Cérebros de Abelhas Inspiram IA e Robótica Mais Inteligentes

Abelhas, os maiores polinizadores do mundo, são uma parte essencial da biodiversidade da qual nós, humanos, dependemos diretamente para nossa sobrevivência.

Esses insetos alados são principalmente conhecidos por fornecer alimentos de alta qualidade como mel, bem como cera de abelha, própolis, pólen e geleia, entre outros produtos. Mais importante ainda, eles são responsáveis por polinizar inúmeras plantas com flores, incluindo a grande maioria das culturas alimentares do mundo, o que permite que as plantas se reproduzam e produzam frutos, vegetais e sementes. 

Para fazer isso, as abelhas usam seus corpos peludos e transferem o pólen de uma flor para outra.

Embora as abelhas não estejam sozinhas nisso, já que pássaros, macacos e até humanos polinizam, as abelhas são certamente os polinizadores mais comuns polinizadores. Estima‑se que mais de 87 % de todas as espécies de plantas com flores dependam de animais, com as abelhas sendo o principal grupo de polinização, um serviço ecológico essencial vital para a biodiversidade e a segurança alimentar.

As abelhas são, na verdade, insetos muito inteligentes, e as pessoas têm estudado seu comportamento, maneirismos e interações sociais para entender a saúde dos ecossistemas, mudanças ambientais e melhorar a eficiência da polinização de culturas.

Além disso, as abelhas são usadas como modelo para entender o comportamento cooperativo e mapear como cérebros diminutos coordenam tarefas sociais complexas. 

Cientistas também se inspiram nas abelhas para avançar a tecnologia. Por exemplo, suas estratégias de navegação e comunicação são aplicadas à tecnologia de drones. O comportamento das abelhas também inspirou robótica, algoritmos e IA.

Nesse sentido, pesquisadores descobriram que as abelhas usam seus movimentos de voo para melhorar os sinais cerebrais, o que lhes permite aprender e reconhecer padrões visuais complexos com grande precisão. 

Essa percepção baseada em movimento, segundo o novo estudo, pode revolucionar o desenvolvimento de IA e robótica de próxima geração ao enfatizar a eficiência em vez de poder computacional massivo.

Inteligência das Abelhas: O Que Cérebros Minúsculos Nos Ensinam Sobre IA

As habilidades de aprendizado visual das abelhas são simplesmente notáveis. Isso fica evidente pelo fato de que elas podem aprender a associar uma cor a uma recompensa, bem como identificar características específicas para classificar padrões visuais. Elas também demonstraram capacidade de entender conceitos abstratos e resolver tarefas de numeracidade ao escanear sequencialmente os elementos dentro de um estímulo. 

Um conceito fundamental na ciência cognitiva, numeracidade refere‑se ao número de itens em um conjunto e costuma ser estudado no contexto da percepção visual, onde se refere à capacidade de compreender rapidamente a quantidade de objetos em uma cena sem contar. 

Assim, tarefas de numeracidade analisam a capacidade inata do cérebro de perceber e estimar quantidades.

Portanto, as abelhas claramente possuem capacidades excepcionais, o que as torna um modelo animal valioso para explorar os princípios do aprendizado visual analisando suas respostas comportamentais.

Mas a questão é, ainda não se sabe exatamente como as abelhas conseguem identificar padrões complexos e perceber as complexidades do mundo ao seu redor enquanto forrageiam, dado sua suposta baixa sensibilidade visual e recursos neurais limitados.

Os neurônios sensoriais visuais são na verdade presumidos como evoluídos para explorar regularidades em cenas naturais. Por exemplo, estudos mostraram que as vias sensoriais de insetos e os comportamentos associados a elas se adaptam dinamicamente a diferentes condições ao redor. As respostas são ajustadas com base em dados de entrada como frequência espacial, contraste e correlações espaciotemporais. 

Quando se trata de estratégias de amostragem ativa, nas quais os animais escaneiam continuamente seu ambiente para extrair informações visuais ao longo do tempo, esse comportamento tem sido amplamente observado em diversas espécies. 

Enquanto os primatas usam movimentos oculares para melhorar sua resolução espacial fina e aprimorar a codificação de estímulos naturais, os insetos empregam estratégias que envolvem movimentos da cabeça e do corpo ou trajetórias de abordagem específicas.

No caso das abelhas, elas provavelmente dependem da visão ativa e do amostragem sequencial para construir uma representação neural forte e resiliente de seu entorno. 

Essas estratégias desempenham um papel fundamental no processamento visual inicial, reduzindo redundâncias e tornando a codificação de estímulos visuais mais eficiente. Mas, novamente, nossa compreensão de como esses mecanismos permitem que as abelhas detectem regularidades visuais, superem restrições de representação e resolvam tarefas complexas permanece limitada.

