Bijenhersenen inspireren slimmere AI en robotica

Bijen zijn de beste bestuivers ter wereld en vormen een essentieel onderdeel van de biodiversiteit waarvan wij als mensen direct afhankelijk zijn voor ons voortbestaan.

Deze gevleugelde insecten staan ​​er vooral om bekend dat ze hoogwaardig voedsel leveren als honing, maar ook bijenwas, propolis, pollen en gelei, en nog veel meer. Nog belangrijker is dat ze verantwoordelijk zijn voor de bestuiving van talloze bloeiende planten, waaronder het overgrote deel van de voedingsgewassen ter wereld. Hierdoor kunnen planten zich voortplanten en vruchten, groenten en zaden produceren. 

Om dit te doen, gebruiken bijen hun harige lichaam en brengen ze stuifmeel over van de ene bloem naar de andere.

Hoewel bijen niet alleen in dit, aangezien vogels, apen en zelfs mensen bestuiven, bijen zijn zeker de meest voorkomende bestuivers. It is geschat dat meer dan 87% van alle bloeiende plantensoorten afhankelijk is van dieren, waarbij bijen de belangrijkste groep vormen voor bestuiving, een essentiële ecosysteemdienst die van vitaal belang is voor biodiversiteit en voedselveiligheid.

Bijen zijn eigenlijk heel intelligente insecten. Mensen bestuderen hun gedrag, maniertjes en sociale interacties om inzicht te krijgen in de gezondheid van ecosystemen, veranderingen in het milieu en om de efficiëntie van de bestuiving van gewassen te verbeteren.

Bovendien zijn bijen worden gebruikt als model voor het begrijpen van coöperatief gedrag en het in kaart brengen van de manier waarop kleine hersenen complexe sociale taken coördineren. 

Wetenschappers laten zich ook inspireren door bijen om technologie te verbeteren, bijvoorbeeld hun navigatie- en communicatiestrategieën. zijn toegepast tot dronetechnologie. Het gedrag van bijen heeft ook robotica, algoritmes en AI geïnspireerd.

Onderzoekers hebben nu ontdekt dat bijen hun vliegbewegingen gebruiken om hersensignalen te verbeteren. Hierdoor kunnen ze complexe visuele patronen met grote nauwkeurigheid leren en herkennen. 

Deze op beweging gebaseerde perceptie zou volgens het nieuwe onderzoek een revolutie teweeg kunnen brengen in de ontwikkeling van de volgende generatie AI en robotica, doordat de nadruk ligt op efficiëntie in plaats van op enorme rekenkracht.

Intelligentie bij bijen: wat kleine hersenen ons leren over AI

Het visuele leervermogen van bijen is ronduit opmerkelijk. In deze Dit blijkt uit het feit dat ze kunnen leren een kleur te associëren met een beloning en specifieke kenmerken te identificeren om visuele patronen te classificeren. Ze hebben zelfs aangetoond dat ze abstracte concepten kunnen begrijpen en numerieke taken kunnen oplossen door de elementen binnen een stimulus sequentieel te scannen. 

Een fundamenteel concept in de cognitieve wetenschap, numerositeit verwijst naar het aantal items in een set en is meestal bestudeerd in de context van visuele perceptie, waarbij het verwijst naar het vermogen om snel de hoeveelheid objecten in een scène te begrijpen, zonder ze te tellen. 

Bij numerieke taken wordt het aangeboren vermogen van de hersenen om hoeveelheden waar te nemen en te schatten geanalyseerd.

Het is duidelijk dat bijen uitzonderlijke capaciteiten hebben, waardoor ze een waardevol diermodel vormen voor het onderzoeken van de principes van visueel leren door hun gedragsreacties te analyseren.

Maar het ding is, het is nog steeds niet werkelijk bekend voor slechts hoe bijen complexe patronen kunnen identificeren en de complexiteit van de wereld om hen heen kunnen waarnemen tijdens het zoeken naar voedsel, gezien hun veronderstelde lage visuele gevoeligheid en beperkte neurale bronnen.

Visuele sensorische neuronen zijn werkelijk verondersteld te zijn ontwikkelen om regelmaat in natuurlijke scènes te benutten. Uit onderzoek is bijvoorbeeld gebleken dat de zintuigen van insecten en het gedrag dat daarmee gepaard gaat, zich dynamisch aanpassen aan verschillende omstandigheden. De reacties worden aangepast op basis van invoergegevens als ruimtelijke frequentie, contrast en spatiotemporele correlaties. 

