר מאבקים. It מוערך שיותר מ-87% מכלל מיני הצמחים הפורחים תלויים בבעלי חיים, כאשר דבורים הן הקבוצה העיקרית להאבקה, שירות מערכת אקולוגית חיוני למגוון הביולוגי ולביטחון תזונתי.

דבורים הן למעשה חרקים אינטליגנטיים מאוד, ואנשים חוקרים את התנהגותן, גינוניהן ואינטראקציות חברתיות כדי להבין את בריאות המערכת האקולוגית, שינויים סביבתיים ולשפר את יעילות האבקת יבולים.

יתר על כן, דבורים משמשים כמודל להבנת התנהגות שיתופית ולמיפוי האופן שבו מוחות זעירים מתאמים משימות חברתיות מורכבות. 

מדענים גם שואבים השראה מדבורים כדי לקדם טכנולוגיה. לדוגמה, אסטרטגיות הניווט והתקשורת שלהן מוחלים לטכנולוגיית רחפנים. התנהגות דבורים גם נתנה השראה לרובוטיקה, אלגוריתמים ובינה מלאכותית.

בהקשר לכך, חוקרים גילו כעת שדבורים משתמשות בתנועות התעופה שלהן כדי לשפר את אותות המוח, מה שמאפשר להן ללמוד ולזהות דפוסים חזותיים מורכבים בדיוק רב. 

תפיסה מבוססת תנועה זו, על פי המחקר החדש, עשויה לחולל מהפכה בפיתוח הדור הבא של בינה מלאכותית ורובוטיקה על ידי הדגשת יעילות על פני כוח מחשוב עצום.

אינטליגנציה של דבורים: מה מלמדים אותנו מוחות זעירים על בינה מלאכותית

יכולות הלמידה החזותיות של דבורים הן פשוט יוצאות דופן. זֶה ניכר בכך שהם יכולים ללמוד לקשר צבע עם פרס, כמו גם לזהות מאפיינים ספציפיים כדי לסווג דפוסים חזותיים. הם אף הראו את היכולת להבין מושגים מופשטים ולפתור משימות נומרוסיות על ידי סריקה סדרתית של האלמנטים בתוך גירוי. 

נומרוסיות, מושג יסודי במדעי הקוגניציה, מתייחס למספר הפריטים בקבוצה. ו is בדרך כלל נלמד בהקשר של תפיסה חזותית, כאשר הכוונה היא ליכולת לתפוס במהירות את כמות האובייקטים בסצנה מבלי לספור. 

ככאלה, משימות נומרוסיות מנתחות את היכולת המולדת של המוח לתפוס ולהעריך כמויות.

אז, לדבורים יש בבירור יכולות יוצאות דופן, מה שהופך אותן למודל בעל ערך לחקר עקרונות הלמידה החזותית על ידי ניתוח תגובותיהן ההתנהגותיות.

אבל העניין הוא, זה עדיין לא בֶּאֱמֶת ידוע רק כיצד דבורים מסוגלות לזהות דפוסים מורכבים ולתפוס את מורכבות העולם סביבן בזמן חיפוש מזון, בהתחשב ברגישות הראייה הנמוכה לכאורה שלהן ובמשאבים העצביים המוגבלים שלהן.

נוירונים חושיים חזותיים הם למעשה משוער ל להתפתח על מנת לנצל סדירות בסצנות טבעיות. לדוגמה, מחקרים הראו כי מסלולי חישה והתנהגויות של חרקים הקשורים אליהם מסתגלים באופן דינמי לתנאי סביבה שונים. התגובות מותאמות בהתבסס על נתוני הקלט כמו קורלציות של תדירות מרחבית, ניגודיות ומרחב-זמנית. 

כשמדובר באסטרטגיות דגימה אקטיביות, שבהן בעלי חיים סורקים את סביבתם באופן רציף כדי לחלץ מידע חזותי לאורך זמן, התנהגות כזו... נצפה באופן נרחב על פני מינים. 

בעוד שפרימטים משתמשים בתנועות עיניים כדי לשפר את הרזולוציה המרחבית העדינה שלהם ולשפר את קידוד הגירויים הטבעיים, חרקים משתמשים באסטרטגיות הכוללות תנועות ראש וגוף או פעולות ספציפיות. מסלולי גישה.

במקרה של דבורים, סביר להניח שהן תלויות בראייה פעילה ובדגימה סדרתית כדי לבנות ייצוג עצבי חזק ועמיד של סביבתן. 

