Bijengehirren inspireren slimmere AI en robotica

Bijen, de grootste bestuivers ter wereld, zijn een essentieel onderdeel van de biodiversiteit waarvan wij mensen direct afhankelijk zijn voor ons overleven.

Deze gevleugelde insecten staan vooral bekend om het leveren van hoogwaardige voedingsmiddelen zoals honing, maar ook bijenwas, propolis, stuifmeel en gelei, naast andere producten. Belangrijker nog, ze zijn verantwoordelijk voor de bestuiving van talloze bloemplanten, waaronder een overweldigende meerderheid van de wereldwijde voedselgewassen, waardoor planten zich kunnen voortplanten en vruchten, groenten en zaden kunnen produceren. 

Om dit te bereiken, gebruiken bijen hun harige lichamen en dragen ze stuifmeel van de ene bloem naar de andere.

Hoewel bijen niet alleen staan in dit, aangezien vogels, apen en zelfs mensen bestuiven, bijen zeker de meest voorkomende bestuivers zijn. Er wordt geschat dat meer dan 87% van alle bloemplanten afhankelijk is van dieren, waarbij bijen de primaire groep voor bestuiving vormen, een essentiële ecosysteemdienst die cruciaal is voor biodiversiteit en voedselzekerheid.

Bijen zijn eigenlijk zeer intelligente insecten, en mensen bestuderen hun gedrag, gewoonten en sociale interacties om de gezondheid van ecosystemen, milieuveranderingen en de efficiëntie van gewasbestuiving beter te begrijpen.

Bovendien worden bijen gebruikt als model om coöperatief gedrag te begrijpen en in kaart te brengen hoe kleine hersenen complexe sociale taken coördineren. 

Wetenschappers laten zich ook inspireren door bijen om technologie vooruit te helpen. Bijvoorbeeld, hun navigatie‑ en communicatiestrategieën worden toegepast op drone‑technologie. Bijen‑gedrag heeft ook robotica, algoritmen en AI geïnspireerd.

In dat verband hebben onderzoekers nu ontdekt dat bijen hun vluchtbewegingen gebruiken om hersensignalen te verbeteren, waardoor ze complexe visuele patronen met grote nauwkeurigheid kunnen leren en herkennen. 

Deze op beweging gebaseerde perceptie, volgens de nieuwe studie, zou de ontwikkeling van AI‑ en robotica‑generaties van de toekomst kunnen revolutioneren door efficiëntie te accentueren boven enorme rekenkracht.

Bijengeest: Wat kleine hersenen ons leren over AI

De visuele leervermogens van bijen zijn simpelweg opmerkelijk. Dit blijkt uit het feit dat ze een kleur kunnen associëren met een beloning en specifieke kenmerken kunnen identificeren om visuele patronen te classificeren. Ze hebben zelfs aangetoond abstracte concepten te begrijpen en numerositietaken op te lossen door de elementen binnen een stimulus sequentieel te scannen. 

Een fundamenteel concept in de cognitieve wetenschap, numerositie, verwijst naar het aantal items in een set en wordt meestal bestudeerd in de context van visuele perceptie, waar het de vaardigheid betekent om snel de hoeveelheid objecten in een scène te vatten zonder te tellen. 

Als zodanig analyseren numerositietaken de aangeboren capaciteit van de hersenen om hoeveelheden waar te nemen en te schatten.

Dus hebben bijen duidelijk uitzonderlijke capaciteiten, wat hen tot een waardevol diermodel maakt voor het verkennen van de principes van visueel leren door hun gedragsreacties te analyseren.

Maar het punt is, het is nog steeds niet echt bekend hoe bijen in staat zijn complexe patronen te identificeren en de complexiteit van de wereld om hen heen waar te nemen tijdens het foerageren, gezien hun veronderstelde lage visuele gevoeligheid en beperkte neurale middelen.