Als het gaat om actieve bemonsteringsstrategieën, waarbij dieren voortdurend hun omgeving scannen om in de loop van de tijd visuele informatie te verkrijgen, is dit gedrag is op grote schaal waargenomen over soorten heen. 

Terwijl primaten oogbewegingen gebruiken om hun fijne ruimtelijke resolutie te verbeteren en de codering van natuurlijke stimuli te verbeteren, gebruiken insecten strategieën die hoofd- en lichaamsbewegingen of specifieke naderingstrajecten.

Bijen zijn waarschijnlijk afhankelijk van actief zicht en opeenvolgende bemonstering om een ​​sterke en veerkrachtige neurale representatie van hun omgeving op te bouwen. 

Deze strategieën spelen een rol Belangrijk deel bij vroege visuele verwerking, waardoor redundantie wordt verminderd en het maken van the codering van visuele stimuli efficiënter. Maar nogmaalsons begrip van hoe deze mechanismen toelaten bijen om visuele regelmatigheden te detecteren, representatieve beperkingen te overwinnen en complexe taken op te lossen, blijft arm.

Volgens het meest recente onderzoek is inzicht in deze strategieën van cruciaal belang voor het ontrafelen van de fundamentele principes van het zicht van insecten en de bredere implicaties hiervan voor visuele verwerking in biologische en kunstmatige systemen.

Dus, bouwen over hun eerdere onderzoek, dat beoordeelde bijenvluchtpaden tijdens een eenvoudige visuele taak¹de onderzoekers zijn nu onderzoeken de belangrijkste circuitelementen die bijdragen aan actief zien bij het herkennen van achromatische patronen.

Het hoofddoel van het onderzoek is om te bepalen hoe het scangedrag van bijen bijdraagt ​​aan de organisatie en connectiviteit van neuronen in hun visuele lobben.

Onderzoekers van de Universiteit van Sheffield veronderstelden dat scangedrag zich heeft aangepast om complexe visuele kenmerken te detecteren op een manier die deze efficiënter codeert in de lobulaire neuronen. Dit maakt op zijn beurt unieke representaties mogelijk die het leerproces in de kleine hersenen van bijen ondersteunen. Om deze hypothese te testen, ontwikkelden ze een neuromorfisch model van de optische lobben van bijen.

De onderzoekers verwerkten coderingsprincipes in een nieuw model van niet-associatieve plasticiteit. In deze zorgde ervoor dat het model zijn connectiviteit binnen de visuele lob zelf kon organiseren, waardoor efficiënte representaties van de omgeving ontstonden en oriëntatieselectieve cellen ontstonden, die essentieel zijn voor het coderen van complexe visuele scènes.

Het visuele verwerkingsraamwerk werd verder verbeterd by gebruik een andere module voor besluitvorming, die nam inspiratie uit associatieve leermechanismen van insecten.

De simulaties van de onderzoekers laten zien dat een kleine subgroep lobulaneuronen, gevoelig voor specifieke oriëntaties en snelheden, complexe visuele omgevingen kan comprimeren tot representaties uitgedrukt in vuurfrequenties. Deze onregelmatige representaties maken effectief onderscheid tussen plus- en vermenigvuldigingspatronen, wat de bredere toepasbaarheid van het model onderstreept.

De inzichten die in het onderzoek zijn verzameld, kunnen ons begrip van het biologische zicht en de cognitie helpen vergroten en de ontwikkeling van nieuwe computermodellen voor visuele herkenningstaken inspireren, bepaald the studie.

Hoe door bijen geïnspireerde visie robotica en AI vormgeeft

De nieuwste studie, een samenwerking met Queen Mary University of London en gepubliceerd in het tijdschrift eLife, gedetailleerd een digitaal model van de miniatuurhersenen van een bij².

Het maakt gebruik van de verrassende manier waarop deze insecten hun hersenen en lichaam combineren om technologie te helpen verbeteren en toekomstige robots slimmer en efficiënter te maken. Net zoals bijen hun vliegbewegingen gebruiken om duidelijke hersensignalen te genereren en complexe visuele taken te vereenvoudigen, kan de volgende generatie technologie ook relevante informatie verzamelen door middel van beweging, in plaats van te vertrouwen op enorme rekenkracht.

