人工智能
蜜蜂大脑激发更智能的人工智能和机器人技术
Securities.io 秉持严格的编辑标准，并可能通过审核链接获得报酬。我们并非注册投资顾问，本文亦不构成投资建议。请查看我们的 会员披露.
蜜蜂是世界上最伟大的传粉昆虫，也是人类生存所依赖的生物多样性的重要组成部分。
这些有翅昆虫主要以提供优质食物而闻名 喜欢 蜂蜜以及蜂蜡、蜂胶、花粉和果冻等产品。 更重要的是，它们负责为无数开花植物授粉，包括世界上绝大多数的粮食作物，使植物能够繁殖并生产水果、蔬菜和种子。
为了实现这一点，蜜蜂利用它们毛茸茸的身体将花粉从一朵花转移到另一朵花。
虽然蜜蜂不是 独自一人鸟类、猴子甚至人类都会授粉， 蜜蜂 肯定是最常见的 授粉. It 估计 超过 87% 的开花植物物种依赖动物，其中蜜蜂是授粉的主要群体，授粉是生物多样性和粮食安全至关重要的生态系统服务。
蜜蜂实际上是一种非常聪明的昆虫，人们一直在研究它们的行为、习性和社会互动，以了解生态系统健康、环境变化并提高作物授粉效率。
此外，蜜蜂 使用 作为理解合作行为和绘制微型大脑如何协调复杂社会任务的模型。
科学家们也从蜜蜂身上汲取灵感，推动科技进步。例如，它们的导航和沟通策略 被应用 无人机技术。蜜蜂的行为也启发了机器人技术、算法和人工智能。
对此，研究人员现已发现，蜜蜂利用飞行动作来改善脑信号，这使它们能够非常准确地学习和识别复杂的视觉模式。
根据这项新研究，这种基于运动的感知可以通过提高大规模计算能力的效率来彻底改变下一代人工智能和机器人技术的发展。
蜜蜂智慧：微小的大脑教会我们什么关于人工智能的知识
蜜蜂的视觉学习能力实在令人惊叹。 本篇 显而易见的是，它们能够学会将颜色与奖励联系起来，并识别特定特征来对视觉模式进行分类。它们甚至展现出理解抽象概念和通过按顺序扫描刺激中的元素来解决数字任务的能力。
数量性是认知科学的一个基本概念，指的是一组事物的数量 以及 is 通常学习 在视觉感知的背景下，它指的是无需计数就能快速掌握场景中物体数量的能力。
因此，数字任务可以分析大脑感知和估计数量的先天能力。
因此，蜜蜂显然具有非凡的能力，这使得它们成为通过分析其行为反应来探索视觉学习原理的宝贵动物模型。
但事情是，但仍然不是 真 已知 只是 鉴于蜜蜂的视觉敏感度较低且神经资源有限，它们如何在觅食时识别复杂的模式并感知周围世界的复杂性。
视觉感觉神经元是 通 推定 evolve 以便探索自然场景中的规律。 例如，研究表明，昆虫的感觉通路和与之相关的行为能够动态地适应不同的周围条件。 根据输入数据调整响应 喜欢 空间频率、对比度和时空相关性。
当谈到主动采样策略时，动物会不断扫描周围环境以提取视觉信息，这种行为已经 被广泛观察 跨物种。
灵长类动物利用眼球运动来增强其精细空间分辨率并改善对自然刺激的编码，而昆虫则采用涉及头部和身体运动或特定 接近轨迹。
就蜜蜂而言，它们可能依靠主动视觉和顺序采样来构建强大而有弹性的周围环境神经表征。
这些策略发挥着 关键部分 在早期视觉处理中，减少冗余和 制造 这个 编码 视觉刺激 更高效. 但再次，我们对这些机制的理解 让 蜜蜂检测视觉规律、克服表征限制和解决复杂任务的能力仍然存在 贫困.
