Arılar, mürəkkəb vizual nümunələri dəqiq və səmərəli şəkildə tanımaq qabiliyyətləri ilə alimləri heyrətləndirir. Şeffild Universitetinin yeni araşdırması, arıların uçuş zamanı bədən hərəkətləri ilə ətraf mühitdən vizual məlumatları necə topladıqlarını və bu məlumatları beyində necə işlədiklərini üzə çıxarıb. Bu tapıntılar süni intellekt və robot texnologiyalarında yeni irəliləyişlərə yol aça bilər.

Araşdırma qrupu arının beyninin rəqəmsal modelini hazırlayaraq, uçuş zamanı bədən hərəkətlərinin vizual məlumatları necə formalaşdırdığını və bu məlumatların beyində unikal elektrik siqnalları yaratdığını göstərdi. Bu hərəkətlər, arıların ətrafdakı obyektləri asanlıqla və effektiv şəkildə tanımasına imkan verir. Məsələn, arılar çiçək üzərindəki mürəkkəb vizual naxışları asanlıqla ayırd edə bilirlər.

Professor Ceyms Marşal, Şeffild Universitetinin Maşın İntellekti Mərkəzinin direktoru və tədqiqatın baş müəllifi, bu araşdırmanın kiçik beyinlərin belə mürəkkəb hesablamaları həyata keçirə biləcəyini sübut etdiyini qeyd edib. "Təbiətin ən yaxşı intellekt dizaynlarını təqlid etmək, növbəti nəsil süni intellekt və robot texnologiyalarında irəliləyişlərə səbəb ola bilər", - deyə o bildirib.

Bu araşdırma, Londonun Queen Mary Universiteti ilə birgə aparılıb və eLife jurnalında dərc olunub. Alimlər daha əvvəl arıların vizual məlumatları toplamaq üçün aktiv görmə üsulundan istifadə etdiklərini müşahidə etmişdilər. Lakin bu yeni tədqiqat, arıların bu davranışlarını idarə edən beyin mexanizmlərini daha dərindən araşdırır.

Araşdırmanın əsas nəticələrindən biri, arıların beyin neyronlarının xüsusi hərəkət və istiqamətlərə uyğunlaşmasıdır. Bu adaptasiya prosesi, arıların uçuş zamanı ətraf mühiti müşahidə edərək vizual məlumatları emal etməsinə imkan verir. Bu, onların beyninin az enerji sərf etməsi ilə yanaşı, yüksək səviyyədə effektivlik göstərməsinə səbəb olur.

Tədqiqatçılar, hazırladıqları modeli real arıların üzləşdiyi vizual problemlərlə sınadılar. Məsələn, model bir plus işarəsini bir çarpaz işarədən fərqləndirmək vəzifəsini yerinə yetirdi. Model, arıların yalnız nümunələrin alt hissəsini skan etmə strategiyasını təqlid edərək daha yaxşı nəticələr göstərdi.

Professor Lars Çittka, London Queen Mary Universitetinin Sensor və Davranış Ekologiyası üzrə professoru, bu araşdırmanın beyin ölçüsü ilə intellekt arasındakı əlaqəni aydınlaşdırmaq üçün əhəmiyyətli olduğunu vurğulayıb. "Bu tədqiqat, mürəkkəb vizual tapşırıqları yerinə yetirmək üçün tələb olunan minimum neyron sayını müəyyənləşdirir və bu sayın həqiqətən çox az olduğunu göstərir", - deyə Çittka bildirib.

Şeffild Universitetinin Sistem Neyroelmi üzrə professoru Mikko Juusola əlavə edib ki, bu iş, heyvanların məlumatları passiv şəkildə qəbul etmədiyini, əksinə onları aktiv şəkildə formalaşdırdığını sübut edir. "Bu model, arıların davranış yönümlü skan etmə üsulunun necə sıxılmış və öyrənilə bilən neyron kodları yaratdığını göstərir", - deyə Juusola qeyd edib.

Bu araşdırma, təbiətdəki kiçik canlıların intellektual qabiliyyətlərini öyrənərək, süni intellekt və robot texnologiyalarında yeni yanaşmalar inkişaf etdirmək üçün vacib məlumatlar təqdim edir.