Het onderzoek heeft immers aangetoond dat zelfs de hersenen van kleine insecten in staat zijn om complexe visuele taken uit te voeren. 

Het feit dat maar weinig hersencellen zoveel kunnen, betekent dat intelligentie niet alleen een zaak van de hersenen is, maar het resultaat van de samenwerking tussen hersenen, lichaam en omgeving. 

Het bouwen van een digitale versie van de hersenen van een bij hielp onderzoekers ontdekken dat de manier waarop bijen hun lichaam bewegen tijdens het vliegen bijdraagt ​​aan hun visuele input. Deze bewegingen produceren ook unieke elektrische signalen in hun hersenen, die toestaan hen in staat stellen om voorspelbare kenmerken om hen heen te identificeren gemakkelijk en efficiënt.

In deze vitrines bijen opmerkelijke nauwkeurigheid bij het leren en identificeren van complexe visuele patronen tijdens de vlucht.

In deze studie hebben we succesvol aangetoond dat zelfs de kleinste hersenen beweging kunnen gebruiken om de wereld om hen heen waar te nemen en te begrijpen. Dit laat zien dat een klein, efficiënt systeem – weliswaar het resultaat van miljoenen jaren evolutie – veel complexere berekeningen kan uitvoeren dan we voorheen voor mogelijk hielden.

– De hoofdauteur van de studie, professor James Marshall, directeur van het Centrum voor Machine-Intelligentie aan de Universiteit van Sheffield

By leveraging Marshall merkte op dat dit de weg vrijmaakt voor "de volgende generatie AI, die de vooruitgang in robotica, zelfrijdende voertuigen en leren in de echte wereld stimuleert", aldus de beste ontwerpen van de natuur voor intelligentie.

Zoals eerder opgemerkt, bouwt deze studie voort op eerder onderzoek naar hoe bijen actief zicht gebruiken, waarbij hun bewegingen helpen bij het verzamelen en verwerken van visuele informatie. Het nieuwste werk gaat dieper in op de onderliggende hersenmechanismen die hun gedrag, zoals rondvliegen en het inspecteren van specifieke patronen, aansturen.

In ons eerdere onderzoek waren we gefascineerd door de ontdekking dat bijen een slimme scansnelkoppeling gebruiken om visuele puzzels op te lossen. Maar dat vertelde ons alleen wat ze doen; voor deze studie wilden we begrijpen hoe.

– Hoofdauteur, Dr. HaDi MaBouDi van de Universiteit van Sheffield

De geavanceerde visuele patroon leren de capaciteiten van bijen hebben werkelijk geweest lang begrijpelijk. In deze omvat hun vermogen om onderscheid te maken tussen menselijke gezichten, maar niet wat betreft hoe zij zo efficiënt door de wereld navigeren.

"Ons model van de hersenen van een bij laat zien dat de neurale circuits geoptimaliseerd zijn om visuele informatie niet geïsoleerd te verwerken, maar via actieve interactie met de vliegbewegingen in de natuurlijke omgeving."

– MaBouDi

En dit, merkte hij op, ondersteunt de theorie dat intelligentie ontstaat uit de samenwerking tussen de hersenen, het lichaam en de omgeving.

We hebben geleerd dat bijen, ondanks hun hersenen die niet groter zijn dan een sesamzaadje, de wereld niet alleen zien – ze beïnvloeden actief wat ze zien door hun bewegingen. Het is een prachtig voorbeeld van hoe actie en perceptie nauw met elkaar verweven zijn om complexe problemen op te lossen met minimale middelen. In deze is iets dat grote gevolgen heeft voor zowel biologie als AI.”

– MaBouDi

Het model, dat door samenwerking tot stand is gekomen, laat zien dat de neuronen van een bij zich sterk afstemmen op specifieke bewegingen en richtingen, doordat hun hersenen zich langzaam aanpassen door herhaalde blootstelling aan verschillende stimuli. Dit verbetert hun reacties zonder dat ze afhankelijk zijn van associaties of bekrachtiging.

Dit betekent dat de hersenen van een bij zich aanpassen aan de omgeving door simpelweg te observeren terwijl hij vliegt, zonder dat hij daarvoor direct een beloning nodig heeft.