אסטרטגיות אלו משחקות תפקיד חלק מפתח בעיבוד חזותי מוקדם, הפחתת יתירות ו ביצוע מה היא הַצפָּנָה של גירויים חזותיים יותר יעיל. אבל שוב, ההבנה שלנו כיצד מנגנונים אלה להתיר דבורים לזיהוי סדירות חזותית, התגברות על אילוצי ייצוג ופתרון משימות מורכבות נותרו עני.

על פי המחקר האחרון, הבנת האסטרטגיות הללו חיונית לפתיחת העקרונות הבסיסיים של ראיית חרקים והשלכותיהם הרחבות יותר על עיבוד חזותי במערכות ביולוגיות ומלאכותיות.

אז, בניין על המחקר הקודם שלהם, אשר הערכת מסלולי טיסה של דבורים במהלך משימה ויזואלית פשוטה¹, החוקרים כעת מסתכל לתוך רכיבי המעגל העיקריים התורמים לראייה פעילה בזיהוי דפוסים אכרומטיים.

המטרה העיקרית של המחקר היא לקבוע כיצד התנהגות הסריקה של דבורים תורמת לארגון ולקישוריות של נוירונים באונות הראייה שלהן.

חוקרים מאוניברסיטת שפילד שיערו כי התנהגויות סריקה הסתגלו לדגימה של מאפיינים חזותיים מורכבים באופן שמקודד אותם בצורה יעילה יותר בנוירונים באוניות. זה, בתורו, מאפשר ייצוגים ייחודיים התומכים בלמידה במוח הזעיר של הדבורים. כדי לבחון השערה זו, הם פיתחו מודל נוירומורפולוגי של אונות הראייה של הדבורה.

החוקרים כללו עקרונות קידוד באמצעות מודל חדש של פלסטיות לא אסוציאטיבית. זֶה אפשר למודל לארגן את עצמו את הקישוריות שלו בתוך האונה החזותית, ובכך ליצור ייצוגים יעילים של הסביבה ולהוביל להופעתם של תאים סלקטיביים-אוריינטציה, החיוניים לקידוד סצנות חזותיות מורכבות.

מסגרת העיבוד החזותי שופרה עוד יותר by העסקת מודול נוסף לקבלת החלטות, אשר לקח השראה ממנגנוני למידה אסוציאטיביים של חרקים.

הסימולציות של החוקרים מגלות כי תת-קבוצה קטנה של נוירונים באונליים, הרגישים לאוריינטציות ומהירויות ספציפיות, יכולים לדחוס סביבות חזותיות מורכבות לייצוגים המתבטאים כקצבי ירי. ייצוגים נדירים אלה מבחינים ביעילות בין דפוסי הפלוס ודפוסי הכפל, דבר המדגיש את הישימות הרחבה יותר של המודל.

התובנות שנאספו במחקר יכולות לסייע בקידום הבנתנו את הראייה והקוגניציה הביולוגית. ו לעורר השראה בפיתוח מודלים חישוביים חדשניים למשימות זיהוי חזותי, אמור מה היא מחקר.

כיצד חזון בהשראת דבורים מעצב את הרובוטיקה והבינה המלאכותית

המחקר האחרון, בשיתוף פעולה עם אוניברסיטת קווין מרי בלונדון ופורסם בכתב העת eLife, מפורט א דגם דיגיטלי של מוח מיניאטורי של דבורה².

היא ממנפת את האופן המפתיע שבו חרקים אלה משלבים את מוחם וגופם כדי לסייע בקידום הטכנולוגיה ולהפוך את הרובוטים העתידיים לחכמים ויעילים יותר. בדומה לאופן שבו דבורים משתמשות בתנועות התעופה שלהן כדי ליצור אותות מוחיים ברורים ולפשט משימות חזותיות מורכבות, הטכנולוגיה מהדור הבא יכולה גם לאסוף מידע רלוונטי באמצעות תנועה במקום להסתמך על כוח מחשוב עצום.

המחקר, אחרי הכל, הוכיח שאפילו מוחות של חרקים זעירים מסוגלים לפתור משימות חזותיות מורכבות. 

העובדה שמעט תאי מוח יכולים לעשות כל כך הרבה פירושה שאינטליגנציה אינה רק עניין מוחי, אלא תוצאה של עבודה משותפת של המוח, הגוף והסביבה. 

בניית תחום דיגיטלי גרסה של מוחה של דבורה עזרו לחוקרים לגלות שהאופן שבו דבורים מניעות את גופן במהלך מעוף מסייע בקלט החזותי של צורתן. תנועות אלו גם מייצרות אותות חשמליים ייחודיים במוחם, המאפשרים להם לזהות מאפיינים צפויים סביבם בקלות וביעילות.