根据最新研究，了解这些策略对于揭示昆虫视觉的基本原理及其对生物和人工系统视觉处理的更广泛影响至关重要。
因此，建筑 在他们之前的研究 在简单的视觉任务中评估蜜蜂的飞行路径1，研究人员现在 调查 有助于主动视觉识别无色图案的主要电路元件。
该研究的主要目标是确定蜜蜂的扫描行为如何影响其视叶中神经元的组织和连接。
谢菲尔德大学的研究人员假设，扫描行为已经适应了对复杂视觉特征进行采样的方式，从而能够在小叶神经元中更有效地对其进行编码。这反过来又促进了蜜蜂小脑中支持学习的独特表征。为了验证这一假设，他们开发了蜜蜂视叶的神经形态模型。
研究人员通过一种新颖的非联想可塑性模型纳入了编码原则。 本篇 使模型能够自我组织视觉叶内的连接，从而创建有效的环境表示并导致方向选择性细胞的出现，这对于编码复杂的视觉场景至关重要。
视觉处理框架得到进一步增强 by 雇用 另一个用于决策的模块 了 从昆虫的联想学习机制中获得的启发。
研究人员的模拟表明，一小部分对特定方向和速度敏感的小叶神经元可以将复杂的视觉环境压缩成以放电频率表示的表征。这些不常见的表征能够有效地区分加法和乘法模式，这凸显了该模型更广泛的适用性。
研究中收集到的见解有助于增进我们对生物视觉和认知的理解 以及 激发视觉识别任务的新型计算模型的开发， 说 这个 研究。
蜜蜂视觉如何塑造机器人和人工智能
最新研究， 与伦敦玛丽女王大学合作发表在《eLife》杂志上， 详细的一个 蜜蜂微型大脑的数字模型2.
它利用昆虫大脑和身体的惊人结合方式，推动科技进步，使未来的机器人更加智能、高效。就像蜜蜂利用飞行动作发出清晰的脑信号并简化复杂的视觉任务一样，这项下一代技术也能通过运动来收集相关信息，而无需依赖强大的计算能力。
毕竟，这项研究已经证明，即使是微小的昆虫大脑也能够解决复杂的视觉任务。
少量脑细胞就能完成如此多的事情，这意味着智力不仅仅是大脑的事情，而是大脑、身体和环境协同工作的结果。
构建数字化 版本 对蜜蜂大脑的分析帮助研究人员发现，蜜蜂在飞行过程中移动身体的方式有助于它们的形状视觉输入。 这些动作还会在他们的大脑中产生独特的电信号， 允许 让他们识别周围可预测的特征 轻松高效.
本篇 展示 蜜蜂' 在飞行过程中学习和识别复杂视觉模式方面具有惊人的准确性。
在这项研究中，我们成功证明，即使是最微小的大脑也能利用运动来感知和理解周围的世界。这表明，一个小型而高效的系统——尽管是数百万年进化的结果——可以执行比我们之前认为的更为复杂的计算。
– 该研究的资深作者，谢菲尔德大学机器智能中心主任詹姆斯·马歇尔教授
By 借力 马歇尔指出，这是大自然为智能提供的最佳设计，为“下一代人工智能，推动机器人技术、自动驾驶汽车和现实世界学习的进步”铺平了道路。
如前所述，这项研究建立在他们之前关于蜜蜂如何运用主动视觉的研究基础之上，即蜜蜂的运动有助于收集和处理视觉信息。这项最新研究更深入地探究了驱动蜜蜂飞行和检查特定模式行为的潜在大脑机制。
在我们之前的研究工作中，我们惊奇地发现蜜蜂会采用一种巧妙的扫描捷径来解决视觉难题。但这仅仅告诉我们它们做了什么；在这项研究中，我们想了解它们是如何做到的。
– 主要作者，谢菲尔德大学的 HaDi MaBouDi 博士
先进的视觉 模式学习 蜜蜂的能力 通 很 长 了解. 本篇 包括区分人脸的能力，但不包括 以 它们如何如此高效地在世界各地航行。
“我们的蜜蜂大脑模型表明，它的神经回路经过优化，不是孤立地处理视觉信息，而是通过与自然环境中的飞行运动进行主动互动来处理。”