Dit alles gebeurt met slechts een paar neuronen, wat zowel energie als rekenkracht bespaart, waardoor hun hersenen ongelooflijk efficiënt zijn. Om het model te testen, stelde het team het bloot aan dezelfde visuele uitdagingen als die waarmee echte bijen te maken krijgen. In dit geval moest het computermodel onderscheid maken tussen een plusteken en een vermenigvuldigingsteken.

Bij het nabootsen van de strategie van echte bijen, waarbij alleen de onderste helft van de patronen werd gescand, liet het model aanzienlijk betere prestaties zien. 

Bovendien heeft het model met succes aangetoond voor slechts hoe bijen menselijke gezichten kunnen herkennen, met behulp van slechts een klein netwerk van kunstmatige neuronen, nadruk te leggen op de veelzijdigheid en the de kracht van hun visuele verwerking.

"Wetenschappers zijn gefascineerd door de vraag of hersengrootte de intelligentie bij dieren voorspelt. Maar dergelijke speculaties slaan nergens op, tenzij men de neurale berekeningen kent die aan een bepaalde taak ten grondslag liggen", aldus professor Lars Chittka, hoogleraar sensorische en gedragsmatige ecologie aan de Queen Mary University of London. "Hier bepalen we het minimale aantal neuronen dat nodig is voor moeilijke visuele discriminatietaken en ontdekken we dat die aantallen verbluffend klein zijn, zelfs voor complexe taken zoals gezichtsherkenning van mensen. Insectenmicrohersenen zijn dus in staat tot geavanceerde berekeningen."

So, deze manier, de studie voegt naar het bewijs dat dieren niet alleen passief informatie ontvangen. Sterker nog, ze zijn er actief mee bezig.

Bijen beschikken in het bijzonder over een hogere mate van visuele verwerking en het model laat zien hoe gedragsgestuurd scannen gecomprimeerde, leerbare neurale codes kan creëren.

“Deze bevindingen ondersteunen samen een uniform raamwerk waarin perceptie, actie en hersendynamiek samen evolueren om complexe visuele taken op te lossen met minimale middelen – wat krachtige inzichten biedt voor zowel biologie als AI.”

– Professor Mikko Juusola, hoogleraar systeemneurowetenschappen aan de School of Biosciences and Neuroscience Institute van de Universiteit van Sheffield

Klik hier en ontdek hoe AI honingbijen kan helpen beschermen tegen Aziatische hoornaars.

Veeg om te scrollen →

Investeren in AI-technologie

In de wereld van AI en robotica, Qualcomm (QCOM ) is een bekend naam die neuromorfische en rand-AI technologieën. 

Meer dan tien jaar geleden introduceerde Qualcomm de Qualcomm Zeroth-processors om menselijke waarneming en leerprocessen na te bootsen, net zoals biologische hersenen dat doen. Naast biologisch geïnspireerd leren was het doel om de efficiëntie waarmee onze hersenen informatie communiceren te repliceren en de nieuwe verwerkingsarchitectuur, een zogenaamde Neural Processing Unit (NPU), te standaardiseren.

Het op AI gebaseerde Robotics RB6-platform drijft de volgende generatie robotica en intelligente machines aan, waaronder bezorgrobots, autonome mobiele robots (AMR's), UAM-vliegtuigen, productierobots, autonome defensieoplossingen en nog veel meer. Het platform levert energiezuinig, geavanceerd rand-AI computer- en videoverwerking met 5G-connectiviteit voor robots

Qualcomm houdt zich primair bezig met de ontwikkeling van fundamentele technologieën voor de draadloze industrie, waaronder 3G, 4G, 5G en draadloze connectiviteit., en computers met hoge prestaties en laag stroomverbruik.

Klik hier voor alles over investeren in kunstmatige intelligentie (AI).

Qualcomm (QCOM )

Kijken we naar de marktprestaties van Qualcomm, dan noteren de aandelen van het bedrijf met een marktkapitalisatie van $ 171.67 miljard momenteel op $ 159.54, een stijging van 3.6% dit jaar tot nu toe.

Hoewel de prestaties dit jaar tegenvielen, volgt dit op de stijging van QCOM boven de $ 215 in juni vorig jaar. De winst per aandeel (TTM) bedraagt ​​10.36, de koers/winstverhouding (TTM) 15.36 en het rendement op eigen vermogen (TTM) 44.62%, terwijl aandeelhouders profiteren van een dividendrendement van 2.24%.