זֶה showcases דבורים דיוק יוצא דופן בלמידה וזיהוי דפוסים חזותיים מורכבים במהלך טיסה.

"במחקר זה, הדגמנו בהצלחה שאפילו המוחות הזעירים ביותר יכולים למנף תנועה כדי לתפוס ולהבין את העולם סביבם. זה מראה לנו שמערכת קטנה ויעילה - למרות שהיא תוצאה של מיליוני שנות אבולוציה - יכולה לבצע חישובים מורכבים בהרבה ממה שחשבנו בעבר שאפשרי."

– המחבר הבכיר של המחקר, פרופסור ג'יימס מרשל, מנהל המרכז לאינטליגנציה מכונה באוניברסיטת שפילד

By מינוף מרשל ציין כי העיצובים הטובים ביותר של הטבע לאינטליגנציה סוללים את הדרך ל"דור הבא של בינה מלאכותית, המניע התקדמות ברובוטיקה, כלי רכב אוטונומיים ולמידה מהעולם האמיתי".

כפי שצוין קודם לכן, מחקר זה מתבסס על מחקר קודם שלהם על האופן שבו דבורים משתמשות בראייה אקטיבית, כאשר תנועותיהן מסייעות באיסוף ועיבוד מידע חזותי. העבודה האחרונה בוחנת לעומק את מנגנוני המוח הבסיסיים המניעים את התנהגותן של תעופה ובחינת דפוסים ספציפיים.

"בעבודתנו הקודמת, גילינו שדבורים משתמשות בקיצור דרך חכם לסריקה כדי לפתור חידות חזותיות. אבל זה רק סיפר לנו מה הן עושות; במחקר הזה, רצינו להבין איך."

– המחבר הראשי, ד"ר האדי מאבודי מאוניברסיטת שפילד

הוויזואליה המתקדמת למידת דפוסים היכולות שיש לדבורים למעשה היה ארוך הבין. זֶה כולל את יכולתם להבחין בין פנים אנושיות, אך לא באשר איך הם מנווטים בעולם ביעילות כזו.

"המודל שלנו של מוח הדבורה מדגים שהמעגלים העצביים שלה מותאמים לעיבוד מידע חזותי לא בבידוד, אלא באמצעות אינטראקציה פעילה עם תנועות התעופה שלה בסביבה הטבעית."

– מאבודי

וזה, הוא ציין, תומך בתיאוריה שאינטליגנציה נובעת ממשחק גומלין של המוח, הגוף והסביבה בעבודה משותפת.

"למדנו שדבורים, למרות שמוחן אינו גדול מזרע שומשום, לא רק רואות את העולם - הן מעצבות באופן פעיל את מה שהן רואות דרך תנועותיהן. זוהי דוגמה יפה לאופן שבו פעולה ותפיסה שלובות זו בזו כדי לפתור בעיות מורכבות במשאבים מינימליים." זֶה "זה משהו שיש לו השלכות משמעותיות גם על הביולוגיה וגם על הבינה המלאכותית."

– מאבודי

המודל, שנבנה באמצעות שיתוף פעולה, מראה כי הנוירונים של דבורה מתכווננים מאוד לתנועות וכיוונים ספציפיים ככל שמוחם מסתגל לאט לאט באמצעות חשיפה חוזרת ונשנית לגירויים שונים. זה משפר את תגובותיהם מבלי להסתמך על אסוציאציות או חיזוקים.

משמעות הדבר היא שמוחה של דבורה מסתגל לסביבתו פשוט על ידי תצפית בזמן התעופה, מבלי להזדקק לתגמולים מיידיים.

כל זה נעשה באמצעות מספר מועט של נוירונים בלבד, מה שחוסך גם אנרגיה וגם כוח עיבוד, מה שהופך את המוח שלהם ליעיל להפליא. כעת, כדי לבחון את המודל, הצוות העמיד אותו בפני אותם אתגרים חזותיים כמו אלה שעומדים בפני דבורים אמיתיות. במקרה זה, המודל החישובי היה צריך להבחין בין סימן 'פלוס' לסימן 'כפל'.

כאשר חיקו את האסטרטגיה של דבורים אמיתיות, וסרקנו רק את המחצית התחתונה של התבניות, המודל הראה ביצועים משופרים משמעותית. 

יתר על כן, המודל הודגם בהצלחה רק כיצד דבורים יכולות לזהות פנים אנושיות, באמצעות רשת קטנה בלבד של נוירונים מלאכותיים, הדגשת הרבגוניות וה מה היא עוצמת העיבוד החזותי שלהם.