Visuele sensorische neuronen worden feitelijk verondersteld te evolueren om regelmatigheden in natuurlijke scènes te exploiteren. Zo hebben studies aangetoond dat insectensensorische paden en bijbehorend gedrag zich dynamisch aanpassen aan verschillende omgevingscondities. De responsen worden aangepast op basis van invoergegevens zoals ruimtelijke frequentie, contrast en spatiotemporale correlaties. 

Als het gaat om actieve bemonsteringsstrategieën, waarbij dieren continu hun omgeving scannen om visuele informatie in de loop van de tijd te extraheren, is dergelijk gedrag wijdverspreid waargenomen bij verschillende soorten. 

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

In het geval van bijen lijken ze te vertrouwen op actieve visie en sequentiële bemonstering om een sterke en veerkrachtige neurale representatie van hun omgeving op te bouwen. 

Deze strategieën spelen een sleutelrol in de vroege visuele verwerking, verminderen redundantie en maken de codering van visuele stimuli efficiënter. Maar opnieuw, ons begrip van hoe deze mechanismen bijen in staat stellen visuele regelmatigheden te detecteren, representatiebeperkingen te overwinnen en complexe taken op te lossen, blijft zwak.

Volgens de nieuwste studie is het begrijpen van deze strategieën cruciaal om de fundamentele principes van insectenvisie te ontrafelen en hun bredere implicaties voor visuele verwerking in zowel biologische als kunstmatige systemen te doorgronden.

Dus, voortbouwend op hun eerdere onderzoek, dat beoordeelde vliegtrajecten van bijen tijdens een eenvoudige visuele taak¹, onderzoeken de onderzoekers nu de belangrijkste circuit‑elementen die bijdragen aan actieve visie bij het herkennen van achromatische patronen.

Het primaire doel van de studie is te bepalen hoe het scan‑gedrag van bijen bijdraagt aan de organisatie en connectiviteit van neuronen in hun visuele lobben.

Onderzoekers van de Universiteit van Sheffield stelden de hypothese dat scan‑gedragingen zich hebben aangepast om complexe visuele kenmerken te bemonsteren op een manier die ze efficiënter codeert in de lobula‑neuronen. Dit faciliteert op zijn beurt unieke representaties die leren in het piepkleine bijenbrein ondersteunen. Om deze hypothese te testen, ontwikkelden ze een neuromorfisch model van de bijen‑optische lobben.

De onderzoekers integreerden coderingsprincipes via een nieuw model van niet‑associatieve plasticiteit. Dit stelde het model in staat om zijn connectiviteit binnen de visuele lob zelf‑organiserend te structureren, waardoor efficiënte representaties van de omgeving ontstonden en oriëntatie‑selectieve cellen verschenen, die essentieel zijn voor het coderen van complexe visuele scènes.

Het visuele verwerkingskader werd verder verbeterd door het inzetten van een extra module voor besluitvorming, die inspiratie haalde uit associatieve leermechanismen van insecten.

De simulaties van de onderzoekers tonen aan dat een kleine subset van lobula‑neuronen, gevoelig voor specifieke oriëntaties en snelheden, complexe visuele omgevingen kan comprimeren tot representaties uitgedrukt als vuursnelheden. Deze zeldzame representaties onderscheiden effectief de plus‑ en vermenigvuldigingspatronen, wat de bredere toepasbaarheid van het model onderstreept.

De inzichten uit de studie kunnen ons begrip van biologische visie en cognitie verder helpen ontwikkelen en de ontwikkeling van nieuwe computationele modellen voor visuele herkenningstaken inspireren, volgens de studie.

Hoe bijengeïnspireerde visie robotica en AI vormgeeft

De nieuwste studie, een samenwerking met Queen Mary University of London en gepubliceerd in het tijdschrift eLife, gedetailleerde een digitaal model van een miniatuurbijenbrein².