De acordo com o estudo mais recente, entender essas estratégias é crucial para desvendar os princípios fundamentais da visão de insetos e suas implicações mais amplas para o processamento visual em sistemas biológicos e artificiais.

Portanto, baseando‑se em seu estudo anterior, que avaliou os trajetos de voo das abelhas durante uma tarefa visual simples¹, os pesquisadores agora estão investigando os principais elementos de circuito que contribuem para a visão ativa no reconhecimento de padrões acromáticos.

O objetivo principal do estudo é determinar como o comportamento de escaneamento das abelhas contribui para a organização e conectividade dos neurônios em seus lobos visuais.

Pesquisadores da Universidade de Sheffield hipotetizaram que os comportamentos de escaneamento se adaptaram para amostrar características visuais complexas de maneira que as codifiquem mais eficientemente nos neurônios da lobula. Isso, por sua vez, facilita representações únicas que sustentam a aprendizagem no diminuto cérebro das abelhas. Para testar essa hipótese, eles desenvolveram um modelo neuromórfico dos lobos ópticos das abelhas.

Os pesquisadores incluíram princípios de codificação por meio de um modelo inovador de plasticidade não associativa. Isso permitiu que o modelo auto‑organizasse sua conectividade dentro do lobo visual, criando assim representações eficientes do ambiente e levando ao surgimento de células seletivas por orientação, essenciais para codificar cenas visuais complexas.

A estrutura de processamento visual foi ainda aprimorada ao empregar outro módulo de tomada de decisão, que se inspirou nos mecanismos de aprendizado associativo dos insetos.

As simulações dos pesquisadores revelam que um pequeno subconjunto de neurônios da lobula, sensíveis a orientações e velocidades específicas, pode comprimir ambientes visuais complexos em representações expressas como taxas de disparo. Essas representações esparsas distinguem efetivamente entre os padrões de adição e multiplicação, o que destaca a aplicabilidade mais ampla do modelo.

Os insights obtidos no estudo podem ajudar a avançar nossa compreensão da visão biológica e da cognição e inspirar o desenvolvimento de novos modelos computacionais para tarefas de reconhecimento visual, afirmou o estudo.

Como a Visão Inspirada em Abelhas Está Moldando a Robótica e a IA

O estudo mais recente, um esforço colaborativo com a Queen Mary University of London e publicado na revista eLife, detalhou um modelo digital do cérebro miniatura de uma abelha².

Ele aproveita a maneira surpreendente como esses insetos combinam seus cérebros e corpos para ajudar a avançar a tecnologia e tornar os futuros robôs mais inteligentes e eficientes. Assim como as abelhas usam seus movimentos de voo para criar sinais cerebrais claros e simplificar tarefas visuais complexas, a tecnologia de próxima geração também pode coletar informações relevantes por meio do movimento, em vez de depender de enorme poder computacional.

O estudo, afinal, demonstrou que até mesmo cérebros de insetos diminutos são capazes de resolver tarefas visuais complexas. 

O fato de que poucas células cerebrais podem fazer tanto significa que a inteligência não é apenas uma questão de cérebro, mas o resultado da interação entre cérebro, corpo e ambiente.

Construir uma versão digital do cérebro de uma abelha ajudou os pesquisadores a descobrir que a forma como as abelhas movem seus corpos durante o voo auxilia na modelagem da entrada visual. Esses movimentos também produzem sinais elétricos únicos em seus cérebros, que lhes permitem identificar características previsíveis ao seu redor de forma fácil e eficiente.

Isso demonstra a notável precisão das abelhas ao aprender e identificar padrões visuais complexos durante o voo.

“Neste estudo, demonstramos com sucesso que até os menores cérebros podem aproveitar o movimento para perceber e entender o mundo ao seu redor. Isso nos mostra que um sistema pequeno e eficiente — embora resultado de milhões de anos de evolução — pode executar computações muito mais complexas do que pensávamos ser possível.”

– O autor sênior do estudo, Professor James Marshall, Diretor do Centre of Machine Intelligence na Universidade de Sheffield

Ao aproveitar os melhores designs da natureza para a inteligência, Marshall observou, isso abre caminho para “a próxima geração de IA, impulsionando avanços em robótica, veículos autônomos e aprendizado no mundo real.”

Como mencionado anteriormente, este estudo baseia‑se em pesquisas anteriores sobre como as abelhas usam visão ativa, onde seus movimentos ajudam a coletar e processar informações visuais. O trabalho mais recente examina mais a fundo os mecanismos cerebrais subjacentes que impulsionam seu comportamento de voar ao redor e inspecionar padrões específicos.

“Em nosso trabalho anterior, ficamos fascinados ao descobrir que as abelhas empregam um atalho de escaneamento inteligente para resolver quebra‑cabeças visuais. Mas isso apenas nos mostrou o que elas fazem; para este estudo, queríamos entender como.”

