Pszczoły otaczające królową pszczół oznaczone kropką na grzbiecie. Shutterstock

Życie pszczoły miodnej zależy od tego, czy uda jej się zebrać nektar z kwiatów w celu wytworzenia miodu. Decyzja, który kwiat najprawdopodobniej zaoferuje nektar, jest niezwykle trudna.

Właściwe wykonanie wymaga prawidłowego wyważenia subtelnych wskazówek dotyczących rodzaju, wieku i historii kwiatu – najlepszych wskaźników, które kwiat może zawierać maleńką kroplę nektaru. Pomyłka jest w najlepszym razie stratą czasu, aw najgorszym oznacza narażenie na śmiercionośnego drapieżnika ukrywającego się w kwiatach.

W nowych badaniach opublikowane dzisiaj w eLife nasz zespół informuje, jak pszczoły podejmują te złożone decyzje.

Pole sztucznych kwiatów

Rzuciliśmy wyzwanie pszczołom polem sztucznych kwiatów zrobionych z kolorowych krążków kartonu, z których każdy oferował maleńką kroplę syropu cukrowego. Różnokolorowe „kwiaty” różniły się pod względem prawdopodobieństwa oferowania cukru, a także różniły się tym, jak dobrze pszczoły mogły ocenić, czy fałszywy kwiat zapewnia nagrodę.

Na grzbiecie każdej pszczoły nanieśliśmy maleńkie, nieszkodliwe ślady farby i sfilmowaliśmy każdą wizytę pszczoły na kwietniku. Następnie wykorzystaliśmy widzenie komputerowe i uczenie maszynowe, aby automatycznie wyodrębnić pozycję i tor lotu pszczoły. Na podstawie tych informacji mogliśmy ocenić i dokładnie określić czas każdej decyzji podjętej przez pszczoły.

Odkryliśmy, że pszczoły bardzo szybko nauczyły się identyfikować najbardziej satysfakcjonujące kwiaty. Szybko ocenili, czy zaakceptować, czy odrzucić kwiat, ale zdumiewająco ich prawidłowe wybory były średnio szybsze (0.6 sekundy) niż ich błędne wybory (1.2 sekundy).

Jest to przeciwieństwo tego, czego się spodziewaliśmy.

Zwykle u zwierząt – a nawet w systemach sztucznych – trafna decyzja zajmuje więcej czasu niż decyzja błędna. To się nazywa kompromis prędkości i dokładności.

Ten kompromis ma miejsce, ponieważ ustalenie, czy decyzja jest słuszna, czy nie, zwykle zależy od tego, ile dowodów mamy do podjęcia tej decyzji. Więcej dowodów oznacza, że ​​możemy podjąć dokładniejszą decyzję – ale zebranie dowodów wymaga czasu. Tak więc trafne decyzje są zwykle powolne, a niedokładne decyzje są szybsze.

Kompromis między szybkością a dokładnością występuje tak często w inżynierii, psychologii i biologii, że można by go niemal nazwać „prawem psychofizyki”. A jednak pszczoły zdawały się łamać to prawo.

Jedyne inne zwierzęta, o których wiadomo, że pokonały kompromis między szybkością a dokładnością to ludzie i naczelne.

Jak więc pszczoła ze swoim małym, ale niezwykłym mózgiem może dorównywać naczelnym?

Pszczoły unikają ryzyka

Aby rozwiązać to pytanie, zwróciliśmy się do modelu obliczeniowego, pytając, jakie właściwości musiałby mieć system, aby pokonać kompromis między szybkością a dokładnością.

Zbudowaliśmy sztuczne sieci neuronowe zdolne do przetwarzania danych sensorycznych, uczenia się i podejmowania decyzji. Porównaliśmy wydajność tych sztucznych systemów decyzyjnych z prawdziwymi pszczołami. Na tej podstawie mogliśmy określić, co system musiał mieć, aby pokonać kompromis.

Odpowiedź polegała na udzieleniu odpowiedzi „zaakceptuj” i „odrzuć” różne progi dowodów w określonym czasie. Oto, co to oznacza – pszczoły akceptują kwiat tylko wtedy, gdy na pierwszy rzut oka tak jest pewnie to było satysfakcjonujące. Jeśli mieli jakąś niepewność, odrzucali ją.

Była to strategia unikająca ryzyka i oznaczająca, że ​​pszczoły mogły przegapić niektóre satysfakcjonujące kwiaty, ale z powodzeniem skupiła swoje wysiłki tylko na kwiatach, które mają największe szanse i najlepsze dowody dostarczania im cukru.

Nasz komputerowy model tego, jak pszczoły podejmowały szybkie, trafne decyzje, dobrze odwzorowywał zarówno ich zachowanie, jak i znane ścieżki mózgowe pszczół.

Nasz model jest wiarygodny dla tego, jak pszczoły są tak skutecznymi i szybkimi decydentami. Co więcej, daje nam szablon, w jaki sposób możemy budować systemy – takie jak autonomiczne roboty do eksploracji lub wydobywania – z tymi funkcjami.

O autorze

Andrzej Barron, Profesorze, Uniwersytet Macquarie

Artykuł został opublikowany ponownie Konwersacje na licencji Creative Commons. Przeczytać oryginalny artykuł.

ING