Het benut de verrassende manier waarop deze insecten hun hersenen en lichaam combineren om technologie vooruit te helpen en toekomstige robots slimmer en efficiënter te maken. Net zoals bijen hun vluchtbewegingen gebruiken om duidelijke hersensignalen te creëren en complexe visuele taken te vereenvoudigen, kan de volgende‑generatie technologie ook relevante informatie verzamelen via beweging in plaats van te vertrouwen op enorme rekenkracht.

De studie heeft immers aangetoond dat zelfs piepkleine insectenhersenen in staat zijn complexe visuele taken op te lossen. 

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

Het bouwen van een digitale versie van een bijenbrein hielp onderzoekers ontdekken dat de manier waarop bijen hun lichaam tijdens de vlucht bewegen, hun visuele input vormgeeft. Deze bewegingen produceren ook unieke elektrische signalen in hun hersenen, die hen in staat stellen voorspelbare kenmerken in hun omgeving gemakkelijk en efficiënt te identificeren.

Dit toont de opmerkelijke nauwkeurigheid van bijen bij het leren en identificeren van complexe visuele patronen tijdens de vlucht.

“In deze studie hebben we met succes aangetoond dat zelfs de kleinste hersenen beweging kunnen benutten om de wereld om hen heen waar te nemen en te begrijpen. Dit laat zien dat een klein, efficiënt systeem – het resultaat van miljoenen jaren evolutie – berekeningen kan uitvoeren die veel complexer zijn dan we eerder dachten.”

– De senior‑auteur van de studie, professor James Marshall, directeur van het Centre of Machine Intelligence aan de Universiteit van Sheffield

Door de beste ontwerpen van de natuur voor intelligentie te benutten, merkte Marshall op, opent dit de weg voor “de volgende generatie AI, die vooruitgang stimuleert in robotica, zelfrijdende voertuigen en real‑world learning.”

Zoals eerder vermeld, bouwt deze studie voort op hun eerdere onderzoek naar hoe bijen actieve visie gebruiken, waarbij hun bewegingen helpen visuele informatie te verzamelen en te verwerken. Het nieuwste werk kijkt dieper naar de onderliggende hersenmechanismen die hun gedrag van rondvliegen en het inspecteren van specifieke patronen aandrijven.

“In ons eerdere werk waren we gefascineerd door de ontdekking dat bijen een slimme scan‑shortcut 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‑leervaardigheden van bijen zijn feitelijk al lang begrepen. Dit omvat hun vermogen om onderscheid te maken tussen menselijke gezichten, maar niet hoe ze de wereld met zo’n efficiëntie navigeren.

“Ons model van een bijenbrein toont aan dat de neurale circuits geoptimaliseerd zijn om visuele informatie niet geïsoleerd te verwerken, maar via actieve interactie met hun vluchtbewegingen in de natuurlijke omgeving.”

– MaBouDi

En dit, merkte hij op, ondersteunt de theorie dat intelligentie voortkomt uit de wisselwerking tussen hersenen, lichaam en omgeving die samenwerken.

“We hebben geleerd dat bijen, ondanks dat hun hersenen niet groter zijn dan een sesamzaad, niet alleen de wereld zien – ze vormen actief wat ze zien via hun bewegingen. Het is een prachtig voorbeeld van hoe actie en perceptie diep verweven zijn om complexe problemen op te lossen met minimale middelen. Dit heeft grote implicaties voor zowel biologie als AI.”

– MaBouDi

Het model, gebouwd door samenwerking, toont aan dat de neuronen van een bij sterk afgestemd raken op specifieke bewegingen en richtingen terwijl hun hersenen langzaam aanpassen door herhaalde blootstelling aan verschillende stimuli. Dat verbetert hun respons zonder afhankelijk te zijn van associaties of bekrachtiging.

Wat dit betekent is dat het brein van een bij zich aanpast aan de omgeving simpelweg door observatie tijdens de vlucht, zonder directe beloningen nodig te hebben.