– 马布迪
他指出，这支持了智力源于大脑、身体和环境相互作用的理论。
我们了解到，尽管蜜蜂的脑袋只有芝麻那么大，但它们不仅能观察世界，还能通过活动积极地塑造它们所看到的东西。这是一个绝佳的例子，展现了行动和感知如何紧密交织，从而以最少的资源解决复杂的问题。 本篇 这对生物学和人工智能都有重大影响。”
– 马布迪
该模型由多方合作建立，表明蜜蜂的大脑通过反复接触不同的刺激逐渐适应，其神经元对特定动作和方向的适应性会变得高度一致。这可以提高它们的反应能力，而无需依赖联想或强化。
这意味着蜜蜂的大脑只需在飞行过程中观察就能适应周围环境，而不需要立即获得奖励。
所有这些工作仅需几个神经元就能完成，这既节省了能量，也节省了处理能力，使得蜜蜂的大脑极其高效。现在，为了测试该模型，研究团队让它经历了与真实蜜蜂相同的视觉挑战。在这种情况下，计算模型必须区分“加号”和“乘号”。
当模仿真实蜜蜂的策略，仅扫描图案的下半部分时，模型的性能得到了显著提高。
此外，该模型成功证明 只是 蜜蜂如何仅使用一个小型的人工神经元网络就能识别人脸， 强调 多功能性和 这个 他们的视觉处理能力。
“科学家们一直对脑容量能否预测动物智力这一问题着迷。但除非我们了解特定任务背后的神经计算机制，否则这种推测毫无意义，”伦敦玛丽女王大学感觉与行为生态学教授拉尔斯·奇特卡（Lars Chittka）说道。“我们确定了完成复杂视觉辨别任务所需的最小神经元数量，并发现即使是像人脸识别这样复杂的任务，所需的神经元数量也少得惊人。因此，昆虫的微脑能够进行高级计算。”
So， 这个 方式， 根据一项研究， 增加 有证据表明动物并非只是被动地接收信息。 事实上，他们正在积极致力于此。
尤其是蜜蜂，它们具有高阶视觉处理能力，该模型揭示了行为驱动的扫描如何创建压缩的、可学习的神经代码。
“总之，这些发现支持一个统一的框架，在这个框架中，感知、行动和大脑动力学共同进化，以最少的资源解决复杂的视觉任务——为生物学和人工智能提供强大的洞察力。”
– 谢菲尔德大学生物科学学院和神经科学研究所系统神经科学教授 Mikko Juusola 教授
滑动滚动→
| 途径 | 关键原理 | 我们的强项 | 限制 |
|---|---|---|---|
| 传统人工智能 | 海量数据集和高计算能力 | 复杂任务中高精度 | 能源密集型，规模化成本高昂 |
| 受蜜蜂启发的人工智能 | 主动视觉和高效神经编码 | 轻量、节能、快速学习 | 仍处于早期研究阶段 |
投资人工智能技术
在人工智能和机器人领域， 高通公司 (QCOM ) 是一个意念波· 已知 探索神经形态和 边缘人工智能 技术。
十多年前，高通发布了 Qualcomm Zeroth 处理器，旨在模拟类似人类大脑的感知和学习能力。除了仿生学习之外，其目标还在于复制人类大脑的信息传递效率，并标准化名为神经处理单元 (NPU) 的全新处理架构。
同时，其人工智能驱动的机器人 RB6 平台为下一代机器人和智能机器提供动力，包括送货机器人、自主移动机器人 (AMR)、UAM 飞机、制造机器人、自主防御解决方案等等。 该平台 正在交付 节能、先进 边缘人工智能 为机器人提供具有 5G 连接的计算和视频处理
高通主要致力于开发无线行业的基础技术，包括 3G、4G、5G、无线连接, 以及高性能和低功耗计算。
高通公司 (QCOM )
纵观高通的市场表现，这家市值 171.67 亿美元的公司目前的股价为 159.54 美元，今年迄今为止上涨了 3.6%。