"מדענים הוקסמו מהשאלה האם גודל המוח מנבא אינטליגנציה אצל בעלי חיים. אבל ספקולציות כאלה אינן הגיוניות אלא אם כן יודעים את החישובים העצביים העומדים בבסיס משימה נתונה", אמר פרופסור לארס צ'יטקה, פרופסור לאקולוגיה חושית והתנהגותית באוניברסיטת קווין מרי בלונדון. "כאן אנו קובעים את המספר המינימלי של נוירונים הנדרשים למשימות הבחנה חזותית קשות ומגלים שהמספרים קטנים באופן מדהים, אפילו עבור משימות מורכבות כמו זיהוי פנים אנושיות. לפיכך, מיקרו-מוחות של חרקים מסוגלים לחישובים מתקדמים."

So, זה דרך, ה ללמוד מוסיף לראיות שבעלי חיים אינם רק מקבלים מידע באופן פסיבי. למעשה, הם עובדים עם זה באופן פעיל.

לדבורים, בפרט, יש עיבוד חזותי מסדר גבוה יותר, והמודל מגלה כיצד סריקה מונעת התנהגות יכולה ליצור קודים עצביים דחוסים וניתנים ללמידה.

"יחד, ממצאים אלה תומכים במסגרת מאוחדת שבה תפיסה, פעולה ודינמיקה מוחית מתפתחות יחד כדי לפתור משימות חזותיות מורכבות עם משאבים מינימליים - ומציעות תובנות רבות עוצמה הן עבור ביולוגיה והן עבור בינה מלאכותית."

– פרופסור מיקו יוסולה, פרופסור לנוירוביולוגיה מערכתית מבית הספר למדעי הביולוגיה והמכון לנוירוביולוגיה של אוניברסיטת שפילד

לחצו כאן כדי ללמוד כיצד בינה מלאכותית יכולה לסייע בהגנה על דבורי דבש מפני צרעות אסייתיות.

החלק כדי לגלול →

השקעה בטכנולוגיית בינה מלאכותית

בעולם הבינה המלאכותית והרובוטיקה, קוואלקום (QCOM ) הוא ידוע שם שחקר נוירומורפולוגיה ו edge-AI טכנולוגיות. 

לפני למעלה מעשור, קוואלקום הוציאה את מעבדי קוואלקום Zeroth כדי לחקות תפיסה ולמידה אנושית, בדיוק כמו מוחות ביולוגיים. מלבד למידה בהשראה ביולוגית, המטרה הייתה לשכפל את היעילות שבה המוח שלנו מעביר מידע ולתקנן את ארכיטקטורת העיבוד החדשה הנקראת יחידת עיבוד עצבית (NPU).

בינתיים, פלטפורמת הרובוטיקה RB6 שלה, המונעת על ידי בינה מלאכותית, מניעה את הדור הבא של הרובוטיקה והמכונות החכמות, כולל רובוטי משלוחים, רובוטים ניידים אוטונומיים (AMR), מטוסי UAM, רובוטי ייצור, פתרונות הגנה אוטונומיים ועוד. הפלטפורמה מספק חסכוני באנרגיה, מתקדם edge-AI מחשוב ועיבוד וידאו עם קישוריות 5G עבור רובוטים

בעיקר, קוואלקום מעורבת בפיתוח טכנולוגיות בסיסיות לתעשיית האלחוט, כולל 3G, 4G, 5G וקישוריות אלחוטית., ומחשוב בעל ביצועים גבוהים וצריכת אנרגיה נמוכה.

לחץ כאן כדי ללמוד הכל על השקעה בבינה מלאכותית (AI).

קוואלקום (QCOM )

אם מסתכלים על ביצועי השוק של קוואלקום, מניות החברה, ששוויה 171.67 מיליארד דולר, נסחרות כעת במחיר של 159.54 דולר, עלייה של 3.6% עד כה השנה.

בעוד שהביצועים השנה היו מאכזבים, הם מגיעים לאחר שקיווקו גברה על 215 דולר ביוני בשנה שעברה. הרווח למניה (EPS) (TTM) עומד על 10.36, מכפיל הרווח (TTM) עומד על 15.36, ותשואת ההשקעה (ROE) עומדת על 44.62%, בעוד שבעלי המניות נהנים מתשואת דיבידנד של 2.24%.

מבחינה פיננסית, יצרנית השבבים האלחוטיים דיווחה על עלייה של 10% בהכנסות ל-10.4 מיליארד דולר ברבעון השלישי הכספי שהסתיים ב-29 ביוני 2025.