Dit alles gebeurt met slechts een paar neuronen, wat zowel energie als verwerkingskracht bespaart, waardoor hun brein ongelooflijk efficiënt is. Om het model te testen, stelde het team het bloot aan dezelfde visuele uitdagingen als echte bijen. In dit geval moest het computationele model onderscheid maken tussen een ‘plus’-teken en een ‘vermenigvuldigings‑teken.

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

Bovendien toonde het model succesvol aan hoe bijen menselijke gezichten kunnen herkennen, met slechts een klein netwerk van kunstmatige neuronen, wat de veelzijdigheid en de sterkte van hun visuele verwerking benadrukt.

“Wetenschappers zijn gefascineerd door de vraag of de grootte van het brein intelligentie bij dieren voorspelt. Maar zulke speculaties hebben geen zin tenzij men de neurale berekeningen kent die een bepaalde taak onderbouwen,” zei professor Lars Chittka, professor Sensory and Behavioural Ecology aan Queen Mary University of London. “Hier bepalen we het minimale aantal neuronen dat nodig is voor moeilijke visuele discriminatietaken en vinden we dat de aantallen verbazingwekkend klein zijn, zelfs voor complexe taken zoals menselijke gezichtsherkenning. Dus insecten‑microbreinen zijn in staat tot geavanceerde berekeningen.”

Dus, op deze manier, voegt de studie toe aan het bewijs dat dieren niet slechts passief informatie ontvangen. In feite werken ze er actief mee.

Bijen, in het bijzonder, hebben hogere‑orde visuele verwerking, en het model onthult hoe gedragsgedreven scanning gecomprimeerde, leerbare neurale codes kan creëren.

“Samen ondersteunen deze bevindingen een eenduidig kader waarin perceptie, actie en hersendynamiek co‑evolueren om complexe visuele taken met minimale middelen op te lossen – wat krachtige inzichten biedt voor zowel biologie als AI.”

– Professor Mikko Juusola, professor System Neuroscience aan de School of Biosciences en Neuroscience Institute van de Universiteit van Sheffield

Klik hier om te leren hoe AI kan helpen bij het beschermen van honingbijen tegen Aziatische hoornwespen.

Veeg om te scrollen →

Investeren in AI‑technologie

In de wereld van AI en robotica, Qualcomm (QCOM ) is een bekende naam die neuromorfe en edge‑AI technologieën heeft verkend. 

Meer dan tien jaar geleden bracht Qualcomm de Qualcomm Zeroth‑processors uit om mensachtige perceptie en leren na te bootsen, net zoals biologische hersenen dat doen. Naast biologisch geïnspireerd leren, was het doel de efficiëntie te repliceren waarmee ons brein informatie communiceert en een nieuwe verwerkingsarchitectuur genaamd Neural Processing Unit (NPU) te standaardiseren.

Het AI‑gedreven Robotics RB6‑platform van Qualcomm levert ondertussen de volgende generatie robotica en intelligente machines, waaronder bezorgrobots, autonome mobiele robots (AMR’s), UAM‑vliegtuigen, productierobots, autonome defensieoplossingen en nog veel meer. Het platform levert energie‑efficiënte, geavanceerde edge‑AI reken‑ en videobewerking met 5G‑connectiviteit voor robots

Primair is Qualcomm betrokken bij de ontwikkeling van fundamentele technologieën voor de draadloze industrie, waaronder 3G, 4G, 5G, draadloze connectiviteit, en high‑performance en low‑power computing.

Klik hier om alles te leren over investeren in kunstmatige intelligentie (AI).

Qualcomm (QCOM )

Kijkend naar Qualcomm’s marktprestaties, wordt het bedrijf met een marktkapitalisatie van $171,67 billion momenteel verhandeld tegen $159,54, een stijging van 3,6 % dit jaar tot nu toe.