– Autor principal, Dr. HaDi MaBouDi da Universidade de Sheffield

As avançadas habilidades de aprendizado de padrões visuais das abelhas têm na verdade sido compreendidas há muito tempo. Isso inclui sua capacidade de diferenciar rostos humanos, mas não como elas navegam pelo mundo com tamanha eficiência.

“Nosso modelo do cérebro de uma abelha demonstra que seus circuitos neurais são otimizados para processar informações visuais não de forma isolada, mas através da interação ativa com seus movimentos de voo no ambiente natural.”

– MaBouDi

E isso, ele observou, apoia a teoria de que a inteligência surge da interação entre cérebro, corpo e ambiente trabalhando em conjunto.

“Aprendemos que as abelhas, apesar de terem cérebros não maiores que uma semente de gergelim, não apenas veem o mundo — elas moldam ativamente o que veem através de seus movimentos. É um belo exemplo de como ação e percepção estão profundamente interligadas para resolver problemas complexos com recursos mínimos. Isso tem grandes implicações tanto para a biologia quanto para a IA.”

– MaBouDi

O modelo, construído por meio de esforços colaborativos, mostra que os neurônios de uma abelha tornam‑se altamente sintonizados a movimentos e direções específicos à medida que seu cérebro se adapta lentamente por meio de exposição repetida a diferentes estímulos. Isso aprimora suas respostas sem depender de associações ou reforço.

Isso significa que o cérebro de uma abelha se adapta ao seu ambiente simplesmente por observação durante o voo, sem necessidade de recompensas imediatas.

Todo esse processo é feito usando apenas alguns neurônios, o que conserva energia e poder de processamento, tornando seu cérebro incrivelmente eficiente. Agora, para testar o modelo, a equipe o submeteu aos mesmos desafios visuais enfrentados por abelhas reais. Nesse caso, o modelo computacional precisou diferenciar entre o sinal de ‘mais’ e o sinal de ‘multiplicação’.

Ao imitar a estratégia das abelhas reais, escaneando apenas a metade inferior dos padrões, o modelo mostrou desempenho consideravelmente melhorado. 

Além disso, o modelo demonstrou com sucesso como as abelhas podem reconhecer rostos humanos, usando apenas uma pequena rede de neurônios artificiais, enfatizando a versatilidade e a força de seu processamento visual.

“Cientistas têm se fascinado com a questão de saber se o tamanho do cérebro prediz a inteligência nos animais. Mas tais especulações não fazem sentido a menos que se conheça as computações neurais que sustentam uma tarefa específica,” disse o Professor Lars Chittka, Professor de Ecologia Sensorial e Comportamental na Queen Mary University of London. “Aqui determinamos o número mínimo de neurônios necessários para tarefas difíceis de discriminação visual e descobrimos que os números são surpreendentemente pequenos, mesmo para tarefas complexas como o reconhecimento de rostos humanos. Assim, microcérebros de insetos são capazes de computações avançadas.”

Portanto, dessa forma, o estudo acrescenta evidências de que os animais não apenas recebem informações passivamente. Na verdade, eles trabalham ativamente com elas.

As abelhas, em particular, possuem processamento visual de ordem superior, e o modelo revela como o escaneamento guiado pelo comportamento pode criar códigos neurais comprimidos e aprendíveis.

“Juntos, esses achados apoiam um quadro unificado onde percepção, ação e dinâmica cerebral co‑evoluem para resolver tarefas visuais complexas com recursos mínimos — oferecendo insights poderosos tanto para a biologia quanto para a IA.”

– Professor Mikko Juusola, Professor em Neurociência de Sistemas da School of Biosciences e Neuroscience Institute da Universidade de Sheffield

Clique aqui para saber como a IA pode ajudar a proteger as abelhas melíferas dos vespões asiáticos.

Deslize para rolar →

Investindo em Tecnologia de IA

No mundo da IA e robótica, Qualcomm (QCOM ) é um nome conhecido que tem explorado tecnologias neuromórficas e edge‑AI.

Há mais de uma década, a Qualcomm lançou os processadores Qualcomm Zeroth para imitar a percepção e o aprendizado semelhantes aos humanos, assim como os cérebros biológicos. Além do aprendizado inspirado biologicamente, o objetivo era replicar a eficiência com que nosso cérebro comunica informações e padronizar a nova arquitetura de processamento chamada Unidade de Processamento Neural (NPU).

Sua plataforma de Robótica RB6, impulsionada por IA, alimenta a robótica de próxima geração e máquinas inteligentes, incluindo robôs de entrega, robôs móveis autônomos (AMRs), aeronaves UAM, robôs de fabricação, soluções de defesa autônoma e muito mais. A plataforma está oferecendo computação edge‑AI avançada e eficiente em energia, além de processamento de vídeo com conectividade 5G para robôs

Principalmente, a Qualcomm está envolvida no desenvolvimento de tecnologias fundamentais para a indústria sem fio, incluindo 3G, 4G, 5G, conectividade sem fio, e computação de alto desempenho e baixo consumo.