Op financieel vlak rapporteerde de fabrikant van draadloze chips een omzetstijging van 10% tot $ 10.4 miljard voor het derde fiscale kwartaal dat eindigde op 29 juni 2025.

Dankzij de sterke prestaties van handsets, IoT en Automotive stegen de QCT-omzetten met 11% op jaarbasis tot $ 9 miljard, en de EBT-omzetten met 22% tot $ 2.7 miljard. De gecombineerde QCT Automotive- en IoT-omzetten stegen met 23% op jaarbasis tot $ 2.7 miljard.

De non-GAAP winst per aandeel van het bedrijf steeg met 19% op jaarbasis naar $ 2.77.

Volgens CEO Cristiano Amon:

"Een nieuwe kwartaal met sterke groei in de omzet van QCT Automotive en IoT bevestigt onze diversificatiestrategie en het vertrouwen in het behalen van onze omzetdoelstellingen op lange termijn. Onze leidende positie in AI-verwerking, high-performance en low-power computing en geavanceerde connectiviteit positioneert ons om hét platform bij uitstek te worden naarmate AI aan de edge schaalbaarder wordt."

Qualcomm keerde in het kwartaal 3.8 miljard dollar uit aan aandeelhouders, waarvan 967 miljoen dollar, of 0.89 dollar per aandeel, aan contante dividenden en 2.8 miljard dollar aan aandeleninkopen.

Het meest recent lanceerde Qualcomm de Dragonwing Q-6690 voor zijn zakelijke klanten, minder dan zes maanden na de onthulling de Dragonwing-productsuite. Het bedrijf beweert dat de chipset de eerste mobiele processor ter wereld is met ingebouwde RFID-mogelijkheden met ultrahoge frequentie.

Met zijn industriële en ingebedde IoT-, netwerk- en mobiele infrastructuuroplossingen wil het bedrijf deze optimaal benutten om complexiteit te vereenvoudigen, operationele efficiëntie te optimaliseren en slimmere besluitvorming mogelijk te maken.

In dit kader is het AI-bedrijf Humain uit Saoedi-Arabië begonnen met de bouw van zijn eerste datacenters in Riyad en Dammam. waarvoor het een partnerschap heeft gesloten met Qualcomm en AMD, Cisco en Groq. Het bedrijf is van plan om tegen het einde van dit decennium 1.9 GW aan datacentercapaciteit te bouwen.

Nieuwste Qualcomm (QCOM) Aandelennieuws en ontwikkelingen

Conclusie

Dieren inspireren al lang technologie, en nu laten bijen ons zien dat intelligentie niet draait om hersengrootte, maar om efficiëntie, aanpassingsvermogen en de naadloze integratie van lichaam, brein en omgeving. Deze lessen kunnen AI-ontwerp transformeren.

AI is een van de meest geavanceerde en snelst evoluerende vakgebieden van vandaag de dag en trekt veel aandacht, kapitaal en ontwikkeling. Het opschalen van enorme modellen is echter duur, energie-intensief en niet duurzaam. Onderzoek geïnspireerd door bijen biedt hier een alternatief: kleine, efficiënte neurale netwerken die meer kunnen bereiken met minder.

Door het actieve zicht en de compacte neurale strategieën van bijen te bestuderen, kunnen we futuristische AI ​​en robotica bouwen die sneller en capabeler zijn.

Klik hier om te ontdekken of robotbestuivers een rol kunnen spelen in verticale landbouw.

Referenties:

1. MaBouDi, H., Richter, J., Guiraud, M.-G., Roper, M., Marshall, JAR, & Chittka, L. Actief zicht van bijen in een eenvoudige patroononderscheidingstaak. eLife, 14, e106332, gepubliceerd op 20 februari 2025. https://doi.org/10.7554/eLife.106332
2. MaBouDi, H., Roper, M., Guiraud, M.-G., Juusola, M., Chittka, L., & Marshall, JAR Een neuromorfisch model van actief zicht laat zien hoe spatiotemporele codering in lobula-neuronen patroonherkenning bij bijen kan ondersteunen. eLife, 14, e89929, gepubliceerd op 1 juli 2025. https://doi.org/10.7554/eLife.89929