關於蜜蜂如何使用飛行運動來促進複雜視覺樣式的準確學習和感知的新發現。根據謝菲爾德大學的研究，下一代AI發展的下一個變化。
關於蜜蜂如何使用飛行運動來促進複雜視覺樣式的準確學習和感知的新發現。根據謝菲爾德大學的研究，下一代AI發展的下一個變化。
通過創建一個計算模型或數字蜜蜂的大腦 – 研究人員發現，蜜蜂在飛行過程中移動的方法以幫助確定輸入並在大腦中創造獨特的電力。這些運動產生了神經信號，使蜜蜂可以輕鬆地識別周圍世界的預測特徵。這種能力意味著蜜蜂在學習過程中表現出驚人的精度，並意識到飛行過程中的複雜視覺樣式。
不僅模型，更深入的模型，我們對蜜蜂如何通過他們的運動來學習和認識其複雜風格的理解。但也為下一代AI鋪平了道路，它表明，通過使用運動來收集數據而不是依靠大型計算，未來的機器人可以更聰明，更有效。
內部非正式情報中心主任詹姆斯·元為什麼教授，該研究的高級作者說：“在這項研究中，我們成功，表明即使大腦最少也可以利用運動來認識和理解我們周圍的世界。
“控制偵探部門的最佳自然設計，為下一代打開大門，推動機器人的進度，驅動自己的車輛和在現實世界中學習的車輛。”
與倫敦皇后大學合作的研究最近發表在該雜誌上。 權威– 它是由團隊先前的研究創建的，涉及蜜蜂如何使用願景。 – 他們的過程有助於他們收集和處理圖像數據。儘管他們以前的工作注意到蜜蜂四處飛來並檢查了這種新的教育形式，從而對驅動這種行為的基本大腦機制提供了更深入的了解。
很長一段時間以來，已經了解了學習蜜蜂複雜視野的能力，例如人臉之間的差異。但是，教育的發現表明了通過這種簡單的表現導致世界的授粉方法。
謝菲爾德大學的作者兼研究員哈迪·馬布迪（Hadi Maboudi）博士說：“在我們以前的工作中，蜜蜂用來使用捷徑來解決這個謎團感到驚訝。
“我們大腦的模型表明，已經調整了其神經電路以適合非詳細數據處理。但是，通過自然環境中飛行運動的相互作用，支持智力來自大腦，身體和環境共同工作的理論。
“我們了解到，蜜蜂儘管有大腦，但並不比芝麻種子大。但不僅看到世界 – 它們通過運動來定義他們看到的東西。這是一個與最少資源解決複雜問題的完美聯繫和感知的美麗例子。這是重要的事情。
該模型表明，當他們的大腦網絡逐漸適應各種刺激的重複接觸時，將神經細胞詳細介紹了特定的方向和運動，調整其反應而不依賴於鏈接或增援。這使蜜蜂的大腦可以通過觀察到而無需立即獲得獎勵而輕鬆適應環境。這意味著大腦僅使用幾個活躍的神經元來識別事物，保存能量和加工能力，這是令人難以置信的有效。
為了檢查他們的計算方式，研究人員收到了與真實蜜蜂相同的挑戰。在一個重要的實驗中，已分配了該模型來分開“正”標記和“乘法”標記之間的差異。當模仿行為下半部分的真實蜜蜂的策略時，該模型顯示出更為重要的性能。
儘管有一個小的人造神經元網絡，但是該模型成功地展示了蜜蜂如何記住人的面孔，並強調了其圖像處理的強度和靈活性。
倫敦皇后瑪麗（Queen Mary）的敏感生態系統和行為拉爾斯·奇特卡（Lars Chittka）教授補充說：“科學家們已經註意到大腦大小是否預測動物的智力。但是，如果沒有人知道神經學計算支持指定的工作，那麼預測是不合理的。
“在這裡，我們指定了難度歧視工作所需的最小神經元數量，並發現數字很小，即使對於復雜的工作，例如人的臉部識別。
該系統的系統教授Mikko Juusola教授來自Cheffield大學和科學學院的生物科學，他說：“這項工作增強了動物沒有耐心地接受的證據。
“我們的新模型將這一原理擴展到蜜蜂的較高順序處理，揭示了由行為驅動，創建壓縮的神經代碼和學習的掃描。這些發現支持在對大腦動作和大腦變化的感知下的完整工作框架。
通過從腦昆蟲的工作中收集發現，如何工作以及計算模型表明，研究表明，對小腦昆蟲的研究如何發現智力的基本規則。這些發現不僅是使我們了解我們的知識和理解，而且還具有開發新技術的重要意義