Clique aqui para aprender tudo sobre investir em inteligência artificial (IA).

Qualcomm (QCOM )

Observando o desempenho de mercado da Qualcomm, as ações da empresa com capitalização de US$ 171,67 bilhões estão atualmente sendo negociadas a US$ 159,54, um aumento de 3,6 % neste ano até agora.

Embora o desempenho deste ano tenha sido decepcionante, segue o salto da QCOM acima de US$ 215 em junho do ano passado. Seu EPS (TTM) está em 10,36, P/E (TTM) em 15,36 e ROE (TTM) em 44,62 %, enquanto os acionistas se beneficiam de um rendimento de dividendos de 2,24 %.

No âmbito financeiro, a fabricante de chips sem fio registrou um aumento de 10 % na receita, chegando a US$ 10,4 bilhões no seu terceiro trimestre fiscal encerrado em 29 de junho de 2025.

Impulsionadas pela força nos segmentos de Handsets, IoT e Automotivo, as receitas da QCT aumentaram 11 % YoY para US$ 9 bilhões, e as receitas da EBT dispararam 22 % para US$ 2,7 bilhões. As receitas combinadas da QCT Automotive e IoT, por sua vez, subiram 23 % YoY para US$ 2,7 bilhões.

O EPS non‑GAAP da empresa aumentou 19 % YoY para US$ 2,77.

Segundo o CEO Cristiano Amon:

“Mais um trimestre de forte crescimento nas receitas da QCT Automotive e IoT valida ainda mais nossa estratégia de diversificação e confiança em alcançar nossas metas de receita de longo prazo. Nossa liderança em processamento de IA, computação de alto desempenho e baixo consumo, e conectividade avançada nos posiciona para nos tornarmos a plataforma preferida da indústria à medida que a IA ganha escala na borda.”

Durante o trimestre, a Qualcomm devolveu US$ 3,8 bilhões aos acionistas, incluindo US$ 967 milhões, ou US$ 0,89 por ação, em dividendos em dinheiro e US$ 2,8 bilhões em recompra de ações.

Mais recentemente, a Qualcomm lançou o Dragonwing Q‑6690 para seus clientes empresariais, menos de seis meses após revelar a suíte de produtos Dragonwing. A empresa afirma que o chipset é o primeiro processador móvel do mundo com capacidades RFID de ultra‑alta frequência integradas.

Com suas soluções industriais e de IoT embarcado, redes e infraestrutura celular, a empresa pretende utilizá‑las para simplificar a complexidade, otimizar a eficiência operacional e capacitar decisões mais inteligentes.

Nesse cenário, a empresa de IA da Arábia Saudita, Humain, começou a construir seus primeiros data centers em Riade e Dammam, para os quais fez parceria com a Qualcomm e AMD, Cisco, e Groq. A empresa planeja construir 1,9 GW de capacidade de data center até o final desta década.

Últimas Notícias e Desenvolvimentos das Ações da Qualcomm (QCOM)

Conclusão

Os animais há muito tempo inspiram a tecnologia, e agora as abelhas nos mostram que a inteligência não está relacionada ao tamanho do cérebro, mas à eficiência, adaptabilidade e à integração perfeita entre corpo, cérebro e ambiente. Essas lições podem ajudar a transformar o design de IA.

A IA é um dos campos mais avançados e dinâmicos da atualidade, atraindo atenção significativa, capital e desenvolvimento. No entanto, escalar modelos massivos é caro, consome muita energia e é insustentável. Aqui, a pesquisa inspirada em abelhas oferece uma alternativa: redes neurais pequenas e eficientes que podem alcançar mais com menos.

Ao estudar a visão ativa e as estratégias neurais compactas das abelhas, podemos construir IA e robótica futuristas que sejam mais rápidas e mais capazes.

Clique aqui para saber se polinizadores robóticos podem desempenhar um papel na agricultura vertical.

Referências:

1. MaBouDi, H., Richter, J., Guiraud, M.-G., Roper, M., Marshall, J.A.R., & Chittka, L. Active vision of bees in a simple pattern discrimination task. eLife, 14, e106332, publicado 20 de fevereiro de 2025. https://doi.org/10.7554/eLife.106332
2. MaBouDi, H., Roper, M., Guiraud, M.-G., Juusola, M., Chittka, L., & Marshall, J.A.R. A neuromorphic model of active vision shows how spatiotemporal encoding in lobula neurons can aid pattern recognition in bees. eLife, 14, e89929, publicado 1 de julho de 2025. https://doi.org/10.7554/eLife.89929