בהשראת חוזק בתחומי הטלפונים הניידים, האינטרנט של הדברים והרכב, הכנסות QCT זינקו ב-11% משנה לשנה ל-9 מיליארד דולר, והכנסות EBT זינקו ב-22% ל-2.7 מיליארד דולר. בינתיים, הכנסות QCT מתחום הרכב והאינטרנט של הדברים עלו ב-23% משנה לשנה ל-2.7 מיליארד דולר.

הרווח למניה (non-GAAP) של החברה עלה ב-19% משנה לשנה ל-2.77 דולר.

לדברי המנכ"ל כריסטיאנו אמון:

"רבעון נוסף של צמיחה חזקה בהכנסות של QCT Automotive ו-IoT מאשר עוד יותר את אסטרטגיית הגיוון שלנו ואת הביטחון שלנו בהשגת יעדי ההכנסות ארוכי הטווח שלנו. המנהיגות שלנו בעיבוד בינה מלאכותית, מחשוב בעל ביצועים גבוהים ובצריכת אנרגיה נמוכה, וקישוריות מתקדמת מציבה אותנו כפלטפורמה מועדפת בתעשייה ככל שבינה מלאכותית צוברת נפח בקצה."

במהלך הרבעון, קוואלקום החזירה 3.8 מיליארד דולר לבעלי המניות, כולל 967 מיליון דולר, או 0.89 דולר למניה, של דיבידנדים במזומן ו-2.8 מיליארד דולר של רכישות חוזרות של מניות.

לאחרונה, קוואלקום השיקה את ה-Dragonwing Q-6690 עבור לקוחותיה הארגוניים, פחות משישה חודשים לאחר חשיפתה. חבילת המוצרים של Dragonwing. החברה טוענת כי ערכת השבבים היא המעבד הנייד הראשון בעולם עם יכולות RFID מובנות בתדר גבוה במיוחד.

עם פתרונות ה-IoT, הרשתות והתשתית הסלולרית התעשייתיים והמשובצים שלה, החברה שואפת לנצל אותם כדי לפשט את המורכבות, לייעל את היעילות התפעולית ולהעצים קבלת החלטות חכמה יותר.

בתוך כך, חברת הבינה המלאכותית של ערב הסעודית, Humain, החלה בבניית מרכזי הנתונים הראשונים שלה בריאד ובדמאם. אשר לשמה היא שותפה עם קוואלקום ו AMD, סיסקו וגרוק. החברה מתכננת לבנות מרכז נתונים בנפח של 1.9 ג'יגה-וואט עד סוף העשור הנוכחי.

קוואלקום העדכני ביותר (QCOM) חדשות והתפתחויות במניות

סיכום

בעלי חיים היוו השראה לטכנולוגיה זה מכבר, וכעת דבורים מראות לנו שאינטליגנציה אינה קשורה לגודל המוח אלא לכושר, יכולת הסתגלות ושילוב חלק של גוף, מוח וסביבה. לקחים אלה יכולים לסייע בשינוי עיצוב הבינה המלאכותית.

בינה מלאכותית היא אחד התחומים המתקדמים והמתפתחים ביותר כיום, והוא זוכה לתשומת לב, הון ופיתוח משמעותיים. עם זאת, פיתוח מודלים מסיביים הוא יקר, עתיר אנרגיה ואינו בר קיימא. כאן, מחקר בהשראת דבורים מציע אלטרנטיבה: רשתות עצביות קטנות ויעילות שיכולות להשיג יותר בפחות.

על ידי לימוד הראייה הפעילה והאסטרטגיות העצביות הקומפקטיות של דבורים, נוכל לבנות בינה מלאכותית ורובוטיקה עתידניים מהירים ובעלי יכולות גבוהות יותר.

לחצו כאן כדי ללמוד האם מאביקים רובוטיים יכולים למלא תפקיד בחקלאות אנכית.

הפניות:

1. MaBouDi, H., Richter, J., Guiraud, M.-G., Roper, M., Marshall, JAR, & Chittka, L. ראייה אקטיבית של דבורים במשימת הבחנה פשוטה של ​​תבניות. eLife, 14, e106332, פורסם ב-20 בפברואר 2025. https://doi.org/10.7554/eLife.106332
2. MaBouDi, H., Roper, M., Guiraud, M.-G., Juusola, M., Chittka, L., & Marshall, JAR מודל נוירומורפי של ראייה אקטיבית מראה כיצד קידוד מרחבי-זמני בנוירונים באובולה יכול לסייע בזיהוי תבניות בדבורים. eLife, 14, e89929, פורסם ב-1 ביולי 2025. https://doi.org/10.7554/eLife.89929