虽然今年的表现令人失望，但高通股价在去年215月飙升至10.36美元以上。其每股收益（TTM）为15.36，市盈率（TTM）为44.62，净资产收益率（TTM）为2.24%，股东受益于XNUMX%的股息收益率。
(QCOM )
财务方面，这家无线芯片制造商报告称，截至 10 年 10.4 月 29 日的第三财季，其收入增长 2025%，达到 XNUMX 亿美元。
受手机、物联网和汽车业务强劲增长的推动，QCT 营收同比增长 11%，达到 9 亿美元，息税前利润 (EBT) 营收飙升 22%，达到 2.7 亿美元。与此同时，QCT 汽车和物联网业务的合并营收同比增长 23%，达到 2.7 亿美元。
该公司非公认会计准则每股收益同比增长 19% 至 2.77 美元。
首席执行官克里斯蒂亚诺·阿蒙表示：
QCT 汽车和物联网业务收入再创季度强劲增长，进一步印证了我们多元化战略的有效性，以及我们对实现长期收入目标的信心。随着人工智能在边缘计算领域不断扩展，我们在人工智能处理、高性能低功耗计算以及先进连接方面的领先地位，使我们成为行业首选平台。
本季度，高通向股东返还 3.8 亿美元，其中包括 967 亿美元（即每股 0.89 美元）的现金股息和 2.8 亿美元的股票回购。
最近，高通公司面向企业客户推出了 Dragonwing Q-6690，距离发布不到六个月 Dragonwing 产品套件。 该公司声称该芯片组是世界上第一款内置超高频 RFID 功能的移动处理器。
凭借其工业和嵌入式物联网、网络和蜂窝基础设施解决方案，该公司旨在利用它们 简化复杂性、优化运营效率并支持更明智的决策。
在此背景下，沙特阿拉伯的人工智能公司 Humain 已开始在利雅得和达曼建立其首批数据中心， 为此，它已与 与高通 以及 AMD、思科和 Groq。 该公司计划在本世纪末建成容量为 1.9 吉瓦的数据中心。
高通最新动态 （高通） 股票新闻和动态
结语
动物长期以来一直是科技发展的灵感源泉，而如今蜜蜂的发现向我们表明，智能并非取决于大脑的大小，而是取决于效率、适应性以及身体、大脑和环境的无缝融合。这些经验或许有助于改变人工智能的设计。
人工智能是当今最先进、发展最快的领域之一，吸引了大量的关注、资金和发展。然而，扩展大规模模型成本高昂、耗能巨大且不可持续。受蜜蜂启发的研究提供了一种替代方案：小型、高效的神经网络，能够以更少的资源实现更大的目标。
通过研究蜜蜂的主动视觉和紧凑的神经策略，我们可以构建更快、更强大的未来人工智能和机器人。
参考文献：
1. MaBouDi, H.、Richter, J.、Guiraud, M.-G.、Roper, M.、Marshall, JAR 和 Chittka, L. 蜜蜂在简单模式辨别任务中的主动视觉。eLife, 14, e106332，发表于 20 年 2025 月 XNUMX 日。 https://doi.org/10.7554/eLife.106332
2. MaBouDi, H.、Roper, M.、Guiraud, M.-G.、Juusola, M.、Chittka, L. 和 Marshall, JAR，《主动视觉的神经形态模型》展示了小叶神经元中的时空编码如何帮助蜜蜂进行模式识别。eLife, 14, e89929，发表于1年2025月XNUMX日。 https://doi.org/10.7554/eLife.89929