Hoewel de prestaties dit jaar teleurstellend waren, volgt dit op QCOM’s piek boven $215 in juni vorig jaar. De EPS (TTM) staat op 10,36, de P/E (TTM) op 15,36 en de ROE (TTM) op 44,62 %, terwijl aandeelhouders profiteren van een dividendrendement van 2,24 %.

Financieel rapporteerde de draadloze chipfabrikant een omzetstijging van 10 % naar $10,4 billion voor het fiscale derde kwartaal eindigend op 29 juni 2025.

Gedreven door sterkte in Handsets, IoT en Automotive, steeg de QCT‑omzet met 11 % YoY naar $9 billion, en de EBT‑omzet steeg met 22 % naar $2,7 billion. De gecombineerde QCT‑Automotive‑ en IoT‑omzet steeg ondertussen met 23 % YoY naar $2,7 billion.

De non‑GAAP EPS van het bedrijf steeg met 19 % YoY naar $2,77.

According to CEO Cristiano Amon:

“Een nieuw kwartaal van sterke groei in QCT‑Automotive en IoT‑omzet bevestigt onze diversificatiestrategie en ons vertrouwen in het behalen van onze langetermijndoelstellingen voor omzet. Onze leiderschap in AI‑verwerking, high‑performance en low‑power computing, en geavanceerde connectiviteit positioneert ons als het platform‑keuze voor de industrie nu AI op de edge schaalbaar wordt.”

Tijdens het kwartaal keerde Qualcomm $3,8 billion terug naar aandeelhouders, inclusief $967 million, of $0,89 per aandeel, aan cash‑dividenden en $2,8 billion aan aandeleninkoop.

Onlangs lanceerde Qualcomm de Dragonwing Q‑6690 voor zijn enterprise‑klanten, minder dan zes maanden na de onthulling van de Dragonwing‑suite van producten. Het bedrijf beweert dat de chipset de eerste mobiele processor ter wereld is met ingebouwde ultra‑high‑frequency RFID‑mogelijkheden.

Met zijn industriële en embedded IoT, netwerkinfrastructuuroplossingen, streeft het bedrijf ernaar deze te gebruiken om complexiteit te vereenvoudigen, operationele efficiëntie te optimaliseren en slimmere besluitvorming mogelijk te maken.

Tegelijkertijd is het Saoedische AI‑bedrijf Humain begonnen met de bouw van zijn eerste datacenters in Riyad en Dammam, waarvoor het een partnerschap heeft met Qualcomm en AMD, Cisco en Groq. Het bedrijf plant om tegen het einde van dit decennium 1,9 GW aan datacentercapaciteit te bouwen.

Laatste Qualcomm (QCOM) aandelennieuws en ontwikkelingen

Conclusie

Dieren hebben al lang technologie geïnspireerd, en nu laten bijen ons zien dat intelligentie niet draait om de grootte van het brein, maar om efficiëntie, aanpassingsvermogen en de naadloze integratie van lichaam, brein en omgeving. Deze lessen kunnen helpen AI‑ontwerp te transformeren.

AI is een van de meest geavanceerde en snel evoluerende vakgebieden van vandaag, met veel aandacht, kapitaal en ontwikkeling. Het opschalen van enorme modellen is echter duur, energie‑intensief en onhoudbaar. Hier biedt bij‑geïnspireerd onderzoek een alternatief: kleine, efficiënte neurale netwerken die meer kunnen bereiken met minder.

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

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

Referenties:

1. MaBouDi, H., Richter, J., Guiraud, M.-G., Roper, M., Marshall, J.A.R., & Chittka, L. Actieve visie van bijen in een eenvoudige patroononderscheidingstaak. eLife, 14, e106332, gepubliceerd 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. Een neuromorfisch model van actieve visie toont hoe spatiotemporale codering in lobula‑neuronen patroonherkenning bij bijen kan ondersteunen. eLife, 14, e89929, gepubliceerd 1 juli 2025. https://doi.org/10.7554/eLife.89929